基于移动RFID阅读器仓库货包平面位置分级定位方法与流程

本发明涉及RFID室内平面定位技术领域，特别是一种基于移动RFID阅读器的仓库货包平面位置分级定位方法。

背景技术：

在大型仓库或建筑内部对固定位置物品的查找是一项十分耗时耗力的工作，严重影响着物品管理者的工作效率，RFID技术因其非视距、非接触等特点为解决这一问题提供了技术支持。在物品定位的方法上，基于到达时间(TDOA)、到达角度(AOA)的方法相较于基于信号强度(RSSI)的方法在硬件上精度要求更高，因而成本也更高，在应用中更多的采用基于RSSI的方法来实现定位。

目前，基于RSSI的定位方法对固定位置的物体定位大多采用在待定位区域的四周及天花板上安装固定式阅读器。在定位方法上主要分为两类。一类是利用RFID信号强度与距离之间的对数关系，将得到的信号强度值转换为电子标签与阅读器之间的距离从而估算物体所在位置，即所谓的测距的方式定位。另一类是指纹识别等非测距方式，指纹识别认为相近位置的电子标签在各个阅读器上的信号强度值也是相近的，故离线采集固定点在各个阅读器上的信号强度信息，通过待定位点在各个阅读器上的信号强度值与已有固定点的信号强度值相匹配，若匹配度高则物理位置上也是相近的，从而确定几个待定位点周围的固定点，固定点位置的坐标加权即得到待定位点的位置。

在大型仓库中，货包规则摆放，待定位货包数量大，为了能够实现所有货包位置的定位，需要布设大量的固定式阅读器，增加工作量的同时也大大增加了定位成本。仓库环境复杂，货包分布密集，测距方式的位置定位误差大，无法达实际应用要求。指纹识别定位在此环境下的定位准确率较为理想，但指纹识别需要事先采集大量位置的信息作为参考点，且定位准确率与参考点信息采集的密度密切相关，采集密度越大定位准确率越高。指纹识别数据采集工作量大，且不同仓库环境不同，需要在每个仓库都进行数据采集，因此指纹识别的实用性不高且不具备可移植性。

