【技术实现步骤摘要】
本专利技术涉及一种基于gpgpu的因子图融合定位方法、系统、装置和介质，属于并行计算与融合定位解算。
技术介绍
1、随着全球定位导航系统（global navigation satellite systems，gnss）的日益完善与发展，室外环境中可用于定位的卫星种类和数量不断增加。为了提高定位系统在复杂场景下的性能，科研人员引入了因子图技术，实现了基于图的非线性解算方法，并构建了融合定位框架。这种方法将待解算的位置状态设置为状态节点，将各类传感器的观测信息构建为因子节点，通过观测信息与位置状态间的关系构建连接状态节点和因子节点的边，从而形成了能够代表整个融合定位系统的图结构。通过有限地迭代计算，可以获得最终的位置解算结果。
2、然而，尽管因子图融合定位框架相比传统定位方法能更充分利用历史观测信息来提高定位精度，但它也给定位终端硬件带来了巨大的计算负载。大量历史观测信息的引入增加了实时处理的复杂性，导致位置解算速度缓慢，从而降低了定位结果的实时性，严重影响了定位系统的可用性和用户体验。
3、为克服上述问题，急需一种高效的解决方案来加速因子图融合定位解算过程，以提升复杂场景下的定位实时性和性能。
技术实现思路
1、本专利技术目的是提供了一种基于gpgpu的因子图融合定位方法、系统、装置和介质，用于满足多观测信息的复杂定位场景下的定位实时性需求。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种基于gpgpu的因子图融合定位
4、采集卫星观测传感器和运动观测传感器输出的观测信息，将收集到的数据进行预处理后存入gpgpu的全局存储器；
5、将预处理后的数据与历史数据整合，整合后的数据将分段转存到gpgpu各流式多处理器的共享存储器中；
6、根据传感器的关系方程构建因子节点，定义因子节点的目标函数，将待解算的位置设置为状态节点，通过因子节点和状态节点间的关系建立限制条件，创建因子图；
7、使用每条观测信息构建一个线程，将相关的观测信息构建的线程作为一个线程块，并将定义核函数传送到gpgpu端等待执行；
8、根据因子图中数据相关性对观测信息进行并行分解，通过内存分配完成解算数据的装载；
9、在数据装载完成后调用核函数开始并行解算，迭代求解最优的位置解算作为定位结果，将定位解算的结果经过后项优化和定位结果进行存储。
10、优选的，卫星观测传感器的观测信息以卫星的伪随机码作为索引进行序列化，运动观测传感器的观测信息以三维方向做索引进行序列化，将序列化的数据赋权重、标准化和归一化处理。
11、优选的，将序列化的数据赋权重、标准化和归一化处理具体方式如下：
12、卫星观测传感器的观测信息根据卫星的位置分布和信噪比构建观测矩阵，计算协方差阵，运动观测传感器的观测信息根据测量误差计算协方差矩阵；根据协方差矩阵对两类观测信息进行加权处理；对加权后的数据尺寸缩放。
13、优选的，所述状态节点设置方式如下：根据待解算的位置数据结构和参与定位解算的数据长度，在gpgpu的流处理器中的寄存器作为存储空间进行存储。
14、优选的，通过gpgpu的并行计算架构进行并行解算，根据因子图中的数据相关性分解解算任务，经过多次迭代求解出最优的位置解算结果。
15、优选的，解算方法包括最速下降法、高斯牛顿法或列文伯格-马夸尔特法。
16、一种基于gpgpu的因子图融合定位系统，包括：
17、数据收集模块，被配置为收集并处理卫星观测传感器和运动观测传感器输出的观测信息，将收集到的数据进行预处理后存入gpgpu的全局存储器；将预处理后的数据与历史数据整合，整合后的数据将分段转存到gpgpu各流式多处理器的共享存储器中；
18、因子图创建模块，被配置为根据传感器的关系方程构建因子节点，定义因子节点的目标函数，将待解算的位置设置为状态节点，通过因子节点和状态节点间的关系建立限制条件创建因子图；使用每条观测信息构建一个线程，将相关的观测信息构建的线程作为一个线程块，并将定义核函数传送到gpgpu端等待执行；
19、位置解算模块：根据因子图中数据相关性对观测信息进行并行分解，通过内存分配完成解算数据的装载；在数据装载完成后调用核函数开始并行解算，迭代求解最优的位置解算作为定位结果，将定位解算的结果经过后项优化和定位结果进行存储。
20、优选的，所述数据收集模块包括：
21、观测信息收集模块，被配置为收集并处理卫星观测传感器和运动观测传感器输出的观测信息，将卫星观测传感器的观测信息以卫星的伪随机码作为索引进行序列化，运动观测传感器的观测信息以三维方向做索引进行序列化；
22、数据预处理模块，被配置为将序列化的数据赋权重、标准化和归一化处理；
