基于室内停车场定位系统的停车与寻车方法

1.本发明属于智慧交通领域，涉及基于室内停车场定位系统的停车与寻车方法。


背景技术：

2.随着现代城市基础建设的快速发展，室内外环境变得越来越复杂，给定位带来了很大的挑战。目前，相关研究主要集中在低成本高精度定位传感器、融合定位算法和定位系统设计等方面，但仍没有成熟的室内外无缝定位解决方案或者系统投入使用。
3.因此，为了满足各领域对高精度室内外无缝定位不断增长的需求，提供不受环境约束的室内外位置信息服务，保障公共安全和提高效率，需要一种基于gnss、uwb/bt、imu的室内外无缝定位技术，为车联网系统下智慧停车场景提供连续高精度定位信息，从而实现室外到室内过渡高精度定位导航与智能停车、寻车。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于室内停车场定位系统的停车与寻车方法，设计一种室外到室内的无缝定位切换技术实现室外导航到室内导航的切换，并在室内实现智能停车与寻车。
5.为达到上述目的，本发明提供如下技术方案：
6.基于室内停车场定位系统的停车与寻车方法，该方法包括以下步骤：
7.s1：室内uwb/bt基站最优布局实现定位：基于樽海鞘群智能优化算法进行目标函数的求解，从而得出uwb/bt基站最优布局方案；
8.s2：uwb/bt+imu融合的室内高精度定位：建立状态方程和观测方程，选择滤波估计方法，进行状态参数估计，实现uwb/bt+imu融合导航定位；
9.s3：基于gnss+uwb/bt+imu的室内外过渡区域无缝定位切换：考虑混合系统状态估计理论，应用交互式多模型算法设计室内外无缝定位方法，实现室内外模型自适应切换和连续高精度定位；
10.s4：基于uwb/bt的钥匙定位与室内停车寻车：基于uwb/bt进行室内停车场的车主与车辆定位位置获取，通过惯性导航器件进行轨迹推算，并在事先构建好的室内停车场地图基础上实现室内智能停车与寻车。
11.可选的，所述s1中，室内uwb/bt基站最优布局实现定位具体为：以几何精度因子性能指标建立基站最优布局目标函数，设计几何精度因子目标函数，基于樽海鞘群智能优化算法，以目标区域离散位置点的最小平均几何精度因子作为最优解目标；
12.樽海鞘群智能优化算法具体包括：进行种群初始化，设置种群大小以及随机分配种群个体初始位置，计算每个个体当前的适应度值，即当前维度中uwb/bt基站布设情况下目标区域内的平均几何精度因子，并将适应度值进行排序，选择适应度值最小的uwb/bt基站位置作为当前食物位置，再根据排序后的适应度序列选择种群中的领导者和跟随者，通过实时观察算法收敛情况来设置最大迭代次数，更新领导者和跟随者的位置，最后得出优
化算法的最优解，即uwb/bt最优布局方案。
13.可选的，所述s2中，uwb/bt+imu融合的室内高精度定位具体为：利用imu解算的速度、加速度、角度等数据建立融合定位系统的状态方程，利用uwb/bt解算的测距数据或坐标数据建立融合定位系统的观测方程，结合状态方程和观测方程建立融合系统模型；选择抗差自适应卡尔曼滤波估计方法作为融合算法，最终解算得到定位数据。
14.可选的，所述s3中，基于gnss+uwb/bt+imu的室内外过渡区域无缝定位切换具体为：基于imm交互式多模型算法，设计多传感器融合的室内外无缝定位切换方法，基于抗差自适应卡尔曼滤波的gnss+imu和uwb/bt+imu融合定位模型作为imm算法模型集，对室内外定位进行描述的同时提供更加精确的定位结果，针对转移概率矩阵对imm算法的影响，采用似然函数值修正转移概率矩阵，自适应完成模型匹配，即在没有模型切换的时候，保证有效定位模型符合真实定位模型，抑制系统噪声对定位结果产生不良影响；在发生模型切换或者有多个观测信息的时候，自适应选择观测噪声小的定位模型，并保证模型的切换速度。
15.可选的，所述s4中，基于uwb/bt的钥匙定位与室内停车寻车具体为：
