[发明专利]一种基于超声阵列信息的室内场景定位方法与装置

权利要求书

1.一种基于超声阵列信息的室内场景定位方法，其特征在于，该方法包括以下步骤:

1)采集作为训练样本的场景的超声阵列信息：

为了有效地获取环境中的超声信息，超声传感器以环或阵列的形式安装在机器人本体上；室内场景的超声阵列信息被采集作为超声训练样本，设超声训练样本的个数为N，则得到超声训练样本数据集S_tr的表达式为：

S_tr＝[S_tr1,S_tr2,···,S_trN](1)

其中S_tr1,S_tr2,···,S_trN分别表示超声训练样本数据集S_tr中第一个超声训练样本、第二个超声训练样本、…第N个超声训练样本；第一个超声训练样本S_tr1的数据为由超声传感器采集的室内已知的第一组场景的超声阵列信息；

2)对需要进行定位的测试样本场景进行采集超声阵列信息；设超声测试样本的个数为M，则得到超声测试样本数据集S_te的表达式为：

S_te＝[S_te1,S_te2,···,S_teM](2)

其中S_te1,S_te2,···,S_teM分别表示超声测试样本数据集S_te中第一个超声测试样本、第二个超声测试样本、…第M个超声测试样本；第一个超声测试样本S_te1的数据由超声传感器采集的来自需要定位的第一组室内场景的超声阵列信息；M和N分别为超声测试样本的个数和超声训练样本的个数，N≤M；

3)设超声传感器放置的数量为l，则超声训练样本数据集中的任意的一个超声训练样本S_I的长度为l，1≤I≤N，表达式为：S_I＝[S_I,1,S_I,2,...,S_I,l]，其中S_I,1,S_I,2,...,S_I,l分别表示超声训练样本S_I的第一个超声传感器的数据、第二个超声传感器的数据、…第l个超声传感器的数据；超声测试样本数据集中的任意的一个超声测试样本S_J的长度为l，1≤J≤M，表达式为：S_J＝[S_J,1,S_J,2,...,S_J,l]，其中S_J,1,S_J,2,...,S_J,l分别表示超声测试样本S_J的第一个超声传感器的数据、来自第二个超声传感器的数据、…第l个超声传感器的数据；

对齐超声训练样本和超声测试样本：得到超声训练样本S_I和超声测试样本S_J之后，将超声训练样本S_I和超声测试样本S_J对齐，对齐就是分别找到超声训练样本S_I和超声测试样本S_J的最小值和相应的下标，设超声训练样本S_I的最小值为S_I,minI，1≤minI≤l，则相应的下标为minI,超声测试样本S_J的最小值为S_J,minJ，1≤minJ≤l，则相应的下标为minJ,把超声训练样本S_I和超声测试样本S_J的最小值S_I,minI和S_J,minJ分别放到超声训练样本S_I和超声测试样本S_J下标为1的位置上，超声训练样本S_I和超声测试样本S_J剩下的数据按照原来的顺序，依次向后排列；

4)超声训练样本S_I和超声测试样本S_J对齐后得到新的超声训练样本S_I′和超声测试样本S_J′，其中S_I′＝[S_I,1′,S_I,2′,...,S_I,l′]、S_J′＝[S_J,1′,S_J,2′,...,S_J,l′]，超声训练样本S_I′和超声测试样本S_J′的距离被定义为：

d(S_I′,S_J′)＝||S_I′-S_J′||(3)

5)遍历超声训练样本数据集S_tr和超声测试样本数据集S_te，重复步骤3)，得到对齐后的超声训练样本数据集S_tr′和对齐后的超声测试样本数据集S_te′；对齐后超声测试样本数据集S_te′中任一超声测试样本S_J′与S_tr′之间的距离表达式为

S_J′＝[S_J,1′,S_J,2′,...,S_J,l′](4)

S_tr′＝[S₁′,S₂′,···,S_N′](5)

d(S_J′,S_tr′)＝[d(S_J′,S₁′),d(S_J′,S₂′),···,d(S_J′,S_N′)](6)

6)遍历超声测试样本数据集S_te′的每一个超声测试样本，重复公式(6)，计算S_te′与对齐后的超声训练样本数据集S_tr′的距离d(S_te′,S_tr′)，构建一个动态时间规整距离矩阵D：

上述距离矩阵D中，D₁₁是S_te′中第一个样本与S_tr′中第一个样本之间的距离，D_1N是S_te′中第一个样本与S_tr′中第N个样本之间的距离，D_M1是S_te′中第M个样本与S_tr′中第一个样本之间的距离，D_MN是S_te′中第M个样本与S_tr′中第N个样本之间的距离；

7)根据步骤6)得到的距离矩阵D，得到对齐后的超声测试样本数据集S_te′中第A个测试样本与对齐后的超声训练样本S_tr′的距离集合D_A，D_A的表达式为：

D_A＝[D_A，1,D_A，2,···,D_A，N](8)

其中1≤A≤M，求出距离集合D_A表达式中的最小值D_Ao，其中第二个下标o范围为：1≤o≤N；根据最近邻算法，则距离集合D_A中的第o个训练样本的场景位置即为第A个测试样本的场景定位；

8)重复步骤7)，得到所有对齐后的超声测试样本的场景定位，完成由所有超声测试样本组成的目标场景类别的场景定位。