一種地磁地圖的繪制方法、裝置及機器人的制作方法
【專利摘要】本發明公開了一種地磁地圖的繪制方法、裝置及機器人,其中,該方法包括:在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據;通過自然鄰點差值法將地磁數據與基準地磁地圖融合,以對地磁地圖進行重構;通過Hausdorff度量方式對重構后的地磁地圖中的多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorff值點;將所有最小的Hausdorff值點對應的位置與重構后的地磁地圖融合,以完成地磁地圖的繪制。本發明在預置的基準地磁地圖中運動,再通兩次精細的地圖重構過程,將原有基準地磁地圖更加精細,精度較高,解決了現有技術中的問題。
【專利說明】
一種地磁地圖的繪制方法、裝置及機器人
技術領域
[0001]本發明涉及地圖繪制領域,特別是涉及一種地磁地圖的繪制方法、裝置及機器人。
【背景技術】
[0002]現有技術中,在地磁與地圖匹配的過程中,通常都是將地磁與地圖匹配成功后,就生成了地磁地圖,然后就使用該地磁地圖來實現不同的目的,然而,現有技術中地磁地圖其匹配過程粗糙,精度較低,使用時會存在較大誤差,使用體驗較差。
【發明內容】
[0003]本發明提供一種地磁地圖的繪制方法、裝置及機器人,用以解決現有技術中地磁地圖其匹配過程粗糙,精度較低,使用時會存在較大誤差,使用體驗較差的問題。
[0004]為解決上述技術問題,一方面,本發明提供一種地磁地圖的繪制方法,包括:在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據;通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構;通過Hausdorff度量方式對重構后的地磁地圖中的所述多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorf f值點;將所有最小的Hausdorff值點對應的位置與所述重構后的地磁地圖融合,以完成地磁地圖的繪制。
[0005]進一步,在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據之前,還包括:基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖;獲取地磁圖數據,并將所述地磁圖數據與所述地圖進行對應,以得到所述預置的基準地磁地圖。
[0006]進一步,基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖,包括:根據預定的RSSI算法對所述待測區域的平面地圖進行位置區域劃定;將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。
[0007]進一步,通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構,包括:通過Hausdorff度量方式將所述地磁數據與所述基準地磁地圖進行匹配;通過自然鄰點差值法將匹配的地磁數據與所述基準地磁地圖進行融合,以對所述地磁地圖進行重構。
[0008]另一方面,本發明提供一種地磁地圖的繪制裝置,包括:獲取模塊,用于在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據;重構模塊,用于通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構;匹配模塊,用于通過Hausdorff度量方式對重構后的地磁地圖中的所述多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorff值點;繪制模塊,用于將所有最小的Haus dor ff值點對應的位置與所述重構后的地磁地圖融合,以完成地磁地圖的繪制。
[0009]進一步,還包括:第一生成模塊,用于基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖;第二生成模塊,用于獲取地磁圖數據,并將所述地磁圖數據與所述地圖進行對應,以得到所述預置的基準地磁地圖。
