本发明属于导航定位，具体地，涉及一种廊道环境超宽带定位锚点的优化部署方法及系统。
背景技术：
1、移动机器人在廊道环境中在进行运动时，无法像室外运动那样可以通过使用卫星定位导航系统实现定位。因此，室内封闭环境下，可以通过机器人携带的传感器对环境进行感知，并通过同时定位与建图（simultaneous localization and mapping，slam）方法实现机器人的定位和环境建图。slam 技术广泛应用于机器人、无人机、自动驾驶等领域。
2、但是，现有slam定位和建图方法在廊道环境下容易发生准确性和可靠性的性能退化问题。这是因为激光、视觉等定位建图传感器在廊道环境中受到环境特征稀少、若光照、结构相似等影响，导致定位建图中的约束信息不足，从而引发定位失败。
3、例如，激光 slam 基于激光雷达采集的点云数据，通过例如迭代最近点iterativeclosest point，icp）等配准算法实现连续帧间的位姿估计，并结合全局优化算法生成一致性的环境地图。相比于视觉 slam，激光 slam 不受光照和纹理的限制，能够在大多数室内外场景中稳定工作。然而，激光 slam 的性能依赖于环境几何特征的丰富性，在廊道环境例如长直廊道、转角或几何特征稀疏的区域，具有结构对称、几何特征重复等特点，使得激光slam 在这些场景中容易出现约束不足或配准漂移，进而导致定位误差累积，导致其在无外部约束的情况下容易发生漂移甚至定位失败。
4、因此，为了确保 slam 系统的鲁棒性和精确性，采用超宽带定位可以引入额外的空间测距信息，有效弥补全局信息不足，并且利用高精度测距能力增强激光 slam 系统性能。uwb技术通过测量信号的飞行时间（time of flight, tof）在理想环境下提供厘米级的距离测量精度。与激光雷达不同，uwb 能够为几何特征稀疏区域提供额外的全局定位约束，从而弥补激光 slam 在廊道等感知退化环境中的不足。在动态干扰场景中，uwb 信号不易受动态物体影响，可提供稳定的测距数据，进一步增强定位的鲁棒性。通过将 uwb 与激光雷达和惯性测量单元（inertial measurement unit，imu）等传感器数据融合，slam 系统不仅能够实现高精度的位姿估计，还能有效应对复杂环境中的挑战。
5、然而，超宽带信号在廊道环境传播时面临多径效应、信号遮挡等问题。廊道内的墙壁、地面和天花板会引发信号的多次反射，导致多径效应，从而影响测距精度和可靠性。同时，在上下坡、转角或遮挡严重的区域，信号覆盖范围可能受到限制。因此，通过合理部署廊道内超宽带定位锚点，可以显著提升信号覆盖率，减少盲区，并降低多径效应的影响，解决信号覆盖和可靠性问题。此外，优化锚点的数量和位置关系，可以在降低硬件成本的同时提升整个系统的效率和性能。
6、为了合理部署超宽带定位锚点，现有的方案有：
7、1、公告号cn116321198a的中国发明专利，此发明公开了一种基于uwb定位的非视距基站部署优化方法。首先设定参考点，并根据地形场景特点和经验进行粗略区域划分，每个参考点进行数据采集。其次根据采集的数据，构建测距误差的概率分布图和不同距离误差的直方图，拟合得到误差模型分布，并对不同区域内参考点的参数值进行统计和分析。然后根据聚类算法划分的测距区域，并结合函数拟合关系得到测距误差的方差表达式。最后以几何精度稀释因子评价指标为基础，构建非视距情形下基站部署评价指标，并围绕该评价指标建立基站部署优化模型。此发明弥补了非视距场景下几何精度因子评价指标的不足，并且给非视距复杂室内场景的基站部署策略提供一定的参考价值。