因此，在环境复杂、货包密集的大型仓库中需要一种无需布设大量阅读器和无需事先采集参考点信息的定位方式来实现规则摆放的货包的平面位置估计方法。

技术实现要素：

本发明的目的是提出一种基于移动RFID阅读器的仓库货包平面位置分级定位方法。

本发明的目的是通过以下技术方案来实现的：

本发明提供的基于移动RFID阅读器仓库货包平面位置分级定位方法，包括以下步骤：

步骤1：将RFID阅读器固定于智能小车上形成车载移动式RFID阅读器，智能小车沿平行于货包摆放方向前进，采集货包数据信息；

步骤2：从货包数据信息中提取定位数据信息，所述定位数据信息是读取到电子标签的时间及对应的信号强度，并进行数据标准化处理；

步骤3：求取每个货包可信度高的数据信息均值，初步确定每个货包的位置，并给予每个货包位置一个可信度值δ；

步骤4：求取相同行和列内可信度值δ大于预设阈值的货包数据集A；

步骤5：对货包数据集A，利用加权最小二乘法拟合，得到数据集A所对应位置的特征曲线；

步骤6：求取可信度δ小于预设阈值时货包数据，提取每个货包初步定位位置的特征曲线，和与之相邻的位置的特征曲线；

步骤7：求取可信度δ小于预设阈值的货包数据在置信区间[α,β]内的数据，并将数据的时间序列带入步骤6所得的特征曲线中求取对应的信号强度值；

步骤8：将步骤7得到的信号强度值与实测货包信号强度值进行比较，并得到偏差绝对值和绝对偏差率平均值μ1，μ2和μ3；

步骤9：比较绝对偏差率平均值μ1，μ2和μ3大小，得到可信度δ小于预设阈值的货包的位置。

进一步，所述步骤3中的求取每个货包可信度高的数据信息均值是按照以下步骤进行处理：

对每个电子标签的信号强度排序，按照以下规则求取数据信息均值：

当电子标签被阅读到的次数n<3时,将n条数据的时间求均值，则所求时间均值和强度最大值作为电子标签的时间、强度信息；

当电子标签被阅读到的次数3≤n<8时,强度较大的3条数据所对应的时间求均值，则所求时间均值和强度最大值作为电子标签的时间、强度信息；

当电子标签被阅读到的次数8≤n时,强度较大的4条数据所对应的时间求均值，则所求时间均值和强度最大值作为电子标签的时间、强度信息。

进一步，所述步骤3中的可信度值δ是按照以下步骤进行处理：

将电子标签的时间匹配到相应的列，将信号强度匹配到对应的行；

按以下规则计算可信度值δ：

如果电子标签匹配到第一行：

如果电子标签匹配到最后一行：

如果电子标签匹配到其余行：

其中，[s1,s2]为强度区间,s0为电子标签强度,s0∈[s1,s2]。

进一步，所述步骤5中的特征曲线是按照以下步骤进行的：

设拟合目标函数为：

式中，A、B、C为待估参数；

两边取自然对数：

令

已矩阵形式表示为：

简记为：

Z＝TB₁(式5)

根据加权最小二乘原理，残差平方和为：

上式中权值分配：

求取S_E²(B₁)的最优解，

得到最优参数向量：

代入(式3)，求得A，B，C，得到货包数据A中每个数据对应位置的特征曲线。

进一步，所述步骤6中的特征曲线是按照以下步骤进行的：

获取可信度δ小于预设阈值的电子标签，初步定位位置为X行，Y列，初步定位结果与实际位置相邻，提取与X相邻行的特征曲线做进一步的匹配，修正定位结果；具体按照以下规则提取特征曲线,设有N行：

X＝1，提取X＝1及X＝2的特征曲线；

X＝N，提取X＝N及X＝N-1的特征曲线；

X≠1且X≠N，提取X＝N-1，X＝N，X＝N+1的特征曲线。

进一步，所述步骤8中的求取理想值与实测值的平均绝对偏差率是按照以下步骤进行的：

按照以下公式计算偏差绝对值：

ε_i＝|S_ri-S_di|，(式10)

按照以下公式计算绝对偏差率：

按照以下公式计算平均绝对偏差率：

式中，i＝1,2,3…，n表示在时间段[t₁,t₂]中数据点的个数；S_ri为每个时间点对应的信号强度值，S_di为实测得到的信号强度值。

进一步，所述预设阈值为0.8。

由于采用了上述技术方案，本发明具有如下的优点：

本发明提出了基于移动RFID阅读器仓库货包平面位置分级定位方法，该方法实现了不需布设大量阅读器及事先数据采集下的货包平面位置准确定位。方法利用车载移动式RFID阅读器在仓库内的过道中移动，读取整个仓库中货包内置电子标签的数据信息，从而无需布设大量的阅读器。实际应用中，只需知道货包所在的行和列而不是货包所在的精确坐标位置，因此只需对货包的行和列进行定位。在相同的行和列中有多个货包，部分货包的强度信息特征明显，易于定位，其余部分信号强度受环境干扰影响较大，不利于位置的确定。本方法对货包位置进行初步定位，利用初步定位结果中置信度高的货包数据作为参考位置的数据信息，单个货包的数据具有随机性，作为参考位置的数据信息会导致定位结果不准确，因此利用多个货包数据提取特征曲线，将初步定位结果中置信度不高的货包数据信息与提取出的特征曲线相匹配，匹配度高的特征曲线对应的位置作为初步定位结果置信度不高的货包的最终位置。

本发明采用移动式的RFID阅读器，减小了阅读器布设的工作量，同时节省了成本；分级定位的方法无需事先采集仓库中各个位置的指纹信息，故方法具备可移植性；在分级定位的基础上充分利用指纹识别定位的优势，实现了在可移植和减小工作量条件下的高定位准确率。