[0010]進一步,所述第一生成模塊包括:確定單元,用于根據預定的RSSI算法對所述待測區域的平面地圖進行位置區域劃定;生成單元,用于將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。
[00?1 ] 進一步,所述重構模塊包括:匹配單元,用于通過Hausdorff度量方式將所述地磁數據與所述基準地磁地圖進行匹配;重構單元,用于通過自然鄰點差值法將匹配的地磁數據與所述基準地磁地圖進行融合,以對所述地磁地圖進行重構。
[0012]另一方面,本發明提供一種機器人,包括:上述的地磁地圖的繪制裝置。
[0013]本發明在預置的基準地磁地圖中運動,再通兩次精細的地圖重構過程,將原有基準地磁地圖更加精細,精度較高,解決了現有技術中地磁地圖其匹配過程粗糙,精度較低,使用時會存在較大誤差,使用體驗較差的問題。
【附圖說明】
[0014]圖1是本發明實施例中地磁地圖的繪制方法的流程圖;
[0015]圖2是本發明實施例中地磁地圖的繪制裝置的結構示意圖;
[0016]圖3是本發明實施例中地磁地圖的繪制裝置的優選結構示意圖;
[0017]圖4是本發明實施例中地磁地圖的繪制裝置第一生成模塊的結構示意圖;
[0018]圖5是本發明實施例中地磁地圖的繪制裝置重構模塊的結構示意圖。
【具體實施方式】
[0019]為了解決現有技術中地磁地圖其匹配過程粗糙,精度較低,使用時會存在較大誤差,使用體驗較差的問題,本發明提供了一種地磁地圖的繪制方法、裝置及機器人,以下結合附圖以及實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本發明,并不限定本發明。
[0020]本發明實施例一種地磁地圖的繪制方法,該方法的流程如圖1所示,包括步驟S102至S108:
[0021]S102,在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據;
[0022]S104,通過自然鄰點差值法將地磁數據與基準地磁地圖融合,以對地磁地圖進行重構;
[0023]S106,通過Hausdorff度量方式對重構后的地磁地圖中的多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的HausdorfT值點;
[0024]S108,將所有最小的Hausdorff值點對應的位置與重構后的地磁地圖融合,以完成地磁地圖的繪制。
[0025]本發明實施例在預置的基準地磁地圖中運動,再通兩次精細的地圖重構過程,將原有基準地磁地圖更加精細,精度較高,解決了現有技術中地磁地圖其匹配過程粗糙,精度較低,使用時會存在較大誤差,使用體驗較差的問題。
[0026]在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據之前,還可以先構建預置的基準地磁地圖,即基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖;獲取地磁圖數據,并將地磁圖數據與地圖進行對應,以得到預置的基準地磁地圖。
[0027]基于待測區域的平面地圖進行二維平面坐標制定時,具體可以根據預定的RSSI算法對待測區域的平面地圖進行位置區域劃定,再將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。
[0028]通過自然鄰點差值法將地磁數據與基準地磁地圖融合,以對地磁地圖進行重構時,具體可以通過Hausdorff度量方式將地磁數據與基準地磁地圖進行匹配,再通過自然鄰點差值法將匹配的地磁數據與基準地磁地圖進行融合,以對地磁地圖進行重構。