16.s41：室内停车场楼层uwb/bt基站标定：对每个楼层的uwb/bt基站进行id与绝对坐标的标定，各楼层与楼层内的uwb/bt匹配，并与楼层自身的室内停车场地图进行匹配；当车辆进入某一楼层，通过接收uwb/bt基站发出的信号进行id识别判断自身所在楼层，并将车辆或钥匙坐标转换为绝对坐标，从而进行对应楼层的室内停车场地图的加载与导航；
17.s42：uwb/bt钥匙定位：车钥匙或手机上集成的uwb/bt模组与室内基站实现对车钥匙或手机的室内定位，为车主寻车导航提供位置信息；
18.s43：智能停车服务：手机端或车载终端通过车载uwb/bt或手机端uwb/bt获取预定车位的室内定位信息，包括对应楼层号和坐标位置信息；在事先构建好的对应楼层的室内地图中，根据惯性导航加速度计与陀螺仪进行轨迹与航向的推算，从而实现停车的引导导航；
19.s44：智能寻车服务：手机端通过手机端、车钥匙uwb/bt或车载终端uwb/bt获取先前停车车位的室内定位信息，包括对应楼层号和坐标位置信息；在事先构建好的对应楼层的事先构建好的室内地图中，根据惯性导航加速度计与陀螺仪进行轨迹与航向的推算，实现寻车的引导导航。
20.本发明的有益效果在于：本发明是面向智能网联汽车智慧停车场景下的室内外定位需求，设计了基于樽海鞘优化算法的室内uwb/bt基站最优布局方法加强了室内定位精度。利用gnss、imu和uwb/bt传感器优势互补的特点，结合混合系统状态估计中交互式多模型算法，设计了基于抗差自适应卡尔曼滤波的gnss+uwb/bt+imu多传感器融合的室内外无缝定位方法，让室外到室内停车场的高精度无缝定位成为可能。并且设计了基于uwb/bt的钥匙定位与室内智能停车寻车方法，通过对不同楼层uwb/bt基站的坐标标定，实现智能化的室内停车场停车与寻车。
21.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
22.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
23.图1为本发明总体结构框图。
24.图2为本发明室内uwb/bt基站布局位置示意图。
25.图3为本发明gnss+uwb/bt+imu融合的室内外定位系统框架。
26.图4为本发明imm算法原理流程图。
27.图5为本发明室内外无缝定位模型间跳转示意图。
28.图6为本发明室内无缝定位自适应滤波框图。
具体实施方式
29.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
30.其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
31.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
32.图1为本发明总体结构框图。
33.(1)室内uwb/bt基站最优布局定位精度增强方法：
34.图2为室内uwb/bt基站布置示意图。从定位数据的源头提高精度即可从根本上提高定位精度。uwb/bt作为室内融合定位观测数据的来源，为了保证其数据的可靠性，需要考虑环境因素或者基站布局对其测量精度的影响，其中基站布局是uwb/bt定位获取可靠数据的基础。基于樽海鞘群优化算法的室内uwb/bt基站最优布局方法的技术具体实施方法大致如下：
35.首先，进行种群初始化：
36.樽海鞘群优化算法种群初始化包括种群大小设置以及种群个体初始位置随机分配。
37.然后，计算适应度值：
38.樽海鞘群算法中，初始化后的樽海鞘群中每个维度的个体都代表其中一个uwb/bt
基站可能的位置，通过计算每个个体当前的适应度值，即当前维度中uwb/bt基站布设情况下目标区域内的平均几何精度因子，并将适应度值进行排序，选择适应度值最小的uwb/bt基站位置作为当前食物位置，再根据排序后的适应度序列选择种群中的领导者和跟随者，领导者通常选取适应度值较小的一部分樽海鞘群个体。
39.进一步的，设置种群迭代终止条件：