8、该方法在部署超宽带锚点时没有考虑移动机器人自身slam在环境中的性能退化表现，导致该优化方法仍然无法确保机器人slam融合超宽带信息时的准确性可靠性问题。此外，该需要在每个参考点采集大量数据，并对这些数据进行算法训练，这一过程工作量大，会耗费大量时间和资源，难以在实际应用中快速部署和扩展。此外，该方法仅采用单一评价指标来评估基站部署效果，未能综合考虑多种关键因素，导致评价结果可能不够全面，优化的部署方案可能在实际复杂场景中表现不佳。第三，该方法对环境变化的适应性较差，在动态环境或感知退化场景下需要重新采集数据和训练模型，限制了其在实际应用中的效率和灵活性。
9、2、公告号cn114245316a提供了一种基于uwb定位的基站部署优化方法及系统。其中，该方法包括：获取基站在室内空间的可部署区域，确定可部署区域的空间约束，并对可部署区域进行网格划分，在每个网格中随机生成一组基站位置组合，记为初始基站位置组合；将可部署区域内的所有基站种群分为两个种群，以初始基站位置组合为初始值，基站部署以几何距离精度因子（gdop）最小、定位均方根误差最小以及基站个数最小为优化目标，采用改进的自适应遗传算法和莱维飞行策略算法分别对两个种群中的基站进行位置更新，从而进行基站组合优化，得到最优的基站部署组合。通过本技术可以提高基站部署方法的合理性。
10、该方法采用自适应遗传算法和莱维飞行策略相结合的方法，算法的复杂性较高，特别是在大规模空间或高维参数场景中，会导致计算开销过大。且算法对初始基站位置组合和算法参数的设定较为敏感，随机生成的基站位置组合可能会导致优化过程陷入局部最优解，从而导致优化结果在实际应用中的效果下降。该方法在部署超宽带锚点时也没有考虑移动机器人自身slam在环境中的性能退化表现，导致该优化方法仍然无法确保机器人slam融合超宽带信息时的准确性可靠性问题。
11、因此，采用超宽带（ultra wide band, uwb）定位技术，可以为基于视觉或激光的机器人同时定位与建图（simultaneous localization and mapping, slam）提供稳定且可靠的距离约束信息，能够有效提高移动机器人slam系统的鲁棒性。然而，如何确保移动机器人在动态移动过程中始终获得高质量的uwb测距信号仍然是一项重要挑战。
技术实现思路
1、本发明所要解决的技术问题是提供一种廊道环境超宽带定位锚点的优化部署方法及系统，解决现有定位锚点部署方法难以确保移动机器人在运动过程中能够持续接收到高质量的uwb测距信号的问题。
2、为解决上述技术问题，本发明所采用的技术方案是：一种廊道环境超宽带定位锚点的优化部署方法，包括以下步骤：
3、步骤1、在廊道中布置初始uwb锚点，形成初始部署方案；
4、步骤2、移动机器人搭载激光雷达和uwb标签，在已均匀布置初始uwb锚点的廊道环境移动；
5、步骤3、激光雷达获取廊道点云信息，对点云信息进行特征提取后，通过感知退化算法识别出廊道中感知退化区域；
6、步骤4、移动机器人获取uwb标签与uwb锚点之间测距信息，通过信号评估算法识别出场景中接收到uwb信号较差的区域；
7、步骤5、对比感知退化区域和uwb信号较差的区域，识别出两者的重合区域，并计算出重合区域在廊道中的具体位置；
8、步骤6、在重合区域增加锚点，形成锚点部署方案。
9、优选的方案中，所述步骤1中，在廊道中以固定间隔均匀布置初始uwb锚点。
10、优选的方案中，所述步骤2中，所述激光雷达用于实时获取廊道环境的点云数据；uwb标签用于与廊道内布置的初始uwb锚点进行测距，uwb标签与环境固定的初始uwb锚点保持通信频率与传输数据帧一致。
11、优选的方案中，所述步骤3中，通过感知退化算法识别出廊道中感知退化区域，包括以下步骤：
12、将基于激光雷达的定位问题表示为求解一组约束方程，表达式为：
13、（1）；
14、其中，表示机器人位置和方向，是激光扫描中的点索引， m表示最大的索引号，表示三维欧几里得空间，表示特殊正交群；，编码了通过拟合邻近点的局部平面估算出的法向量和距离，表示实数集；，表示以机器人本体坐标系表示的单位测距向量；，表示激光雷达从当前机器人位置沿方向扫描到的环境点的距离的值；