[0029]本發明實施例還提供了一種地磁地圖的繪制裝置,該裝置的結構示意如圖2所示,包括:獲取模塊10,用于在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據;重構模塊20,與獲取模塊10耦合,用于通過自然鄰點差值法將地磁數據與基準地磁地圖融合,以對地磁地圖進行重構;匹配模塊30,與重構模塊20耦合,用于通過Hausdorff?度量方式對重構后的地磁地圖中的多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorf f值點;繪制模塊40,與匹配模塊30耦合,用于將所有最小的Hausdorff值點對應的位置與重構后的地磁地圖融合,以完成地磁地圖的繪制。
[0030]上述繪制裝置還可以如圖3所示,在圖2的基礎上,進一步包括:第一生成模塊50,用于基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖;第二生成模塊60,與第一生成模塊50和獲取模塊10耦合,用于獲取地磁圖數據,并將地磁圖數據與地圖進行對應,以得到預置的基準地磁地圖。
[0031]圖4示出了上述第一生成模塊50的結構示意圖,其包括:確定單元501,用于根據預定的RSSI算法對待測區域的平面地圖進行位置區域劃定;生成單元502,與確定單元501耦合,用于將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。
[0032]圖5示出了上述重構模塊20的結構示意圖,其包括:匹配單元201,用于通過Hausdorff度量方式將地磁數據與基準地磁地圖進行匹配;重構單元202,與匹配單元201親合,用于通過自然鄰點差值法將匹配的地磁數據與基準地磁地圖進行融合,以對地磁地圖進行重構。
[0033]本發明實施例還提供了一種機器人,其包括上述的地磁地圖的繪制裝置。本領域技術人員根據上述記載,知曉如何將上述裝置設置在機器人中,此處不再贅述。
[0034]優選實施例
[0035]本發明實施例提出了一種利用室內地磁場的空間波動來實現即時定位以進行地磁地圖繪制的方法。為了能增加定位精度和減少計算量,依據地磁場傳感器能夠測量地磁3個正交方向上的分量和不同的權重計算方式,改進了粒子濾波算法,并結合分形法對地磁地圖進行更新。在定位階段,利用改進的粒子濾波來估計攜帶有傳感器的機器人的位置,算法的收斂速度每次可以加快0.5s和定位誤差約減少3.5m;在構造地圖階段,利用分形空間插值法來實現的空間波動地磁地圖的更新較其他插值算法更靈活,且經過插值后的地圖更有助于提尚機器人的定位精度。
[0036]本發明實施例涉及室內定位這樣一個新的應用領域,利用網絡技術和智能終端的傳感器作為輔助,使得最終實現精準的室內位置信息獲取成為了可能。
[0037]目前主流的室內定位技術都是基于無線信號定位技術通過不同的數學估計模型最終實現位置預估。由于基于無線信號的定位技術完全依賴定位場景中的無線信號特征,然而在傳輸過程中無線信號易受到環境的干擾,加上定位算法最終需要通過概率估計模型進行估算,導致使用無線信號定位算法進行位置估計的最終結果精度和誤差較大,而且結果會發生漂移。若需提高算法精度,則需要加大對定位環境中無線節點硬件的投入,這樣勢必會導致成本過高,而無法大規模部署使用。陀螺儀、地磁傳感器、重力傳感器等一系列高端的高技術水平設備,由于智能終端的發展應用和MEMS傳感器的進步而得以廣泛應用,為了完成輔助定位的功能,上述的傳感器可以對某個移動節點狀態以及外界特性進行精確的反應。
[0038]本發明實施例慮到了無線信號定位的優點和缺點,在定位過程中同時融合使用周圍環境信息(如地磁場信息)和使用運動狀態信息(如加速度信息)進行協同定位,通過室內機器人(或人)所處位置的地磁場與無線信號特征來計算其位置坐標,利用了無線信號的便捷性,同時利用地磁場特征定位,無需硬件部署的低成本,使用地磁場定位的高精度彌補無線信號定位的高誤差。
[0039]本發明實施例首先介紹了地磁圖技術的重要性,以及在地磁定位算法中的意義;然后介紹了地磁圖重構的插值方法,為了能夠提高算法的定位精度,使用了空間插值的方法。綜合各個插值算法的特點,在本實施例中根據算法的特點選用自然鄰點插值法,然后,分析了所得結果。本實施例還介紹了 Hausdorff度量,介紹了怎樣在地磁匹配算法中引入HausdorfT相關度。隨后,本實施例介紹了整體的融合算法,完整地闡述了如何將RSSI的改進算法和地磁匹配算法進行融合,對其可行性和原理做了概述,并就具體實現步驟和操作方法進行了詳細的說明。