40.判断终止的条件由最大迭代次数和设定的最优适应度阈值组成，但是在实际情况中，对于不同的优化目标进行求解所设置的最优适应度阈值可能不同，最优适应度值阈值的选取往往需要根据先验知识进行设置。一般情况下都通过设置最大迭代次数判断是否终止更新，但是最大迭代次数不能设置过大，否则会增加计算量，可以通过实时观察算法收敛情况来设置最大迭代次数。
41.进一步的，更新领导者位置：
42.在樽海鞘群个体中的领导者会朝当前食物的位置进行移动，但是为了避免算法陷入局部最优解，即领导者太接近食物位置而忽略了其他位置的搜索，需要让领导者的位置更新具有一定的随机性。当食物的位置更新为全局最优解的时候，领导者便不再继续搜寻目标空间，领导者会逐渐向食物移动，直到整个樽海鞘链完全移动到食物的位置，便结束位置更新。
43.最后，更新跟随者位置：
44.樽海鞘群优化算法中跟随者位于每个维度的樽海鞘链的后半端，领导者位于樽海鞘链前端，跟随者跟随领导者采用渐进式运动，运动过程可表示为：
[0045][0046]
其中，t为相邻迭代次数之间的时间，跟随者在每次迭代开始时的初始速度v0为0，然后加速运动，可得跟随者更新之后的位置可以表示为：
[0047][0048]
综上，完成室内uwb/bt基站的最优布局设置，实现室内定位精度增强。
[0049]
(2)基于uwb/bt+imu融合的室内定位导航方法：
[0050]
图3为本发明的gnss+uwb/bt+imu融合的室内外定位系统框架。此处主要介绍室内定位部分。观测信息来自uwb/bt定位系统，包含绝对定位位置信息或者伪距测量值。选择位置信息建立系统观测方程的组合方式一般称为松耦合，选择伪距测量值建立系统观测方程的组合方式一般称为紧耦合，松耦合与紧耦合定位方式在精度和时间复杂度上各有优势，松耦合定位精度略低但实时性更好，紧耦合定位精度较高但是计算复杂。综合uwb/bt定位的特性，融合定位系统对uwb/bt观测信息的准确性更高，因此选择uwb/bt测距值作为uwb/bt+imu融合定位观测数据，并建立各系统的观测模型。
[0051]
第一，计算imu解算的位置信息到每个uwb/bt定位基站之间的距离，并将两者距离差作为观测模型输出，建立uwb/bt+imu系统观测模型：
[0052]zuwb
(t)＝h
uwb
(t)x
uwb
(t)+v
uwb
(t)
[0053]
第二，建立系统状态模型：
[0054]
[0055]
其中，f为状态转移矩阵，x为状态参数向量，g为动态噪声驱动矩阵，w为过程白噪声。
[0056]
第三，设计室内外融合定位滤波算法：
[0057]
考虑uwb/bt+imu融合定位非线性的特性，采用抗差自适应卡尔曼滤波算法作为融合定位滤波算法，从而提高定位的精度。抗差自适应卡尔曼滤波算法的抗差估计主要是通过选择合适的等价权函数尽可能地抑制或者消除粗差的影响，将观测异常误差看作粗差，利用抗差估计进行滤波抗差设计。当存在观测数据异常值时，等价权函数通过标准残差值的大小为其分配一定的权值，进而抑制观测异常值对状态估计的影响，起到一定的抗差作用，可以提高滤波估计稳定性。
[0058]
综上，基于uwb/bt+imu融合的室内定位导航方法由上述三部分算法组成。
[0059]
(3)基于gnss+uwb/bt+imu的室内外过渡区域无缝定位切换：
[0060]
由于gnss和uwb/bt两种观测信息的差异，要实现室内外无缝定位，必须考虑模型之间的切换问题以及在室内外交互区域两个模型的匹配概率问题。混合系统能对多模型之间的关系进行很好地描述，基于混合系统的多模型估计方法可以充分利用多模型之间的信息对结构变化的系统进行自适应估计。因此应用imm(交互式多模型算法)设计室内外无缝定位方法，实现室内外模型自适应切换，以达到基于gnss+uwb/bt+imu的室内外过渡区域无缝定位切换。
[0061]
图4为imm算法原理流程图，算法大致步骤如下：
[0062]
首先，输入信息交互：
[0063]