15、计算对和的导数作为灵敏度的度量，将所有约束计算的导数叠加，得到两个信息矩阵f和t：
16、（2）；
17、（3）；
18、对信息矩阵f和t分别进行特征值分解：
19、（4）；
20、（5）；
21、其中，和这两个对称正定矩阵分别代表了所有激光雷达扫描点对机器人位置和姿态的总体约束强度，和分别是矩阵和的特征向量组成的正交矩阵，和是对角矩阵，其对角线上的元素分别是和的特征值；
22、通过观察和的特征值大小分布，判定区域几何特征退化的程度，获得廊道中感知退化区域。
23、优选的方案中，所述判定区域几何特征退化的程度的方法为：若直线方向的特征值显著小于其他方向上的特征值，则标记该区域为廊道环境中面向机器人slam的感知退化区域。
24、优选的方案中，所述步骤4中，uwb标签与uwb锚点之间测距信息包括第一路径信号强度、总信号强度和测距信息并记录测距数据的时间戳。
25、优选的方案中，所述步骤4中，通过信号评估算法识别出场景中接收到uwb信号较差的区域操作如下：
26、结合总信号强度rx_rssi和第一路径信号强度fp_rss两项指标，根据下列公式计算：
27、（6）；
28、其中：
29、；
30、；
31、；
32、其中， c表示信号置信度因子，代表当前位置对uwb信号置信度的评价，其值越小代表uwb信号越可信；、、表示加权系数；、分别表示一段时间内所有fp_rssi和rx_rssi的平均值；n表示这一段时间内接收到信号的uwb锚点的数量。
33、优选的方案中，根据计算的所述 c的大小，设定阈值，当 c超出阈值时，标记信号质量下降的时间点及对应的空间位置， c值超过阈值的空间位置识别为接收到uwb信号较差的区域。
34、优选的方案中，所述步骤5中，通过将激光雷达识别的感知退化区域与uwb信号评估算法识别的信号较差区域进行比对，使用时间戳信息，标记两类区域的重合部分，根据机器人行驶速度和时间戳，推算出重合区域的位移路径，通过时间与空间的映射关系，确定重合区域的三维坐标范围，将重合区域映射至廊道的实际几何模型中，标记需要优化的具体区域。
35、本发明还提供一种廊道环境超宽带定位锚点的优化部署系统，用于执行上述的廊道环境超宽带定位锚点的优化部署方法，包括移动机器人，移动机器人装载激光雷达以及uwb标签，同时实现激光slam定位和uwb定位；移动机器人上搭载车载电脑，用于储存数据，并内置感知退化算法和信号评估算法，感知退化算法用于识别出场景中感知退化的区域，信号评估算法用于识别出场景中接收到uwb信号较差的区域。
36、本发明提供的一种廊道环境超宽带定位锚点的优化部署方法及系统，具有以下有益效果：
37、1、本发明同时运用了感知退化算法和uwb信号质量评估算法，可以面向机器人定位导航任务，更加准确和全面的确定出廊道环境中需要加强外源uwb锚点部署的区域。具体的，本发明通过创耦合感知退化算法和uwb信号质量评估算法，针对廊道中定位性能退化的区域进行动态优化，基于激光雷达采集的点云数据，利用约束矩阵的特征值分解识别廊道中的感知退化区域，确保几何约束不足的区域能够被精准识别。并通过分析uwb信号，精准判断信号盲区、多径效应显著区域或信号覆盖不足的区域。最终实现了感知退化区域和信号覆盖薄弱区域的精准识别，显著提升了廊道环境中定位性能的可靠性和准确性。
38、2、本发明将通过感知退化算法识别的退化区域与uwb信号质量评估算法识别的信号较差区域进行比对，基于时间轴对两类区域的重合部分进行标记。结合机器人移动速度和时间戳信息，推断出这些重合区域的空间位置，将其作为uwb锚点密度优化的重点区域。从而避免了资源浪费和过度部署问题，进一步提升了系统的优化效率和效果。