[0040]在整個算法的實現過程中,分步優化的思路貫穿始終,從使用RSSI定位算法確定粗區域到使用地磁進行精細區域的定位。在地磁匹配步驟中,基于Hausdorff距離度量進行搜索匹配時,由粗到精的逐步優化,縮小定位預估位置范圍,提高精度的同時兼顧了算法的效率和穩定性。
[0041]以地磁場特征為定位基礎和基于RSSI的定位方法是本實施例的重點內容。本實施例采用了針對載體運動狀態輔助的RSSI定位方法。同時,由于RSSI定位方法的粗精度,最高為3m,無法滿足實際中室內定位的需求。在這樣的需求下,我們使用了地磁場的特征值作為定位基準數據,利用了在建筑物內各處的地磁場異常場的強度的特異性,并采用了Hausdorff距離作為相關度的指標,由粗到精的匹配確切區域,從而能夠高效地實現局精度的室內定位。
[0042]本實施例應用了基于運動狀態的RSSI定位算法,充分利用載體探測傳感器,捕獲RSSI數據以及運動狀態數據,并利用該算法快速定位一個粗區域,便于進一步的進行地磁場特征值匹配定位。對于地磁場定位,本實施例使用Hausdorff距離的相關度匹配方法,分步對粗區域進行進一步的精確定位。在分布定位過程中,同時使用了 R S SI定位算法使用的運動狀態數據,有傾向性的優先校驗預測運動方向上的磁場數值,進一步提高匹配效率。在第二階段的精確匹配搜索過程中,使用了地磁場圖重構技術,使用自然鄰點插值方式,對粗的地磁場圖進行合理的精密化,提高定位的準確性。
[0043]對于本實施例所述的定位算法,涉及兩類數據,一類是隨著運動節點位移而非線性變化的RSSI值和運動過程中實時的瞬時運動加速度,另一類是靜態測量值。考慮到RSSI的非線性變化,由于無線信號受環境的影響較大,容易產生噪聲,所以選用中值濾波模型進行濾波處理。通過中值濾波模型對某一位置及其附近位置采樣多個RSSI數值,通過濾波,得到接近真實狀態的數值作為計算結果,將RSSI的數值跳變造成的影響降低到最低限度,使得采集樣本資料的精確度得以提升。中值濾波可以對噪聲進行抑制,以排序統計理論為依據,將數字系列內的一點數值通過此點以區域內諸多點值的中值來替代,使得周邊數值與實際數值相接近,使得獨立噪聲節點得以消除。根據中值濾波模型采集多組RSSI值,使用濾波算法后將結果值通過線性回歸估計,計算出接近真實的參數。
[0044]由于濾波需求較高的樣本容量,但是在實時的運動過程中無法捕獲如此大量的樣本,即使捕獲到足夠的樣本,同時也會大大增加處理數據的開銷。考慮到實時運動的低速和穩定性,在處理運動數據時,選擇采用平均值濾波模型。
[0045]在定位算法中,因為需要使用均值,所以在第一次捕獲數據之后,將多個連續時間段的取值進行二次分組,在產生的新數據組內進行均值處理,最終定位時使用均值化的結果作為定位的依據和樣本。在實驗環境中,對運動節點狀態,接收到的RSSI值以及源信標節點屬性的捕獲,并通過上述的平均值濾波模型處理得到最終結果,包括距離最近的信標節點的距離d,位移元組以及運動節點的位移方向角度a。最后將運動節點所處區域進行估算。
[0046]基于上文的RSSI測距模型和運動預測模型,從運動目標攜帶無線信號接收器和運動傳感器在環境中運動開始,期間信號接收器和傳感器捕獲和傳輸數據,最終通過運算得到相關最終的定位結果,這整個過程按如下所述的步驟進行:
[0047](I)可攜帶傳感設備周期性地從周圍環境中讀取有關節點的無線信號,每一次獲取都只記錄信號最強的無線信標節點信號,此信號具體需要記錄的內容包括時間戳,信標節點硬件地址與信號強度。
[0048](2)傳感設備在信號捕獲的每一個周期中同時捕獲運動目標的實時運動狀態,每一次獲取都通過加速傳感器捕獲運動平面內兩個垂直方向的瞬時加速度,把獲取的內容用下面的元組形式表示出來(時間戳,ax,ay)。
[0049](3)將捕獲的無線信號數據和傳感設備數據二次分組,對每一個新分組內的樣本,使用均值濾波,得到每個時刻的濾波后的RSSI數據。
[0050](4)通過運動定位模型所述的方式,計算出二次分組時間段內的運動節點位移(Sx,Sy),以及在該時間段內的實際位移長度和運動位移角度。
[0051](5)以RSSI模型為依據,將它和相鄰無線信號信標節點的距離d計算出來。
