CN115567869A - 一种位置信息处理方法、装置、芯片、中控模组及车辆 - Google Patents
一种位置信息处理方法、装置、芯片、中控模组及车辆 Download PDFInfo
- Publication number
- CN115567869A CN115567869A CN202211032604.5A CN202211032604A CN115567869A CN 115567869 A CN115567869 A CN 115567869A CN 202211032604 A CN202211032604 A CN 202211032604A CN 115567869 A CN115567869 A CN 115567869A
- Authority
- CN
- China
- Prior art keywords
- position information
- signal
- receiving unit
- module
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 49
- 238000005457 optimization Methods 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 6
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims 2
- 230000001052 transient effect Effects 0.000 claims 2
- 230000007704 transition Effects 0.000 claims 2
- 238000009499 grossing Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 150000001993 dienes Chemical class 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/20—Means to switch the anti-theft system on or off
- B60R25/24—Means to switch the anti-theft system on or off using electronic identifiers containing a code not memorised by the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2325/00—Indexing scheme relating to vehicle anti-theft devices
- B60R2325/10—Communication protocols, communication systems of vehicle anti-theft devices
- B60R2325/101—Bluetooth
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于智能车技术领域,尤其涉及一种位置信息处理方法、装置、芯片、中控模组及车辆;结合实施例公开了基于蓝牙通信结构的位置处理方法及相关产品,通过信号处理模块、定位算法模块、区域去抖模块实现了信号源位置的判别:其信号处理模块负责对输入的蓝牙RSSI值进行滤波处理,定位算法模块负责根据一组RSSI值计算数字钥匙所在的区域,区域去抖模块负责对最终的区域定位结果进行平滑;其中,定位算法可采用查表模型进行计算,其时间复杂度为O(1),可运行在资源有限的车载嵌入式平台上。
Description
技术领域
本发明属于智能车技术领域,尤其涉及一种位置信息处理方法、装置、芯片、中控模组及车辆。
背景技术
卫星定位、室内定位等位置感知***已得到了广泛的应用;但在智能车领域的数字钥匙定位中,仍面临诸多技术问题。
一方面,车身金属材料会与定位用无线电信号产生相互作用,导致接收信号强度指示RSSI(Received Signal Strength Indication)信息的波动和不确定性显著增加,基于到达时间TOA(Time Of Arrival)、到达时间差TDOA(Time Difference Of Arrival)或信号到达角度AOA(Time Of Arrival)的诸多几何定位(或几何匹配)方法难以获得满意的效果。
另一方面,车辆周围环境复杂多变,若采用位置指纹LF(Location Fingerprint)定位技术,在收集LF阶段需要考虑到各种环境因素,很难一次性采集到所有符合条件的LF数据。
此外,数字钥匙的定位算法一般运行在车载嵌入式平台,算力资源有限,难以运行机器学习类ML(Machine Learning)算法;因此,用于室内定位的方法在数字钥匙场景中适用性不强。。
发明内容
本发明公开了一种位置信息处理方法、装置、芯片、中控模组及车辆。其方法包括:第一信号采集步骤、第三位置判别步骤;其中,第一信号采集步骤获取第一在场向量;该第一在场向量包括第一节点信息、第二节点信息…直至第N节点信息,N为正整数。
具体地,其第一节点信息、第二节点信息…直至第N节点信息由分布于目标物体的第一接收单元、第二接收单元…直至第N接收单元采集第一信号源的预设无线电信号后获得。
进一步地,其第三位置判别步骤通过比较第一在场向量中各分量与预设匹配模型参量的包含关系来确认位置信息:若第一在场向量中各分量均落入匹配模型参量的对应取值区间,则认为第一信号源的位置信息与匹配模型参量指向的区间(001、002、003)对应;其中,匹配模型参量包括第1规则向量、第2规则向量…直至第R规则向量,R为正整数。
