技术特征：
1.一种智能仓储管理系统室内高精度定位方法，其特征在于，包括以下步骤：s1、构建带距离标签的样本集，在智能仓储管理系统内部署室内位置预测模型，并采用带距离标签的样本集对室内位置预测模型进行训练，得到高精度室内位置预测模型；s2、根据高精度室内位置预测模型，通过距离计算出目标点的定位坐标。2.根据权利要求1所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s1包括以下分步骤：s11、构建带距离标签的样本集；s12、将带距离标签的样本集划分为训练集、测试集和验证集；s13、在智能仓储管理系统内部署室内位置预测模型；s14、采用训练集、测试集和验证集对室内位置预测模型进行训练、测试和验证得到高精度室内位置预测模型。3.根据权利要求2所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s11包括以下分步骤：s111、通过rfid读写器读取室内rssi原始信号；s112、将rssi原始信号发送至智能仓储管理系统中；s113、通过智能仓储管理系统将rssi原始信号划分为n路，得到n路rssi序列；s114、对n路rssi序列均进行平滑滤波，得到n路滤波后的rssi数据；s115、采用n路滤波后的rssi数据对多通道高斯滤波器进行训练，得到训练完成的多通道高斯滤波器；s116、通过rfid读写器采集室内移动点与固定点间的rssi原始数据，并同时记录下rssi原始数据中每一个rssi值的所对应的移动点与固定点间的距离；s117、将rssi原始数据和每个rssi值对应的距离发送至智能仓储管理系统中；s118、通过智能仓储管理系统中的训练完成的多通道高斯滤波器对rssi原始数据进行高斯滤波，得到滤波rssi值；s119、将距离标注在对应的滤波rssi值上，得到带距离标签的样本集。4.根据权利要求1所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s1中室内位置预测模型包括依次连接的第一lstm层、第一dropout层、第二lstm层、第二dropout层、第三lstm层、第三dropout层、第一dense层、第二dense层和激活层；所述第一lstm层的输入维度为1，其输出维度为50；所述第一dropout层、第二dropout层和第三dropout层的丢弃率均为0.2；所述第二lstm层的输入维度为50，其输出维度为100；所述第三lstm层的输入维度为100，其输出维度为200；所述第一dense层的输出维度为100，其输入维度自动匹配；所述第二dense层的输出维度为1，其输入维度自动匹配。5.根据权利要求1所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s2包括以下分步骤：s21、根据带距离标签的样本集，构建已知坐标点集合；s22、将已知坐标点集合中的各已知坐标点对应的滤波rssi值进行降序排列，得到排名前5的滤波rssi值：rssi1、rssi2、rssi3、rssi4和rssi5；s23、将排名前5的滤波rssi值输入高精度室内位置预测模型，分别得到与目标点的5个预测距离：r1、r2、r3、r4和r5；
s24、在排名前5的滤波rssi值对应的5个已知坐标点n1、n2、n3、n4和n5中任选3个不共线的已知坐标点n
l
、n
j
和n
k
，得到多个已知坐标子集s1～s
m
，每个已知坐标子集包含三个不共线的已知坐标点n
l
、n
j
和n
k
；s25、根据多个已知坐标子集s1～s
m
，构建已知坐标子集的集合s
n
＝{s1,s2,
…
,s
m
}；s26、在集合s
n
＝{s1,s2,
…
,s
m
}任选一个已知坐标子集s
i
，i＝1,2,
……
,m，以已知坐标子集s
i
的3个已知坐标点为圆心o1、o2和o3；s27、根据圆心o1和o2分别到目标点的距离r
1i
和r
2i
，计算目标点的第一估算位置；s28、计算目标点在极坐标下的位置模糊值：z
i
(ρ,θ)＝r
2i
∠θ其中，z
i
(ρ,θ)为位置模糊值，ρ为目标点相对于圆心o2的矢量长度，θ为目标点相对于圆形o1、o2间o1o2连线的矢量方向角，∠为角度符号；s29、将位置模糊值转换到直角坐标系下，得到目标点的第二估算位置和第三估算位置；s30、分别求出目标点的三个估算位置到圆形o3的距离d1、d2和d3，将距离d1、d2和d3分别与圆心o3所在圆的半径r
3i
比较，将误差最小的估算位置作为目标点的坐标z
i
，其中，r
3i
为圆心o3到目标点的距离；s31、在集合s
n
＝{s1,s2,
…
,s
m
}减去已知坐标子集s
i
，并校验当前集合s
n
是否为空，若是，则得到目标点的m个坐标z1～z
m
，进入步骤s32，若否，则跳转至步骤s26；s32、将目标点的m个坐标z1～z
m
进行加权求和，得到目标点的定位坐标z
f
。6.根据权利要求5所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s27中计算目标点的第一估算位置的公式为：x＝x
1i
+(x
2i
‑
x
1i
)*(r
1i
/(r
1i
+r
2i
))y＝y
1i
+(y
2i
‑
y
1i
)*(r
1i
/(r
1i
+r
2i
))其中，x为目标点的第一估算位置的横坐标，y为目标点的第一估算位置的纵坐标，(x
1i
,y
1i
)为圆心o1的坐标，(x
2i
,y
2i
)为圆心o2的坐标。7.根据权利要求5所述的智能仓储管理系统室内高精度定位方法，其特征在于，所述步骤s32中进行加权求和时的权重值的计算公式为：w
i
＝exp{[
‑
(max(r
1i
,r
2i
,r
3i
)/min(r
1i
,r
2i
,r
3i
)
‑
1)]+[
‑
(min(r
1i
,r
2i
,r
3i
)/r
min
‑
1)]}其中，w
i
为第i个坐标z
i
的权重，max()为取最大值，min()为最小值，r
min
为5个预测距离r1、r2、r3、r4和r5中的最小值。
技术总结
本发明公开了一种智能仓储管理系统室内高精度定位方法，包括以下步骤：S1、构建带距离标签的样本集，在智能仓储管理系统内部署室内位置预测模型，并采用带距离标签的样本集对室内位置预测模型进行训练，得到高精度室内位置预测模型；S2、根据高精度室内位置预测模型，通过距离计算出目标点的定位坐标；本发明解决了室内定位不准确的问题。室内定位不准确的问题。室内定位不准确的问题。
技术研发人员：陈健 林锋 唐志心 陈从亮
受保护的技术使用者：成都诚骏科技有限公司
技术研发日：2021.08.04
技术公布日：2021/11/14