【技術實現步驟摘要】
本公開涉及定位領域，尤其涉及一種多傳感器融合定位方法、系統、設備和介質。
技術介紹
1、隨著人工智能的發展，機器人的應用越來越廣泛，在應對食品廠的產品質量檢測上巡檢機器人縮減了人工成本，使食品加工產業鏈更具現代化，智能化。巡檢機器人上裝有溫濕度、氣體、粉塵等傳感器，來實現對外部環境的實時監測。在采集外部環境的同時，還需對食品進行必要的信息采集，以確保食品安全。這些由機器人采集到的信息發送到終端時要附有工廠內的定位信息，因此為了提高定位精度，精準的定位方法顯得尤為重要。
技術實現思路
1、本公開實施例提供一種多傳感器融合定位方法、系統、設備和介質，以解決相關技術存在的問題，技術方案如下：
2、第一方面，本公開實施例提供了一種多傳感器融合定位方法，包括如下步驟：
3、接收多傳感器獲取的位置信息，其中，位置信息包括多個定位基站和待測距目標之間的測距信息，所述測距信息包括具有多個sigma點；
4、通過ut變換對所述多個sigma點進行非線性變換后得到sigma點集，對所述sigma點集進行加權得到各個采樣點的均值和協方差權重；
5、基于所述均值和協方差權重，通過自適應噪聲估計器實現對系統噪聲進行實時估計和更新，以提高多傳感器融合定位的魯棒性。
6、可選地，在通過ut變換對所述多個sigma點進行非線性變換之前，還包括對所述位置信息進行高斯濾波處理。
7、可選地，所述高斯濾波處理利用n(0，σ)的高斯函數生成模板長度為
8、
9、當n＝2時高斯模板的長度為5，則由高斯函數生成的算子為：
10、
11、從而得到高斯濾波處理后的測距信息為：
12、
13、式中，ri，k為定位標簽在k個時刻到定位基站的測距信息，經過高斯濾波優化處理后的測距信息，i＝(1，2，3，4)。
14、可選地，通過ut變換對所述多個sigma點進行非線性變換，包括：
15、設置濾波初始值：
16、
17、式中，x0為系統狀態的初始值；為系統狀態的初始估計值；p0為誤差協方差矩陣的初始值；
18、接著進行sigma點的采樣：
19、
20、式中，為初始時刻采樣點；為k時刻的狀態估計；xk為sigma點集；p為當前時刻的協方差矩陣；λ＝α2(n+κ)-n為縮放比例參數，用來降低總的預測誤差，可根據實際情況進行適當調整，其中α的選取控制采樣點的分布狀態，為極小整數，取值為0≤α≤1，n為系統狀態量的維數，κ為比例因子，設置k＝0或3-n；
21、對sigma點進行非線性變換：
22、
23、根據上式變換的sigma點，得到系統狀態量的一步預測均值以及協方差矩陣pk+1|k，即：
24、
25、
26、可選地，對所述sigma點集進行加權得到各個采樣點的均值和協方差權重，包括：
27、
28、
29、式中，為各個采樣點的權值；為各個采樣點的協方差權重；β≥0，為一個非負的權系數，β反應狀態歷史信息的高階特性，對于高斯分布β＝2。
30、可選地，基于所述均值和協方差權重，通過自適應噪聲估計器實現對系統噪聲進行實時估計和更新，包括：
31、首先將第k+1時刻下第i個樣本的預測估計值表示為：
32、
33、計算k+1時刻下的量測估計值：
34、
35、計算量測估計值與預測估計值之間的殘差：
36、
37、建立自適應噪聲估計器：
38、
39、式中，為量測噪聲方差，dk+1為自適應因子，式中，b為遺忘因子，其功能用于控制濾波器對信息的記憶長度，取值范圍為(0.95,0.995)。
40、得到量測噪聲協方差矩陣：
41、
42、利用遺忘因子b與相乘，初始值設為正定，其相乘結果也必定為正定。而當濾波收斂時，誤差協方差矩陣pk會逐漸減小，且hk+1為恒定值，則也將逐漸減小并趨近于0，因此，量測噪聲協方差矩陣為：
43、
44、更新后的濾波公式：
45、
46、
47、為量測量的一步預測協方差矩陣，為狀態量與量測量的交互協方差矩陣，濾波增益kk+1為：
48、
49、則第k+1時刻的系統狀態估計量為：
50、
51、更新的誤差協方差矩陣的后驗估計值pk+1為：
52、