23、历史数据整合模块，被配置为将数据预处理模块预处理后的数据与历史数据整合，对历史数据长度进行裁剪，剔除与当前时刻数据相关性较小的历史数据，将整合后的数据将分段转存到gpgpu各流式多处理器的共享存储器中；
24、所述因子图创建模块包括：
25、状态节点设置模块，被配置为将待解算的位置设置为状态节点，根据待解算的位置数据结构和参与定位解算的数据长度，在gpgpu的流处理器中的寄存器作为存储空间进行存储；
26、因子节点构建模块，被配置为根据各类信息传感器的关系方程构建对应的因子节点，定义因子节点的目标函数，将待解算的位置设置为状态节点；
27、对于卫星观测传感器，根据它的观测方程，定义卫星因子节点的目标函数。对于运动观测传感器，根据它的运动方程，定义运动因子节点的目标函数；
28、因子图的创建模块，被配置为将根据状态节点和各因子节点的关系，构建完整的图结构；使用每条观测信息构建一个线程，将相关的观测信息构建的线程作为一个线程块，并将定义核函数传送到gpgpu端等待执行；
29、所述位置解算模块包括：
30、数据复用模块，被配置为控制位置解算过程中的数据复用与同步，在单次解算过程中，将每次迭代的结果更新到流处理器的寄存器，并控制并行计算的顺序实现数据同步；将上次解算的结果作为本次解算的初始值加载到sp的寄存器，并实现数据同步；
31、并行解算模块，被配置为根据核函数的配置，分别从寄存器、共享存储器和全局存储器中读取数据，经过迭代求解出位置的最优估计；
32、后处理和存储模块，被配置为对历史的定位结果进行二次修正，使用修正后的位置更新历史结果，并将当前的位置结果存入全局存储器。
33、一种基于gpgpu的因子图融合定位装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行所述的基于gpgpu的因子图融合定位方法。
34、一种计算机可读存储介质，其上存储有计算机程序，该程序被处本文档来自技高网...
【技术保护点】
1.一种基于GPGPU的因子图融合定位方法，其特征在于，包括：
2.根据权利要求1所述的基于GPGPU的因子图融合定位方法，其特征在于，卫星观测传感器的观测信息以卫星的伪随机码作为索引进行序列化，运动观测传感器的观测信息以三维方向做索引进行序列化，将序列化的数据赋权重、标准化和归一化处理。
3.根据权利要求2所述的基于GPGPU的因子图融合定位方法，其特征在于，将序列化的数据赋权重、标准化和归一化处理具体方式如下：
4.根据权利要求1所述的基于GPGPU的因子图融合定位方法，其特征在于，所述状态节点设置方式如下：根据待解算的位置数据结构和参与定位解算的数据长度，在GPGPU的流处理器中的寄存器作为存储空间进行存储。
5.根据权利要求1所述的基于GPGPU的因子图融合定位方法，其特征在于，通过GPGPU的并行计算架构进行并行解算，根据因子图中的数据相关性分解解算任务，经过迭代求解出最优的位置解算结果。
6.根据权利要求1所述的基于GPGPU的因子图融合定位方法，其特征在于，解算方法包括最速下降法、高斯牛顿法或列文伯格-马夸
7.一种执行权利要求1-6任一所述方法的基于GPGPU的因子图融合定位系统，其特征在于，包括：
8.根据权利要求7所述的基于GPGPU的因子图融合定位系统，其特征在于，所述数据收集模块包括：
9.一种基于GPGPU的因子图融合定位装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1-6任一所述的基于GPGPU的因子图融合定位方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1-6任一所述的方法。
...【技术特征摘要】
1.一种基于gpgpu的因子图融合定位方法，其特征在于，包括：
2.根据权利要求1所述的基于gpgpu的因子图融合定位方法，其特征在于，卫星观测传感器的观测信息以卫星的伪随机码作为索引进行序列化，运动观测传感器的观测信息以三维方向做索引进行序列化，将序列化的数据赋权重、标准化和归一化处理。
3.根据权利要求2所述的基于gpgpu的因子图融合定位方法，其特征在于，将序列化的数据赋权重、标准化和归一化处理具体方式如下：
4.根据权利要求1所述的基于gpgpu的因子图融合定位方法，其特征在于，所述状态节点设置方式如下：根据待解算的位置数据结构和参与定位解算的数据长度，在gpgpu的流处理器中的寄存器作为存储空间进行存储。
5.根据权利要求1所述的基于gpgpu的因子图融合定位方法，其特征在于，通过gpgpu的并行计算架构进行并行解算...
【专利技术属性】
技术研发人员：孟凡琨，王帅，赵鑫鑫，姜凯，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。