本发明涉及室内定位、机器学习领域,特别涉及一种隧道内定位方法、装置、设备及存储介质。
背景技术:
1、室外定位技术通常使用全球卫星导航系统(gnss,global navigation satellitesystem),但是在有隧道或是高楼林立的地方,gnss信号频繁丢失会导致长时间无法定位,此时需要通过其他途径获取高精度的位置信息,目前已有的定位技术,视觉以及毫米波雷达技术在黑暗环境以及地势环境复杂的情况下效果并不理想。现有技术中传统的惯性导航系统,例如捷联惯性导航系统(sins,strap-down inertial navigation system)是在载体运动过程中惯性传感器测量并且保存载体的运动状态数据以及环境特征,并且将存储的信息传送到载体计算机上,通过对载体加速度进行积分得到载体的速度和位移,由角速度数据通过姿态解算算法得到载体运动的姿态角,但存在一个严重问题,该系统在没有其他传感器辅助情况下是发散的,其误差是随着时间的增加而增大。因此,如何减小捷联惯性导航系统因为误差导致的定位不稳定的问题,得到更为精确的定位信息,是本领域亟待解决的问题。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种隧道内定位方法、装置、设备及存储介质,可以通过将远距离无线电设备和捷联惯性导航系统的标准输出作为深度学习卡尔曼滤波的输入量,并通过深度学习对卡尔曼滤波器参数进行优化,通过优化后的卡尔曼滤波器对两个系统进行组合,解决捷联惯性导航系统长期不稳定的问题,得到隧道内运动载体精确稳定的定位信息。其具体方案如下:
2、第一方面,本技术提供了一种隧道内定位方法,包括:
3、根据在预设隧道范围内布置的远距离无线电设备的位置,确定所述远距离无线电设备的远距离无线电信号菲涅尔区覆盖的待定位区域;所述远距离无线电设备包括远距离无线电信号发射设备和远距离无线电信号接收设备;
4、在所述远距离无线电设备与所述待定位区域内的运动载体进行远距离无线电信号收发的过程中,根据所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置;
5、通过深度学习模型优化卡尔曼滤波器的初始化参数,并利用优化后的所述卡尔曼滤波器,基于所述远距离无线电设备确定的第一位置信息和所述运动载体的捷联惯性导航系统确定的第二位置信息进行卡尔曼最优估计,以得到所述运动载体的定位信息;所述第一位置信息是基于所述初始位置确定的。
6、可选的,在所述远距离无线电设备与所述待定位区域内的运动载体进行远距离无线电信号收发之后,还包括:
7、根据所述运动载体接收所述无线电信号发射设备的发射信号的第一信号接收时间和所述无线电信号接收设备接收所述运动载体返回信号的第二信号接收时间进行时间同步,以基于时间同步结果利用微控制单元确定所述运动载体在隧道内的深度位置信息。
8、可选的,所述根据所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置,包括:
9、基于所述深度位置信息建立搜索空间,将所述搜索空间内与当前远距离无线电信号菲涅尔区对应的信道状态信息与预设信息库进行匹配,以确定所述待定位区域内运动载体的目标信道状态信息;
10、根据所述目标信道状态信息确定所述运动载体在隧道内的横向位置信息,并基于所述深度位置信息和所述横向位置信息确定所述运动载体的初始位置。
11、可选的,所述根据所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置,还包括:
12、利用所述待定位区域内运动载体与远距离无线电信号发射设备和远距离无线电信号接收设备分别进行通信;
13、利用所述远距离无线电设备的定向天线确定通信时的信号角度,并根据所述信号角度以及所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置。
14、可选的,所述利用优化后的所述卡尔曼滤波器,基于所述远距离无线电设备确定的第一位置信息和所述运动载体的捷联惯性导航系统确定的第二位置信息进行卡尔曼最优估计,以得到所述运动载体的定位信息,包括:
15、基于远距离无线电系统和捷联惯性导航系统根据机器学习以及优化后的所述卡尔曼滤波器建立隧道定位系统模型;
16、利用所述隧道定位系统模型以及对应的观测方程与误差方程,并基于所述远距离无线电设备确定的第一位置信息以及所述运动载体的捷联惯性导航系统确定的第二位置信息进行相应的卡尔曼最优估计。
17、可选的,所述隧道内定位方法还包括:
18、若所述远距离无线电设备的远距离无线电信号接收失败,则在所述远距离无线电信号接收失败后通过预训练的tinyml模型进行预设时间段的推理,以便基于推理结果控制所述捷联惯性导航系统的位置误差。
19、第二方面,本技术提供了一种隧道内定位装置,包括:
20、区域确定模块,用于根据在预设隧道范围内布置的远距离无线电设备的位置,确定所述远距离无线电设备的远距离无线电信号菲涅尔区覆盖的待定位区域;所述远距离无线电设备包括远距离无线电信号发射设备和远距离无线电信号接收设备;
21、位置确定模块,用于在所述远距离无线电设备与所述待定位区域内的运动载体进行远距离无线电信号收发的过程中,根据所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置;
22、位置优化模块,用于通过深度学习模型优化卡尔曼滤波器的初始化参数,并利用优化后的所述卡尔曼滤波器,基于所述远距离无线电设备确定的第一位置信息和所述运动载体的捷联惯性导航系统确定的第二位置信息进行卡尔曼最优估计,以得到所述运动载体的定位信息;所述第一位置信息是基于所述初始位置确定的。
23、可选的,所述位置确定模块,包括:
24、远距离无线电通信子模块,用于利用所述待定位区域内运动载体与远距离无线电信号发射设备和远距离无线电信号接收设备分别进行通信,以及利用所述远距离无线电设备的定向天线确定通信时的信号角度,并根据所述信号角度以及所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置。
25、第三方面,本技术提供了一种电子设备,所述电子设备包括处理器和存储器;其中,所述存储器用于存储计算机程序,所述计算机程序由所述处理器加载并执行以实现前述的隧道内定位方法。
26、第四方面,本技术提供了一种计算机可读存储介质,用于保存计算机程序,所述计算机程序被处理器执行时实现前述的隧道内定位方法。
27、本技术中,根据在预设隧道范围内布置的远距离无线电设备的位置,确定所述远距离无线电设备的远距离无线电信号菲涅尔区覆盖的待定位区域;所述远距离无线电设备包括远距离无线电信号发射设备和远距离无线电信号接收设备;在所述远距离无线电设备与所述待定位区域内的运动载体进行远距离无线电信号收发的过程中,根据所述远距离无线电设备的当前远距离无线电信号菲涅尔区的信道状态信息确定所述运动载体的初始位置;通过深度学习模型优化卡尔曼滤波器的初始化参数,并利用优化后的所述卡尔曼滤波器,基于所述远距离无线电设备确定的第一位置信息和所述运动载体的捷联惯性导航系统确定的第二位置信息进行卡尔曼最优估计,以得到所述运动载体的定位信息。由此可见,本技术可以通过远距离无线电系统发射与接收信号根据菲涅尔区内的信道状态信息获得一个初始位置信息,然后将所述初始位置确定出的第一位置信息与sins系统的第二位置信息进行卡尔曼最优估计,通过远距离无线电系统来修正sins系统得到的定位信息,减弱捷联惯性导航系统自身产生的误差影响,获取更为精确的位置信息,并且通过深度学习模型优化卡尔曼滤波器的初始化参数,使得卡尔曼滤波收敛速度提升,以使得确定运动载体位置信息的速度更快,精度更高。