[0052](6)根據信標節點的硬件地址,找到對應信標的位置坐標(x,y),綜合(4)(5)中計算出的S和a,可以根據融合的定位模型計算出運動節點的當前位置(xl,y I)和(x2,y2)。
[0053](7)根據所述定位模型,最終通過實時位移角度α,取得最為接近實際預測情況的節點位置。
[0054]對于地磁定位技術,地磁場在地球所有的磁場中還包括地磁三分量、地磁總場以及磁偏角等方面的數據信息,這些參數信息數據都能量化地表現出每一個空間點處的地磁場特征,為基于地磁信息匹配的定位導航算法提供了可能。
[0055]地磁導航指的是:根據地磁圖所具備的特征,及時匹配當地測量磁信息,并進行準確定位,然后基于此,估計出載體的大概位置。地磁場作為一種矢量場,其具有方向性、高強度等特征。任意矢量場都能夠與其周圍的近地空間環境形成一個矢量場空間,并且該空間具有唯一性特征,與其他點及其周邊的矢量場都不同,且與環境位置高度關聯。由于磁場會受到來自金屬等材料的影響,所以現代建筑中常用的鋼筋結構勢必會對建筑內局部的地磁場產生干擾。也正因為這一種地磁場的異常擾亂,室內的每一點(包括不同樓層)及其周圍的環境是獨一無二的。從原理上說,在非均勾的磁場環境中移動,在不同的移動路徑上,會產生截然不同的磁場觀測結果。基于這樣的特性分析地磁場理論,則可以設計并建立出用于室內定位和導航的地磁場模型,并找到最適合定位的特征值。因此,理論上通過精確測量空間中某點的具體地磁場數據信息,并以此作為特征依據進行定位是可行的。
[0056]實現時,B表示磁場矢量,r表示位置,t表示時間,同時地磁場總矢量由二個主要矢量構成,它們的來源分別為:Bm地核主磁場、Br地殼異磁場以及由磁層電流、高層大氣相對運動復合產生的Bd干擾磁場。
[0057]在室內的情況下,利用室內環境所造成的異常地磁場環境,提供定位磁場特征依據。先使用帶有磁場傳感器的測量設備遍歷待定位的區域,記錄位置和磁場強度特征對應關系,并繪制磁場定位基準圖,然后在實際定位過程中,通過節點的移動將即時搜集的一維磁場信息記錄下來,通過對應信息處理手段,比較分析現場所測磁場資料于先前搜集并設計的地磁場基準圖,依據一定的度量計算實時數據序列和地磁圖中序列的相似度,在地磁圖中匹配到相似度最高的數據序列對應的實際區域,最終實現目標定位。
[0058]整個地磁定位技術的核心實際是實現實時測量數據和基準數字地圖的匹配。使用單一地磁作為定位依據流程為如下幾個步驟:
[0059](I)在需定位區域建立坐標系,事先使用傳感器和測量設備繪制出數字地磁基準圖,室內節點坐標用橫坐標表示,地磁場異常強圖用縱坐標表示。
[0060](2)地磁場數據由地磁傳感器每時每刻進行監測,在運動階段的目標,一組地磁特征值序列由傳感器測量所得,實時數據序列就被組成。
[0061](3)利用匹配算法展開計算,把先前所準備好的數據庫中的基準圖與現在所監測獲得的地磁特征序列展開對比,將實際數據的最好位置利用匹配行為獲得。
[0062]自然鄰點算法實現和插值步驟(先使用non-Sibsonian插值,再使用自然鄰點算法):
[0063]non-Sibsonian (三角剖分)插值計算步驟:首先將樣本點Delaunay三角網構建好,并且構建I階Voronoi圖,記錄其拓撲關系,找到有利于插值計算的所有自然鄰點相關的待插點;再根據相關公式計算出non-Sibsonian插值權重,把每個自然鄰點的權重和最小允許權重的關系進行比較分析,假如最小允許權重大于權重,那么代表的是這自然鄰點對插值點的影響不太,可以忽略這個鄰點,計算插值結果。
[0064]使用上述插值算法后的地磁場強度分布圖能夠表現出整個區域的地磁場特征和特異性。再通過使用自然鄰點算法進行插值計算,將稀疏的試驗區域的地磁數據圖精細化,增加了數據的密度,也進一步凸顯了數據變化的特征。由于放大了數據的細微的變化特征,同時該特征符合自然情況下的地磁場強度分布規律,這使得任意位置的地磁場特征更加明確,不僅有利于對地磁定位進行數據的匹配,更是有利于整體的算法。由地磁定位匹配原理可以推導出,越是精密的地磁圖,其局部區域的地磁場特征就越是明顯,其匹配效率的算法也就可以得到提高,匹配的精度越是能被提高。使用自然鄰點插值法后,大幅增加了地磁圖中數據的數量,同時保留了原先地磁圖的特征,提高了地磁圖的質量,增強了地磁匹配算法的效果。