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

本发明的附图说明如下。

图1为仓库货包规格俯视图。

图2为电子标签时间-强度信息图。

图3为信号强度与距离之间的关系图。

图4为理想特征曲线图样例。

图5为仓库货包平面定位方法流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

实施例1

如图所示，本实施例提供的基于移动RFID阅读器的仓库货包平面位置分级定位方法，该方法实现了不需布设大量阅读器及事先数据采集下的货包平面位置准确定位。方法利用车载移动式RFID阅读器在仓库内的过道中移动，读取整个仓库中货包内置电子标签的数据信息，从而无需布设大量的阅读器。实际应用中，只需知道货包所在的行和列而不是货包所在的精确坐标位置，因此只需对货包的行和列进行定位。在相同的行和列中有多个货包，部分货包的强度信息特征明显，易于定位，其余部分信号强度受环境干扰影响较大，不利于位置的确定。本方法对货包位置进行初步定位，利用初步定位结果中置信度高的货包数据作为参考位置的数据信息，单个货包的数据具有随机性，作为参考位置的数据信息会导致定位结果不准确，因此利用多个货包数据提取特征曲线，将初步定位结果中置信度不高的货包数据信息与提取出的特征曲线相匹配，匹配度高的特征曲线对应的位置作为初步定位结果置信度不高的货包的最终位置。

包括以下几个步骤：

步骤1：将RFID阅读器固定于智能小车上形成车载移动式RFID阅读器，智能小车沿平行于货包摆放方向匀速前进，采集货包数据信息；

步骤2：提取与定位相关的数据信息(读取到电子标签的时间及对应的信号强度)，并进行数据标准化；

步骤3：求取每个货包可信度高的数据信息均值，初步确定每个货包的位置，并给予每个货包位置一个可信度值δ；

步骤4：求取相同行和列内δ大于一定阈值的货包数据形成集合a，整个仓库则为集合A，A包含了多个a，即A＝{a1,a2,a3,...}；

步骤5：对于每个集合a内的数据，利用加权最小二乘法拟合，得到集合a所对应位置(行和列)的特征曲线；

步骤6：剩余可信度δ小于阈值的货包数据，提取每个货包初步定位位置的特征曲线，和与之相邻的位置的特征曲线；

如果货包初步定位位置为X/Y(行/列)的起始位置，则提取初步定位位置的特征曲线，以及X+1/Y+1的的特征曲线；

如果货包初步定位位置为X/Y的结束位置，则提取初步定位位置的特征曲线，以及X-1/Y-1的特征曲线；

如果货包初步定位位置非X/Y的起始位置或结束位置，则提取初步定位位置的特征曲线，X-1/Y-1的特征曲线以及后X+1/Y+1的特征曲线；

步骤7：求取可信度δ小于阈值的货包数据在置信区间[α,β]内的数据，将这些数据的时间值带入步骤6所得的曲线中求取对应的信号强度值；

步骤8：步骤7得到的信号强度值与实测货包信号强度值比较得到偏差绝对值，进一步得到绝对偏差率平均值μ1，μ2，μ3；

步骤9：比较μ1，μ2，μ3大小，得到可信度δ小于阈值的货包的位置。

实施例2

如附图1所示，本实施例进一步说明，具体步骤如下：

步骤1：货包按照一定规格摆放在仓库中，在每个货包中放置一个电子标签，将RFID阅读器固定于智能小车上，车载移动多天线模式RFID阅读器沿平行于货包摆放方向匀速前进，采集货包数据信息，包括：电子标签编号，阅读器移动过程中每次读到同一电子标签的时间、信号强度、频率、功率、天线号、阅读器号；

