[发明专利]一种面向不动产测量的改进型惯性定位方法

权利要求书

1.一种面向不动产测量的改进型惯性定位方法，其特征在于，包括如下步骤：

(1)在作业区域内选定待测点，以及一个位置信息已知的点作为控制点；

(2)在控制点处采集并存储惯性测量系统传感器数据，根据初始对准算法，获取惯性测量系统的初始姿态信息；

(3)在惯性测量系统行进间，结合初始位置信息与初始对准获取的姿态信息，通过捷联算法解算行进间的数据；

(4)采集并存储停车区间内惯性测量系统传感器数据，选择高斯过程回归核函数拟合停车区间的速度误差，并采用蚁群优化算法搜索最优的高斯过程回归核函数的超参数；

(5)将拟合的速度误差积分后得到位置误差，补偿到惯性解算结果中，完成当前待测点的测量；重复步骤(1)至步骤(5)，获取所有需要测量的待测点位置信息。

2.根据权利要求1所述的面向不动产测量的改进型惯性定位方法，其特征在于，所述步骤(1)中，所述控制点为待测点附近GPS信号良好的点，采用GPS-RTK测量获取控制点的初始位置信息。

3.根据权利要求1所述的面向不动产测量的改进型惯性定位方法，其特征在于，所述步骤(4)中具体包括：

(4.1)选择二次协方差函数作为高斯过程回归核函数，令θ为包含所有超参数的向量，M＝diag(l^-2)为超参数的对称矩阵，l为关联性测度超参数，为核函数的信号方差，α为核函数的形状参数,xⁱ和x^j表示任意两个时刻；

(4.2)采集并存储停车区间内惯性测量系统传感器数据，将上一停车区间和当前停车区间采集的速度误差样本数据分为训练样本和测试样本；

(4.3)选取若干只蚂蚁，给每只蚂蚁随机分配初始超参数值；

(4.4)将每只蚂蚁的超参数值代入核函数，根据采集的停车区间速度误差信息，进行高斯过程回归训练，得到相应的评价函数值，所述评价函数值为测试样本预测误差之和；

(4.5)计算每只蚂蚁下一步转移概率，若小于全局转移概率，则进行局部搜索，否则进行全局搜索；

(4.6)本次转移后，对信息素进行更新，并将具有最好评价函数值的蚂蚁保存；

(4.7)对步骤(4.4)至(4.6)进行循环，直到迭代次数达到设置值，得出全局最优解，即对应具有最好评价函数值的精灵蚂蚁对应的超参数值。

4.根据权利要求3所述的面向不动产测量的改进型惯性定位方法，其特征在于，所述步骤(4.4)中，高斯过程回归训练时，测试样本速度误差向量v^*用期望表示为：

其中：

C(x^*,X)＝[C(x^*,x₁),C(x^*,x₂),…,C(x^*,x_n)]

矩阵X由训练数据输入时刻x_i组成，i＝1,…n，n为训练样本时刻数；为噪声方差；I为单位矩阵；v为对应时间速度误差输出序列；x^*为预测样本时刻；v^*为预测样本时刻对应的速度误差输出；C(X,X)为n×n阶对称正定的协方差矩阵。

5.根据权利要求3所述的面向不动产测量的改进型惯性定位方法，其特征在于，所述步骤(4.5)中，转移概率计算公式为：

其中，P_ij(r)为第r次循环迭代时蚂蚁从i节点转移到j节点的概率；τ_ij(r)表示第r次迭代时所有蚂蚁遗留在i节点到j节点路径上的信息素量；τ_is(r)表示第r次迭代时所有蚂蚁遗留在i节点到s节点路径上的信息素量，i节点到s节点路径代表除i节点到j节点路径之外其他所有可选路径；ΔW_ij(r)表示第r次迭代时i节点与j节点处评价函数值的差的绝对值；ΔW_is(r)表示第r次迭代时i节点与s节点处评价函数值的差的绝对值；λ表示轨迹信息素的重要性，其值越大，蚂蚁间的协作性越强；η表示启发因子的重要程度，Y_e表示蚂蚁可选转移节点集。