本公開實(shí)施例涉及數(shù)據(jù)處理，尤其涉及一種提高uwb定位精度的方法。

背景技術(shù)：

1、目前，uwb定位技術(shù)具有穿透力強(qiáng)、功耗低、抗多徑效果好、安全性高、系統(tǒng)復(fù)雜度低以及提供精確定位精度等優(yōu)點(diǎn)，被廣泛應(yīng)用于物體或人員在室內(nèi)的定位跟蹤與導(dǎo)航。但是uwb在非視距(即信號被遮擋)狀態(tài)下，仍然會出現(xiàn)定位精度變低、定位數(shù)據(jù)不穩(wěn)定等問題。為了解決uwb非視距情況下數(shù)據(jù)不穩(wěn)定的問題，目前產(chǎn)業(yè)界主要采用了多傳感器融合的辦法來解決這個(gè)問題。將uwb和imu傳感器進(jìn)行融合定位，當(dāng)uwb傳感器處于非視距狀態(tài)下時(shí)，使用imu傳感器的數(shù)據(jù)對uwb傳感器的數(shù)據(jù)進(jìn)行補(bǔ)充定位，但是這種方法受到imu傳感器精度的影響，受限于imu傳感器的原理(imu傳感器中包含了加速度計(jì)和陀螺儀)，imu傳感器不會直接拿到定位數(shù)據(jù)，而是需要通過加速度和角速度去進(jìn)行積分運(yùn)算，這類運(yùn)算會隨著時(shí)間增加而累計(jì)誤差，導(dǎo)致定位偏差。

2、可見，亟需一種定位效率、精準(zhǔn)度和適應(yīng)性強(qiáng)的提高uwb定位精度的方法。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本公開實(shí)施例提供一種提高uwb定位精度的方法，至少部分解決現(xiàn)有技術(shù)中存在定位效率、精準(zhǔn)度和適應(yīng)性較差的問題。

2、本公開實(shí)施例提供了一種提高uwb定位精度的方法，包括：

3、步驟1，使用動作捕捉設(shè)備對uwb傳感器進(jìn)行動作捕捉，并錄制二者的定位數(shù)據(jù)和時(shí)間戳，分別形成動作捕捉設(shè)備運(yùn)動數(shù)據(jù)和uwb傳感器運(yùn)動數(shù)據(jù)；

4、步驟2，對動作捕捉設(shè)備和uwb傳感器的定位數(shù)據(jù)和時(shí)間戳進(jìn)行預(yù)處理后，計(jì)算其對應(yīng)的數(shù)據(jù)特征并進(jìn)行歸一化；

5、步驟3，基于依次連接的卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)和全連接層構(gòu)建誤差模型；

6、步驟4，利用歸一化的數(shù)據(jù)特征訓(xùn)練誤差模型，并構(gòu)建損失函數(shù)對誤差模型進(jìn)行評估，迭代訓(xùn)練直至評估結(jié)果滿足要求，得到預(yù)訓(xùn)練好的誤差模型；

7、步驟5，計(jì)算uwb傳感器的實(shí)時(shí)數(shù)據(jù)對應(yīng)的數(shù)據(jù)特征并進(jìn)行歸一化后，輸入預(yù)訓(xùn)練好的誤差模型，預(yù)測并輸出矯正后的坐標(biāo)。

8、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述步驟2具體包括：

9、步驟2.1，將動作捕捉設(shè)備定位數(shù)據(jù)和uwb傳感器定位數(shù)據(jù)之間的坐標(biāo)軸進(jìn)行統(tǒng)一；

10、步驟2.2，采用最鄰近法，對于uwb傳感器運(yùn)動數(shù)據(jù)中每個(gè)uwb數(shù)據(jù)點(diǎn)，找到動作捕捉設(shè)備運(yùn)動數(shù)據(jù)中最近的時(shí)間戳對應(yīng)的數(shù)據(jù)點(diǎn)進(jìn)行對齊；

11、步驟2.3，通過計(jì)算時(shí)間戳對齊之后的前預(yù)設(shè)數(shù)量的數(shù)據(jù)點(diǎn)的系統(tǒng)偏差矯正量，并據(jù)此矯正動作捕捉設(shè)備和uwb傳感器之間的坐標(biāo)偏差，得到矯正后的uwb傳感器定位數(shù)據(jù)；