[0065]Hausdorff相關度算法如下:
[0066]為了使圖形形狀間的相似性得到更好的量化,相似性度量便因此產生了。實現時,可以使用空間距離作為空間目標間的相似性度量,同時空間距離可以反映其位置關系,進一步描述空間物體間的相似性。點、線、面、體組成了空間中的任意物體。體的空間距離可以轉換成點、線、面之間的距離,因此空間距離可以被劃分成六類,即線面距離、點面距離、點點距離、線線距離、面面距離以及點線距離。若要進行進一步的劃分,點和點之間的距離是原子度量,因為任何距離經過轉換,最終都是兩點間的距離測量。Hausdorff距離度量算法使用點集作為一個整體進行相關度匹配,同時又結合每一個點元素的特性進行相關度的計算,每一個點的結果又是多次比較的結果,最終能夠一定程度的影響整體結果,這樣導致兩個點集直接的關系是從具體的元素到整體之間平衡的一種模糊的關系,所以可以推導出,Hausdorff距離擁有很強的容錯能力以及抗干擾能力;Hausdorff距離在測量噪聲、變換誤差和幾何失真等方面都存在著一定的抑制作用。
[0067]在實際的定位中,基于這一基本的Hausdorff度量,在使用算法上進行了融合和優化。因為在實際E配過程中,由于實際環境復雜,比對數據的計算量大,算法的整體效率比較低,所以需要通過分段,無效數據過濾等方式進行提效和改進。
[0068]在實時的定位計算過程中,算法分四個步驟階段進行位置的確定,先通過改進的RSSI算法進行粗位置區域的劃定,結合實驗中該定位算法的誤差,我們將劃定大致位置,然后在粗位置中,調取數據庫的地磁圖數據,使用Hausdorff度量進行地磁圖中點集和實際運動中采集的地磁數據進行匹配。得到匹配結果后,使用自然鄰點插值法進行粗匹配區域的地磁圖重構,加大數據的密度,便于進一步的精細化定位。在差值處理后的新局部地磁圖數據基礎上,再次使用Hausdorff度量進行點集的匹配,找到整體最小的Hausdorff值點,該點即為最終匹配位置。由于整個軌跡是在極短時間內的測量軌跡,結合人在室內的步行速度,在宏觀上,這是一個較短的距離,相當于一個極小的定位評估區域,可以大致認為定位節點的實際位置就在這個點上。因為整個算法的設計是由粗到精,由簡單到復雜,隨著算法的深入,每一步驟的數據運算量相對平均,并且在每一步中都進行了優化,整體算法比較穩定而且健壯,不依賴某一個值,同時也規避了極端數據對整體的影響。
[0069]算法的具體步驟和實現方法如下:
[0070]步驟I,將地磁圖繪制好,且在圖中標注好每個Win的定位描點;基于實現獲得的待測區域平面圖,進行二維平面坐標制定,考慮人的一般步行速度和步長,大約是每分鐘100步,每步長約0.5m,由于在室內步行速度反而會低于這一平均水平,具體情況因人而異。考慮到算法的實時性和精準性,我們在實際定位中每2-5秒(根據實際情況調整)進行一次定位和位置更新,這一則使得相鄰兩次的測距的距離期望差值約為1-2.5m,結合實際中由于人的步行往往不是完全的直線,所以這一移動長度下的有效移動距離實際略小于這個數值。在平面地圖內,我使用實際距離長度作為坐標的單位長度,即相鄰兩點為Im的等距間隔。為了提高精度,我們使用測量設備,在每0.25m(平均步長一半)的間隔點上進行地磁強度測量和記錄,并最終錄入數據庫,完成電子地磁圖的繪制。
[0071]步驟2,采集測量實時的RSSI運動狀態數據以及磁感強度(RSSI算法的分組方式)移動中,人手持測量設備(或者也可以攜帶傳感器的機器人運動),使用加速度傳感器、磁場傳感器和無線接收傳感器連續測量相關數據,并存儲以備后續實時定位。考慮到定位算法對實時性的要求,加上人的步行特征,我們約每2s進行一次位置更新,這段時間中,對于RSSI的測量,當用戶第一次或者重新加入了一個區域(沒有上下文定位結果數據),則調用RSSI無線傳感器,每秒進行3次的RSSI值測量,同時,每秒同步進行3次的運動傳感器調用,得到相應時間的瞬時加速度結果。對于磁感強度的測量,由于地磁圖為每0.25m間隔位置才有相關參考數值,所以對于定位用的地磁數據每秒測量3次,這符合人體一般的步行頻率,同時保證了數據的測量密度,也減少算法在匹配時由于數據量過大的復雜度。