输入信息交互主要是利用上一时刻或者初始时刻各子滤波器的滤波结果和转移概率矩阵进行交互，交互后的混合状态及方差pi(k-1)可表示为：
[0064][0065][0066]
然后，模型滤波：
[0067]
模型滤波是为系统多模型集在得到输入交互提供的状态和方差初值后，利用各自的滤波算法进行系统状态变量和状态协方差估计更新，这里的滤波算法为抗差自适应卡尔曼滤波算法。每个滤波器的结果作为输出交互的一部分。
[0068]
进一步的，模型概率的更新：
[0069]
混合系统中观测信息是随时间动态变化的，在模型集各自利用当前观测数据进行滤波更新之后，得到的状态估计值协方差会发生改变，各模型对当前系统真实模型的匹配情况也会发生改变，因此需要对模型概率进行更新。
[0070]
最后，输出交互：
[0071]
模型概率μi(k)加权融合模型集中各子模型滤波结果得到多模型交互输出，融合的信息包括状态估计值和协方差。
[0072]
室内外无缝定位方法中，模型集的设计和转移概率矩阵参数是影响imm算法性能的两个主要因素。
[0073]
基于imm算法，设计多传感器融合的室内外无缝定位切换方法，其中模型集包括gnss+imu和uwb/bt+imu融合定位模型，采用基于抗差自适应卡尔曼滤波算法对两个子模型滤波，分别完成室外和室内定位，能够对室内外无缝定位系统进行准确描述。在imm估计过程中，转移概率指导模型间转换过程如图5所示，其中π
ij
为转移概率。
[0074]
基于自适应转移概率矩阵imm算法的室内外无缝定位方法框图如图6所示，主要包含两个闭环，内闭环通过似然概率更新模型概率，外闭环通过似然函数变化率对imm算法中的转移概率矩阵进行修正，改进输入交互。室内无缝定位的步骤包括输入信息交互、gnss+imu和uwb/bt+imu融合定位系统并行滤波、利用似然函数对转移概率矩阵进行修正、模型概率该更新、输出交互五个步骤。
[0075]
综上，可以实现基于gnss+uwb/bt+imu的室内外过渡区域无缝定位切换。
[0076]
(4)基于uwb/bt的钥匙定位与室内停车寻车方法：
[0077]
智能停车与寻车的原理相似，基本技术方案为：
[0078]
第一、室内停车场楼层uwb/bt基站标定方法：考虑到大型停车场一般不止一层，众多楼层的高度差会影响三维定位的定位精度，所以需要进行各楼层与自身uwb/bt基站、与自身车位id和位置信息的标定。需要对每个楼层的uwb/bt基站进行id和绝对坐标的标定，各楼层与楼层内的uwb/bt匹配，并与楼层自身的室内停车场地图进行匹配。当车辆进入某一楼层，通过接收uwb/bt基站发出的信号进行id识别判断自身所在楼层，结合空闲车位的位置，然后进行对应楼层的室内停车场地图的加载，最终实现室内停车场的智能导航。
[0079]
第二、uwb/bt钥匙定位：车钥匙或手机上集成的uwb/bt模组作为定位标签，室内停车场的uwb/bt锚点作为基站，进行与车载终端定位原理相似的室内定位，方便车主对自身与车辆的相对位置的获取，让寻车服务更加智能化与便捷化。
[0080]
第三、智能停车服务：事先对各个车位进行位置标定，设置各个车位的id。车主驾驶车辆进入停车场以后手机端或车载终端通过车载uwb/bt或手机端uwb/bt获取到预定车位的室内定位信息，包括对应楼层号和坐标位置信息。在事先构建好的对应楼层的室内地图中，根据惯性导航加速度计与陀螺仪进行车辆轨迹与航向的推算，从而实现停车的引导导航。
[0081]
第四、智能寻车服务：事先对各个车位进行位置标定，设置各个车位的id。车主在进入停车场寻车时，手机端通过手机端、车钥匙uwb/bt或车载终端uwb/bt获取先前停车车位的室内定位信息，包括对应楼层号和坐标位置信息。在事先构建好的对应楼层的事先构建好的室内地图中，根据惯性导航加速度计与陀螺仪进行车主自身轨迹与航向的推算，从而实现寻车的引导导航。
[0082]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。