12、步驟2.4，根據(jù)矯正后的uwb傳感器定位數(shù)據(jù)計(jì)算二次項(xiàng)、乘積項(xiàng)、三次項(xiàng)和速度，形成數(shù)據(jù)特征并進(jìn)行歸一化。

13、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述系統(tǒng)偏差矯正量的表達(dá)式為

14、

15、其中，x'v,y'v表示統(tǒng)一坐標(biāo)軸后的動作捕捉設(shè)備定位數(shù)據(jù)，x'u,y'u表示統(tǒng)一坐標(biāo)軸后的uwb傳感器定位數(shù)據(jù)，i表示數(shù)據(jù)序號；

16、所述矯正后的uwb傳感器定位數(shù)據(jù)的表達(dá)式為

17、x″u＝x′u+δx，y″u＝y(tǒng)′u+δy。

18、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述二次項(xiàng)的表達(dá)式為

19、

20、所述乘積項(xiàng)的表達(dá)式為

21、

22、所述三次項(xiàng)的表達(dá)式為

23、

24、所述速度的表達(dá)式為

25、

26、其中，t表示當(dāng)前時(shí)刻，δ為時(shí)間變化量。

27、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述步驟4具體包括：

28、步驟4.1，將歸一化的數(shù)據(jù)特征按預(yù)設(shè)長度時(shí)間步生成批序列，并據(jù)此生成三維張量輸入誤差模型，卷積層從三維張量中提取局部空間特征，通過在三維張量上滑動一個(gè)卷積核，通過三維張量的一個(gè)局部區(qū)域與卷積核的元素逐點(diǎn)相乘，然后求和得到全部元素，得到每個(gè)時(shí)間步的特征圖；

29、步驟4.2，將特征圖表示為x＝[x1,x2,...,xt]，其中，t是批序列的長度；

30、步驟4.3，將每個(gè)時(shí)間步的特征圖輸入長短期記憶網(wǎng)絡(luò)的輸入門和遺忘門，以及，根據(jù)每個(gè)時(shí)間步的特征圖計(jì)算候選細(xì)胞狀態(tài)；

31、步驟4.4，根據(jù)輸入門和遺忘門的輸出以及候選細(xì)胞狀態(tài)計(jì)算細(xì)胞狀態(tài)更新；

32、步驟4.5，根據(jù)每個(gè)時(shí)間步的特征圖計(jì)算輸出門的輸出；

33、步驟4.6，根據(jù)細(xì)胞狀態(tài)更新和輸出門的輸出計(jì)算每個(gè)時(shí)間步的隱藏狀態(tài)更新，直至得到全部時(shí)間步的隱藏狀態(tài)；

34、步驟4.7，全連接層對最后一個(gè)時(shí)間步的隱藏狀態(tài)進(jìn)行線性變換，得到uwb傳感器矯正后的坐標(biāo)；

35、步驟4.8，構(gòu)建損失函數(shù)并根據(jù)uwb傳感器矯正后的坐標(biāo)與動作捕捉設(shè)備定位數(shù)據(jù)計(jì)算誤差損失，迭代訓(xùn)練直至誤差損失低于閾值，保存模型參數(shù)，得到預(yù)訓(xùn)練好的誤差模型。

36、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述每個(gè)時(shí)間步的特征圖的表達(dá)式為

37、

38、其中，是卷積層的第k個(gè)特征圖在位置(i,j)的輸出值，這是卷積核k(k)在三維張量的某個(gè)局部區(qū)域滑動后計(jì)算得到的值，是第k個(gè)卷積核的第(m,n)元素的權(quán)重，是三維張量在位置(i+m,j+n)的值，b(k)是第k個(gè)卷積核的偏置項(xiàng)。

39、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述輸入門的輸出為

40、it＝σ(wi·[ht-1，xt]+bi)

41、其中，σ為sigmoid激活函數(shù)，將輸入值壓縮到0到1之間，wi為輸入門的權(quán)重矩陣，維度為隱藏層的維度+樣本維度,隱藏層的維度，ht-1為上一時(shí)間步的隱藏狀態(tài)，維度為隱藏層的維度，xt為當(dāng)前時(shí)間步的特征圖，維度為樣本維度，bi為輸入門的偏置項(xiàng)，維度為隱藏層的維度；