[0072]步驟3,基于RSSI改進算法,對數據進行處理,確定大致區域,精度為半徑為3rn左右的圓形區域和預測的運動方向。
[0073]盡管為示例目的,已經公開了本發明的優選實施例,本領域的技術人員將意識到各種改進、增加和取代也是可能的,因此,本發明的范圍應當不限于上述實施例。
【主權項】
1.一種地磁地圖的繪制方法,其特征在于,包括: 在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據; 通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構; 通過Hausdorff度量方式對重構后的地磁地圖中的所述多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorff值點; 將所有最小的Hausdorff值點對應的位置與所述重構后的地磁地圖融合,以完成地磁地圖的繪制。2.如權利要求1所述的地磁地圖的繪制方法,其特征在于,在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據之前,還包括: 基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖; 獲取地磁圖數據,并將所述地磁圖數據與所述地圖進行對應,以得到所述預置的基準地磁地圖。3.如權利要求2所述的地磁地圖的繪制方法,其特征在于,基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖,包括: 根據預定的RSSI算法對所述待測區域的平面地圖進行位置區域劃定; 將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。4.如權利要求1至3中任一項所述的地磁地圖的繪制方法,其特征在于,通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構,包括: 通過Hausdorff度量方式將所述地磁數據與所述基準地磁地圖進行匹配; 通過自然鄰點差值法將匹配的地磁數據與所述基準地磁地圖進行融合,以對所述地磁地圖進行重構。5.一種地磁地圖的繪制裝置,其特征在于,包括: 獲取模塊,用于在預置的基準地磁地圖中運動,通過傳感器獲取運動中檢測到的地磁數據; 重構模塊,用于通過自然鄰點差值法將所述地磁數據與所述基準地磁地圖融合,以對所述地磁地圖進行重構; 匹配模塊,用于通過Hausdorff度量方式對重構后的地磁地圖中的所述多個網格狀區域對應的點集進行匹配,以找到每個點集中最小的Hausdorff值點; 繪制模塊,用于將所有最小的Hausdorff?值點對應的位置與所述重構后的地磁地圖融合,以完成地磁地圖的繪制。6.如權利要求5所述的地磁地圖的繪制裝置,其特征在于,還包括: 第一生成模塊,用于基于待測區域的平面地圖,進行二維平面坐標制定,以得到具有多個網格的網格狀地圖; 第二生成模塊,用于獲取地磁圖數據,并將所述地磁圖數據與所述地圖進行對應,以得到所述預置的基準地磁地圖。7.如權利要求6所述的地磁地圖的繪制裝置,其特征在于,所述第一生成模塊包括: 確定單元,用于根據預定的RSSI算法對所述待測區域的平面地圖進行位置區域劃定;生成單元,用于將劃定位置區域的平面地圖進行二維平面坐標制定,以得到具有多個網格的網格狀地圖。8.如權利要求5至7中任一項所述的地磁地圖的繪制裝置,其特征在于,所述重構模塊包括: 匹配單元,用于通過Hausdorff度量方式將所述地磁數據與所述基準地磁地圖進行匹配; 重構單元,用于通過自然鄰點差值法將匹配的地磁數據與所述基準地磁地圖進行融合,以對所述地磁地圖進行重構。9.一種機器人,其特征在于,包括:權利要求5至8中任一項所述的地磁地圖的繪制裝置。
【文檔編號】G01S1/02GK105973246SQ201610282182
【公開日】2016年9月28日
【申請日】2016年4月29日
【發明人】璧典寒, 趙亮
【申請人】海爾優家智能科技(北京)有限公司