[发明专利]移动靶点精准定位方法及车辆无感智能进入系统

权利要求书

1.一种移动靶点精准定位方法，用于确认接近目标物的靶点的定位坐标，所述目标物上设置有至少三个基于UWB架构的定位锚点，所述靶点上设置有用于与所述定位锚点相适配的定位标签，其特征在于，所述定位方法包括：

构建参考坐标系，并获取各个所述定位锚点在所述参考坐标系中的锚点坐标；

所述定位标签与各个所述定位锚点建立通信连接后，接收各个所述定位锚点的返回数据，以获得包括各个定位锚点与所述靶点的直线距离的原始数据集；

对所述原始数据集中的数据由小到大进行排序，取前三个数据，以获得特征数据集；

以所述特征数据集中的数据及其对应的锚点坐标为基础数据，采用第一处理模型进行计算处理，以获得第一坐标；

以所述原始数据集中的数据及其对应的锚点坐标为基础数据，采用第二处理模型进行处理，以获得第二坐标；

通过拟合模型对预设时间窗口内累计获得的所述第一坐标和所述第二坐标进行拟合运算，以获得所述靶点当前位置的定位坐标。

2.根据权利要求1所述的移动靶点精准定位方法，其特征在于，所述第一处理模型基于三边定位算法对所述基础数据进行处理，以获得所述第一坐标。

3.根据权利要求2所述的移动靶点精准定位方法，其特征在于，还包括对所述特征数据集的优化方法：

将当前生成的特征数据集与上一采集周期生成的特征数据集进行比对，判断当前特征数据集中的各个数据是否处于预设变动范围内，如果否，则根据上一特征数据集中的数据和预设变动范围对当前特征数据集进行修订。

4.根据权利要求1所述的移动靶点精准定位方法，其特征在于，所述第二处理模型采用基于矩阵运算的二元算法对相应的基础数据进行处理，以获得所述第二坐标。

5.根据权利要求4所述的移动靶点精准定位方法，其特征在于，所述第二处理模型处理数据的方法包括：

以所述原始数据集中的数据及其对应的锚点坐标为基础数据构建一m*2阶的初始矩阵，m为所述原始数据集中数据元素的个数，所述初始矩阵的每一行包括一数组[a，b]，其中，a为锚点坐标，b为所述原始数据集中与该锚点坐标相对应的直线距离；

对于所述原始数据集中的任一数据元素：取最近连续采集的n个相同点位的数据，构成一数据组，并计算该数据组的方差；

以此计算所述原始数据集中的每一数据元素所对应的方差，以获得方差数据集；

根据所述初始矩阵和所述方差数据集，并基于下述计算公式，循环计算第一参数PU和第二参数PR，

PU_i =PU_i-1 + UX_i* W_i * (X[i+1].b_i+1– X[i].b_i + UX_i.dot(X[i].a_i+X[i+1].a_i+1 ) / 2；

其中，1≤i≤m-1，PU₀=0，X[i].b_i为初始矩阵X的第i行数组中的数据b，X[i].a_i为初始矩阵X的第i行数组中的数据a，dot()为矩阵点乘函数；

W_i = 1/ (V[i].V_i + V[i+1].V_i+1 +C)，V[i].V_i为方差数据集中的第i个数据，C为常数；

UX_i= X[i].a_i– X[i+1].a_i+1；

PR_i =PR_i-1+ W_i * M_i.dot(M_i.transpose()) ，其中，PR₀=0，transpose()为转置函数；

M_i= reshape(UX_i, (3,1)) ，其中，reshape()为矩阵变换函数；

循环计算m-1次后，根据下述公式计算所述第二坐标P，

P=numpy.linalg.inv(PR).dot(PU)，numpy.linalg.inv()为逆矩阵函数。