[发明专利]一种基于动态词向量的室内地图定位方法有效

专利信息
申请号: 202011021069.4 申请日: 2020-09-25
公开(公告)号: CN112146660B 公开(公告)日: 2022-05-03
发明(设计)人: 阎波;张丽佳;吴沛航;肖卓凌 申请(专利权)人: 电子科技大学
主分类号: G01C21/20 分类号: G01C21/20;G01C21/00;G01C21/16;G06N3/04;G06N3/08
代理公司: 北京正华智诚专利代理事务所(普通合伙) 11870 代理人: 何凡
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 动态 向量 室内 地图 定位 方法
【说明书】:

发明公开了一种基于动态词向量的室内地图定位方法,根据惯性传感器数据与地图信息,设计并搭建了基于动态词向量的深度学习框架,完成地图信息的智能提取,实现室内地图匹配定位技术,具有能充分利用地图信息、场景泛化性强的优点,尤其适用于室内空间较为复杂的场景。

技术领域

本发明涉及室内定位方法领域,具体涉及一种基于动态词向量的室内地图定位方法。

背景技术

随着人们对室内位置服务的的需求日益增加,精准高效的室内定位技术的作用越来越成为室内位置服务的刚需。在室外环境下,球导航卫星系统(GNSS)为用户提供米级的位置服务,基本解决了在室外空间中进行准确定位的问题,并在日常生活中得到了广泛的应用。然而,受到建筑物的遮挡和多径效应的影响,GNSS定位精度急剧降低,无法满足室内位置服务需要,但室内定位在一些特定场合的迫切需求已经日趋显著,因此,室内定位技术成为专家学者的研究重点。

室内定位技术在传感器基础大类上分可以分为两类:基于部署的室内定位技术和无部署的室内定位技术。其中基于部署的室内定位技术包括,Wi-Fi技术、蓝牙技术、ZigBee技术、射频识别(RFID)技术、超宽带(UWB)技术、超声波技术等;无部署的室内定位技术主要基于惯性导航系统和视觉、激光、雷达等传感器,依靠融合惯性传感器信息与不需要部署的传感器信息实现室内定位技术。无部署的室内定位技术具有适用范围更广且成本低廉的优点,但如何将其他信息与惯导信息融合,并充分利用辅助信息成为亟待解决的问题。

文献“Particle Filter Networks with Application to Visual Localization(Karkus P,Hsu D,Lee W S.PMLR 87:169-178,2018.)”提供了基于粒子滤波算法的深度学习室内定位方法。该方法将依据粒子的当前状态(位移与方向)得到粒子的局部视野,并将其作为更新粒子权重的重要数据,从而充分的利用了信息,并提高了室内地图匹配的精度。但该方法需要将粒子的地图局部视野与粒子当前的摄像信息通过卷积神经网络进行匹配,依据图像的相似度进行粒子权重的计算,其使用场景需要与相机配合,持续摄像,在实际的室内地图匹配定位场景中并不方便。除此之外,该地图匹配方式存在以下缺点:二维平面图与实际摄像图片匹配难,仅适用于简单场景,辅助信息需要依靠地图与视频并没有达到充分提取地图信息的目的。

现有的室内地图匹配技术主要依靠概率模型算法,一部分以经验推断的理论来将惯导数据与地图信息进行匹配,在一定程度上削弱了对地图信息的利用,造成地图信息提取不充分的问题;另一部分将视频信息融合,采用深度学习的方法来实现地图匹配,虽提高了信息的融合度但使用场景较为单一,且对于常规的行人室内定位场景来说不够灵活。

发明内容

针对现有技术中的上述不足,本发明提供的一种基于动态词向量的室内地图定位方法解决了现有技术对地图信息的提取不充分和室内定位场景不够灵活的问题。

为了达到上述发明目的,本发明采用的技术方案为:一种基于动态词向量的室内地图定位方法,包括以下步骤:

S1、将室内二维平面地图抽象为顶点集;

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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011021069.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top