53、可選地，所述多傳感器的測距信息通過無線載波技術獲取。
54、作為本公開實施例的另一方面，還提供一種多傳感器融合定位系統，包括：
55、位置信息接收單元，接收多傳感器獲取的位置信息，其中，位置信息包括多個定位基站和待測距目標之間的測距信息，所述測距信息包括具有多個sigma點；
56、sigma點集加權單元，通過ut變換對所述多個sigma點進行非線性變換后得到sigma點集，對所述sigma點集進行加權得到各個采樣點的均值和協方差權重；
57、系統噪聲估計和更新單元，基于所述均值和協方差權重，通過自適應噪聲估計器實現對系統噪聲進行實時估計和更新，以提高多傳感器融合定位的魯棒性。
58、作為本公開實施例的另一方面，還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現所述的多傳感器融合定位方法。
59、作為本公開實施例的另一方面，還提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現所述的多傳感器融合定位方法。
60、上述技術方案中的優點或有益效果至少包括：本公開基于高斯-自適應無跡卡爾曼濾波算法，可以提高uwb/imu多傳感器融合定位的精度。
61、上述概述僅僅是為了說明書的目的，并不意圖以任何方式進行限制。除上述描述的示意性的方面、實施方式和特征之外，通過參考附圖和以下的詳細描述，本公開進一步的方面、實施方式和特征將會是容易明白的。
本文檔來自技高網...【技術保護點】
1.一種多傳感器融合定位方法，其特征在于，包括如下步驟：
2.如權利要求1所述的多傳感器融合定位方法，其特征在于，在通過UT變換對所述多個Sigma點進行非線性變換之前，還包括對所述位置信息進行高斯濾波處理。
3.如權利要求2所述的多傳感器融合定位方法，其特征在于，所述高斯濾波處理利用N(0，σ)的高斯函數生成模板長度為2n+1的卷積算子，與實際測距信息進行循環卷積計算，符合N(0，σ)的高斯模板函數為：
4.如權利要求3所述的多傳感器融合定位方法，其特征在于，通過UT變換對所述多個Sigma點進行非線性變換，包括：
5.如權利要求4所述的多傳感器融合定位方法，其特征在于，對所述Sigma點集進行加權得到各個采樣點的均值和協方差權重，包括：
6.如權利要求5所述的多傳感器融合定位方法，其特征在于，基于所述均值和協方差權重，通過自適應噪聲估計器實現對系統噪聲進行實時估計和更新，包括：
7.如權利要求1或2所述的多傳感器融合定位方法，其特征在于，所述多傳感器的測距信息通過無線載波技術獲取。
8.一種多
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述的多傳感器融合定位方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現權利要求1至7任一項所述的多傳感器融合定位方法。
...【技術特征摘要】
1.一種多傳感器融合定位方法，其特征在于，包括如下步驟：
2.如權利要求1所述的多傳感器融合定位方法，其特征在于，在通過ut變換對所述多個sigma點進行非線性變換之前，還包括對所述位置信息進行高斯濾波處理。
3.如權利要求2所述的多傳感器融合定位方法，其特征在于，所述高斯濾波處理利用n(0，σ)的高斯函數生成模板長度為2n+1的卷積算子，與實際測距信息進行循環卷積計算，符合n(0，σ)的高斯模板函數為：
4.如權利要求3所述的多傳感器融合定位方法，其特征在于，通過ut變換對所述多個sigma點進行非線性變換，包括：
5.如權利要求4所述的多傳感器融合定位方法，其特征在于，對所述sigma點集進行加權得到各個采樣點的均值和協方差權重...
【專利技術屬性】
技術研發人員：劉力德，李皓宇，魏明生，李世黨，呂逸揚，李文帥，
申請(專利權)人：江蘇師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。