42、所述遺忘門的輸出為

43、ft＝σ(wf·[ht-1，xt]+bf)

44、其中，wf、bf表示遺忘門的權(quán)重矩陣和偏置項(xiàng)，維度與輸入門相同；

45、所述候選細(xì)胞狀態(tài)的表達(dá)式為

46、

47、其中，tanh表示雙曲正切激活函數(shù)，輸出范圍在-1到1之間，wc、bc表示候選細(xì)胞狀態(tài)的權(quán)重矩陣和偏置項(xiàng)。

48、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述細(xì)胞狀態(tài)更新的表達(dá)式為

49、

50、其中，ct表示當(dāng)前時(shí)間步的細(xì)胞狀態(tài)，包含記憶信息，⊙表示逐元素相乘操作，ct-1表示上一時(shí)間步的細(xì)胞狀態(tài)；

51、所述輸出門的輸出為

52、ot＝σ(wo·[ht-1，xt]+bo)

53、其中，wo、bo為輸出門的權(quán)重矩陣和偏置項(xiàng)；

54、所述每個(gè)時(shí)間步的隱藏狀態(tài)更新的表達(dá)式為

55、ht＝ot⊙tanh(ct)。

56、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述uwb傳感器矯正后的坐標(biāo)的表達(dá)式為

57、y＝w·ht+b

58、其中，y表示全連接層的輸出，即預(yù)測的矯正后的坐標(biāo)值，表示為xpred和ypred，w為全連接層的權(quán)重矩陣，ht為長短期記憶網(wǎng)絡(luò)的最后隱藏狀態(tài)，b為全連接層的偏置項(xiàng)。

59、根據(jù)本公開實(shí)施例的一種具體實(shí)現(xiàn)方式，所述損失函數(shù)的表達(dá)式為

60、

61、其中，和是模型預(yù)測的坐標(biāo)，和是動作捕捉設(shè)備定位數(shù)據(jù)。

62、本公開實(shí)施例中的提高uwb定位精度的方案，包括：步驟1，使用動作捕捉設(shè)備對uwb傳感器進(jìn)行動作捕捉，并錄制二者的定位數(shù)據(jù)和時(shí)間戳，分別形成動作捕捉設(shè)備運(yùn)動數(shù)據(jù)和uwb傳感器運(yùn)動數(shù)據(jù)；步驟2，對動作捕捉設(shè)備和uwb傳感器的定位數(shù)據(jù)和時(shí)間戳進(jìn)行預(yù)處理后，計(jì)算其對應(yīng)的數(shù)據(jù)特征并進(jìn)行歸一化；步驟3，基于依次連接的卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)和全連接層構(gòu)建誤差模型；步驟4，利用歸一化的數(shù)據(jù)特征訓(xùn)練誤差模型，并構(gòu)建損失函數(shù)對誤差模型進(jìn)行評估，迭代訓(xùn)練直至評估結(jié)果滿足要求，得到預(yù)訓(xùn)練好的誤差模型；步驟5，計(jì)算uwb傳感器的實(shí)時(shí)數(shù)據(jù)對應(yīng)的數(shù)據(jù)特征并進(jìn)行歸一化后，輸入預(yù)訓(xùn)練好的誤差模型，預(yù)測并輸出矯正后的坐標(biāo)。

63、本公開實(shí)施例的有益效果為：通過本公開的方案，通過對動作捕捉設(shè)備vicon和uwb數(shù)據(jù)的對齊和歸一化處理，并在訓(xùn)練過程中使用大規(guī)模數(shù)據(jù)集計(jì)算平均偏差，該方法有效減小了兩個(gè)坐標(biāo)系統(tǒng)之間的偏差，使得定位結(jié)果更加精確；通過使用卷積神經(jīng)網(wǎng)絡(luò)(cnn)捕捉數(shù)據(jù)的空間特征，以及長短期記憶網(wǎng)絡(luò)(lstm)處理時(shí)序特征，利用cnn提取的空間特征和lstm處理的時(shí)間序列特征，該方法能夠融合多個(gè)維度的數(shù)據(jù)特征，使得最終輸出的位置修正結(jié)果更加精確和可靠，該方法可以更準(zhǔn)確地修正uwb定位數(shù)據(jù)中的誤差，尤其在非視距(nlos)環(huán)境下表現(xiàn)更加出色。