[发明专利]一种基于知识和数据双驱动的仓库设备定位方法及系统

说明书

本发明提供一种基于知识和数据双驱动的仓库设备定位方法及系统，通过结合设备基本信息、仓库领域地图、入库规则，采用知识和数据双驱动的方式，基于欧式距离计算构件设备区域的推理网络的约束条件和规则，进一步构件推理网络结构，并根据置信度输出位置信息，最终得到设备的目标定位，通过有限数据的充分利用得到推理设备位置的参数修正，进而在内部进行精细化推理，识别出设备位置，从而实现对仓库内设备的高精度实时定位，提高对于室内环境复杂的建筑物中的设备定位精度。

技术领域

本发明涉及电子信息技术领域，具体涉及一种基于知识和数据双驱动的仓库设备定位方法及系统。

背景技术

传统的仓库设备管理通常采用施工人员经验判断，现场监测等方式，或者利用基于GPS定位技术实现设备定位跟踪。目前最广泛使用的GPS定位技术，可以实现全球范围内精度在几十米范围内的定位，而这项技术的弊端在于如果是在隧道或者室内卫星信号被遮挡的情况下，很难实现精准定位。

在高强度的设备使用过程中，对于室内环境复杂的建筑物而言，众多因素的影响使得对室内定位技术的要求将高于普通的室外定位。室内物体的遮挡可能会造成信号强度的衰减；信号在不同物体之间的反射、折射也会对定位精度造成很大影响；信号在遇到建筑物时其内部材料对信号路径的损耗也是需要考虑的。

因此，急需一种能够在仓库内对设备进行精准定位的方法。

发明内容

针对现有技术存在的不足，本发明提出一种基于知识和数据双驱动的仓库设备定位方法及系统，以解决现有技术中存在的室内复杂环境导致的仓库内设备定位不准的技术问题。

一种基于知识和数据双驱动的仓库设备定位方法，其特征在于，包括：获取样本集，所述样本集包括设备基本信息、仓库领域地图、入库规则，其中，设备基本信息包括设备位置、设备区域；采用欧式距离计算任意设备位置与设备所在仓库领域位置之间的距离，得到欧式距离分布；根据欧式距离分布、仓库领域及设备位置，构建推理识别网络的约束条件和规则；基于所述约束条件和规则，构建所有设备区域的推理网络结构；根据所述推理网络结构计算每个设备所在位置的置信度，输出置信度最高的设备的位置信息；将所述位置信息作为设备的目标定位信息进行输出。

在一个实施例中，获取样本集步骤之前，还包括：建立仓库内设备的定位坐标合集，确定设备区域；采集设备的射频信号，根据预设的LORA组网系统计算所述射频信号的RSSI值；采用预设的室内测距模型对RSSI值进行数据转换处理，得到设备的初始位置；采用三角质心对所述初始位置进行误差处理，得到修正位置作为设备位置。

在一个实施例中，获取样本集步骤之前，还包括：将所述设备区域和所述设备区域组合得到设备基本信息；获取仓库领域地图和入库规则，并与所述设备基本信息组合得到样本集。

在一个实施例中，所述建立仓库内设备的定位坐标合集，确定设备区域步骤，包括：实时检测设备的作业状态，所述作业状态包括入库作业、在库作业、出库作业；当设备处于在库状态时，根据预设周期分别获取设备的RTK定位坐标和UWB定位坐标，并获取每个RTK定位坐标对应的RTK定位差分值；判断每个周期对应的RTK定位差分值与预设值的大小，若某一周期对应的RTK定位差分值大于或等于预设值，则选取该RTK定位差分值对应的RTK定位坐标，否则，选取该RTK定位差分值对应周期的UWB定位坐标，根据选取的RTK定位坐标和UWB定位坐标生成设备的定位坐标集合；根据所述定位坐标集合计算设备的定位坐标，根据所述设备的定位坐标确定设备区域。

在一个实施例中，所述预设的室内测距模型为无线信号传播损耗模型。

在一个实施例中，采用三角质心对所述初始位置进行误差处理，得到修正位置作为设备位置步骤，包括：采用设备携带的LoRa模块中的RSSI定位技术测出所述初始位置的三个参考点；基于所述参考点，根据三角质心进行误差处理得到设备的修改位置，并将所述修正位置作为设备位置。