[发明专利]一种基于动态词向量的室内地图定位方法

权利要求书

1.一种基于动态词向量的室内地图定位方法，其特征在于，包括以下步骤：

S1、将室内二维平面地图抽象为顶点集；

顶点表示地图中可达到的位置，对每个顶点进行编号，并记录该顶点的像素坐标和与该顶点相邻的两层邻接点的编号；

S2、采用顶点集对应的邻接点集训练动态词向量模型ELMo，得到训练完成的动态词向量模型ELMo；

S3、采集行人在室内行走的惯导数据；

S4、将惯导数据对应的大地定位坐标转换为室内地图上的像素坐标；

S5、采用粒子滤波的转移模块对基于室内地图像素坐标的惯导数据进行处理，得到当前时刻的粒子状态；

S6、采用训练完成的动态词向量模型ELMo对粒子状态进行向量表示，得到当前时刻的粒子状态向量；

S7、将当前时刻的粒子状态向量与前几个历史时刻的粒子状态向量输入变分自编码器网络模型中，得到当前时刻的预测位置的向量；

S8、将预测位置的向量与顶点集进行匹配，得到修正后的定位坐标。

2.根据权利要求1所述的基于动态词向量的室内地图定位方法，其特征在于，所述步骤S1具体为：将室内二维平面地图的各个顶点进行编号，并记录该顶点的像素坐标，将顶点编号和顶点的像素坐标组合，得到顶点集。

3.根据权利要求1所述的基于动态词向量的室内地图定位方法，其特征在于，所述步骤S5中采用粒子滤波的转移模块对基于室内地图像素坐标的惯导数据进行处理的公式为：

其中，(x_t,y_t)为粒子在t时刻在地图上所处的像素坐标，即粒子状态，l_t为在t时刻粒子移动的位移，h_t为在t时刻粒子移动的方向，为方向的固有偏置，为位移的固有偏置。

4.根据权利要求1所述的基于动态词向量的室内地图定位方法，其特征在于，所述步骤S7中变分自编码器网络模型包括：编码器、多个全连接层、隐向量模块和解码器；

所述编码器包括：多个长短时记忆网络LSTM的一个cell单元，即多个编码器-cell单元；

每个所述编码器-cell单元的第一输入端共同作为编码器或变分自编码器网络模型的输入端；

所述解码器包括：多个长短时记忆网络LSTM的一个cell单元，即多个解码器-cell单元；

除第一个编码器-cell单元外的剩余每个编码器-cell单元的第二输入端与上一个编码器-cell单元的第一输出端连接；

每个所述编码器-cell单元的第二输出端分别与两个全连接层的输入端连接；

每个所述全连接层的输出端与隐向量模块的输入端连接；

所述隐向量模块的输出端与第一个解码器-cell单元的第一输入端连接；

剩余的每个所述解码器-cell单元的第一个输入端分别与上一个解码器-cell单元的输出端连接，最后一个解码器-cell单元的输出端作为解码器或变分自编码器网络模型的输出端；

每个所述解码器-cell单元的第二输入端用于输入一个历史时刻的粒子状态向量。

5.根据权利要求4所述的基于动态词向量的室内地图定位方法，其特征在于，所述步骤S7包括以下分步骤：

S71、将当前时刻的粒子状态向量进行划分，得到几组向量数据；

S72、将几组向量数据与编码器-cell单元进行一一匹配，输入每一个编码器-cell单元的第一输入端；

S73、将每一个编码器-cell单元第二输出端的输出分别经过两个全连接层进行分类处理，得到向量数据的均值和方差；

S74、将所有全连接层输出的向量数据的均值和方差输入隐向量模块，得到向量数据的隐向量；

S75、将向量数据的隐向量输入第一个解码器-cell单元的第一输入端，将每个历史时刻的粒子状态向量依次输入每个解码器-cell单元的第二输入端，得到当前时刻的预测位置的向量。