步骤2：提取货包平面定位的相关度较大的数据信息，电子标签编号、时间、强度，将数据解析、标准化为便于识别的数据格式；

步骤3：经过步骤2处理后的数据，每个电子标签对应的数据形成如附图2所示分布，对每个电子标签的信号强度排序，随后按照如下规则求取数据平均值：

电子标签被阅读到的次数n<3,将这n条数据的时间求均值，则所求时间均值和强度最大值作为这个电子标签的时间、强度信息；

电子标签被阅读到的次数3≤n<8,强度较大的3条数据所对应的时间求均值，则所求时间均值和强度最大值作为这个电子标签的时间、强度信息；

电子标签被阅读到的次数8≤n,强度较大的4条数据所对应的时间求均值，则所求时间均值和强度最大值作为这个电子标签的时间、强度信息；

RFID天线有一定的阅读范围，因此在RFID移动过程中对于某一个标签只在一定时间范围能够被读到，因而在列上每一列货包被读取到的时间有先后的差异，并且随着列的递增货包被读取到的时间递增(也即越晚被读到)。在行上随着与RFID阅读器距离的递增信号强度递减，理论上距离与信号强度的关系如图3所示，故不同行的货包内电子标签接收到天线发出的电磁波后返回信号强度不同。根据这个原则确定每列货包被读取到的时间区域，每行货包返回的信号强度范围，例如：第一行第一列对应的时间为[0,1](单位为s)强度为[-17,-25](单位为db),第二行第一列对应的时间为[0,1]强度为[-26,-32]。

根据上述得到的电子标签的时间所属的时间区域确定其所属的列，根据其返回的信号强度所属的范围确定所在的行。在列的定位上，时间值波动较小定位准确率较高，在行的定位上，电子标签返回信号强度受环境因素影响有一定的波动，按照最大强度的方式定位的可靠性不理想，需要进一步的定位方法来实现定位可靠性的提高。对于用最大强度定位的可信度按如下规则给出：

设强度区间为[s1,s2],电子标签强度为s0,可信度为δ，s0∈[s1,s2]。

如果电子标签匹配到第一行：

如果电子标签匹配到最后一行：

如果电子标签匹配到其余行：

步骤4：提取出可信度δ高于0.8的电子标签的信息，相同行和列的电子标签求取其在步骤2中得到的数据形成集合a，整个仓库则为集合A，A＝{a1,a2,a3…}；

步骤5：对于每个集合a中的数据，将时间t_i作为横坐标，信号强度S_i作为纵坐标，对散点进行高斯拟合，拟合曲线作为集合a所对应行和列的特征曲线。

设拟合目标函数为：

式中，A、B、C为待估参数。

两边取自然对数：

令

已矩阵形式表示为：

简记为：

Z＝TB₁(式5)

根据加权最小二乘原理，残差平方和为：

上式中权值分配：

求取S_E²(B₁)的最优解，

得到：

代入式3，求得A，B，C，得到集合a对应位置的特征曲线。

步骤6：可信度δ小于0.8的电子标签，初步定位位置为X行，Y列，初步定位结果与实际位置相邻，提取与X相邻行的特征曲线做进一步的匹配，修正定位结果。按如下规则提取特征曲线,设有N行：

X＝1，提取X＝1及X＝2的特征曲线；

X＝N，提取X＝N及X＝N—1的特征曲线；

X≠1且X≠N，提取X＝N-1，X＝N，X＝N+1的特征曲线；

步骤7：可信度小于0.8的电子标签，其能被读到的时间段为[t_min,t_max],取置信水平0.85以上的时间段[t₁,t₂]及其对应的信号强度值，将位于时间段[t₁,t₂]中数据点的时间代入到步骤6所得到的特征曲线中，得到各个时间点在各个特征曲线中对应的信号强度值S_ji，其中j表示特征曲线数，i表示数据点的个数。

步骤8：求取理想值与实测值的平均绝对偏差率。计步骤7计算得到的每个时间点对应的信号强度值为S_ri，实测得到的信号强度值为S_di,则

偏差绝对值为

ε_i＝|S_ri-S_di|，(式10)

绝对偏差率为

平均绝对偏差率为

式(9)、(10)、(11)中，i＝1,2,3…，n表示在时间段[t₁,t₂]中数据点的个数。

步骤9：确定可信度小于0.8的电子标签最终位置。实测数据与特征曲线平均绝对偏差率小，则所测电子标签数据与相应位置的特征曲线近似度高，在物理位置上也就是相近的，特征曲线所代表的位置也即电子标签的位置。故求取min_j＝1,2..μ_j，根据特征曲线的位置X,Y得到可信度小于0.8的电子标签的位置。

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保护范围当中。