进一步地,本实施例公开的位置信息处理方法,还包括第二信号处理步骤;该步骤以预设的滤波程序对第一在场向量生成的滤波前信号进行滤波处理,并获得滤波后信号;该滤波过程包括采用限幅滤波器、卡尔曼滤波器、滑动平均滤波器至少之一;若上述滤波器同时或部分使用,则其组合方式包括级联形式。
具体地,其限幅滤波器过滤信号的瞬时异常跳变,其卡尔曼滤波过滤信号中的噪声干扰,其滑动平均滤波平滑处理对应的信号。
进一步地,该第三位置判别步骤还可包括第一规则读取步骤、第二查表匹配步骤,其第二查表匹配步骤通过执行扫描查表循环,在匹配模型参量中检索和比较对应的数值。
具体地,第一信号源以广播形式发送信号,该第一信号源包括蓝牙信号发生装置;其第一接收单元、第二接收单元…直至第N接收单元为蓝牙节点。
进一步地,其第一节点信息、第二节点信息…直至第N节点信息为第一信号源在第一接收单元、第二接收单元…直至第N接收单元处的接收信号强度RSSI值。
具体地,若第1规则向量、第2规则向量、直至第R规则向量中存在有1条以上与第一在场向量中各分量均匹配,则在扫描过程中第一次出现匹配时结束该第三位置判别步骤的处理过程。
进一步地,本发明方法还可包括第四参数生成步骤,并进一步包括第一离线采集步骤、第二参数优化步骤;其第一离线采集步骤在预设的第一采集范围内以预设的线路和行进速度改变第一信号源的坐标位置、离地高度、姿态、停留时长;通过获取第一信号源的坐标信息和第一信号源在第一接收单元、第二接收单元…直至第N接收单元处的接收信号强度RSSI值来初始化该过程。
其中,第一信号源的离地高度可以是第一离地高度或第二离地高度;其中,第一离地高度可根据目标人群松弛状态的手部离地高度确定,第二离地高度介于115cm与125cm之间。
进一步地,第二参数优化步骤可采用群智能优化算法确定匹配模型参量的上限和下限;这里的群智能优化算法包括遗传算法。
进一步地,本发明方法还包括第五区域去抖步骤;其中:第三位置判别步骤实时进行处理,其位置信息在上一次处理周期的结果记为紧前位置信息;若该位置信息与紧前位置信息,则将第一计数器累加1;若该位置信息与紧前位置信息不一致,则将第一计数器清零且用该位置信息刷新其紧前位置信息。
进一步地,若第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息的取值用位置信息的值替换,并将第一计数器清零;若位置信息与历史位置信息,则将第二计数器累加1;否则,将第二计数器清零。
进一步地,若第二计数器大于或等于C,则输出历史位置信息或以历史位置信息作为位置信息用于相关处理过程。
进一步地,本发明实施例还公开了一种位置信息处理装置,包括第一信号采集模块、第三位置判别模块;其中,第一信号采集模块可用于获取第一在场向量;该第一在场向量包括第一节点信息、第二节点信息…直至第N节点信息,N为正整数;其第一节点信息、第二节点信息…直至第N节点信息可由分布于目标物体的第一接收单元、第二接收单元…直至第N接收单元采集第一信号源的预设无线电信号后获得。
具体地,其第三位置判别模块通过比较第一在场向量中各分量与预设匹配模型参量的包含关系来确认位置信息:若第一在场向量中各分量均落入匹配模型参量的对应取值区间,则第一信号源的位置信息与匹配模型参量指向的区间对应;其中,匹配模型参量包括第1规则向量、第2规则向量、直至第R规则向量,R为正整数。
进一步地,本发明装置实施例还可包括第二信号处理模块;该第二信号处理模块可通过预设的滤波程序对第一在场向量生成的滤波前信号进行滤波,并获得滤波后信号;该滤波过程包括采用限幅滤波器、卡尔曼滤波器、滑动平均滤波器至少之一;若滤波器同时或部分使用,则其组合方式包括级联形式;其中,限幅滤波器用于过滤信号的瞬时异常跳变,卡尔曼滤波用于过滤信号中的噪声干扰,滑动平均滤波用于平滑处理对应的信号。
其中,第三位置判别模块还可包括第一规则读取模块、第二查表匹配模块;第二查表匹配模块通过执行扫描查表循环,在匹配模型参量中检索和比较对应的数值。
具体地,第一信号源可通过广播形式发送信号,该第一信号源可包括蓝牙信号发生装置;其第一接收单元、第二接收单元…直至第N接收单元蓝牙节点。
进一步地,其第一节点信息、第二节点信息…直至第N节点信息为第一信号源在第一接收单元、第二接收单元…直至第N接收单元处的接收信号强度RSSI值;若第1规则向量、第2规则向量、直至第R规则向量中存在有1条以上与第一在场向量中各分量均匹配,则在扫描过程中第一次出现匹配时结束该第三位置判别步骤的处理过程。
进一步地,该位置信息处理方法还包括第四参数生成模块;该第四参数生成模块包括第一离线采集模块、第二参数优化模块。
其中,第一离线采集模块在预设的第一采集范围内以预设的线路和行进速度改变第一信号源的坐标位置、离地高度、姿态、停留时长;其第一离线采集模块获取第一信号源的坐标信息和第一信号源在第一接收单元、第二接收单元…直至第N接收单元处的接收信号强度RSSI值。
具体地,其第一信号源的离地高度可以是第一离地高度或第二离地高度;其第一离地高度根据目标人群松弛状态的手部离地高度确定,其第二离地高度介于115cm与125cm之间;其第二参数优化模块则可通过群智能优化算法确定匹配模型参量的上限和下限,此处的群智能优化算法包括遗传算法。
进一步地,本发明实施例还可包括第五区域去抖模块;其中:第三位置判别模块实时进行处理,其位置信息在上一次处理周期的结果为紧前位置信息;若位置信息与紧前位置信息一致,则第一计数器累加1,若位置信息与紧前位置信息不一致,则第一计数器清零且用位置信息刷新紧前位置信息。
具体地,若第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息的取值用位置信息的值替换,并将第一计数器清零;若位置信息与历史位置信息一致,则将第二计数器累加1;否则,将第二计数器清零;若第二计数器大于或等于C,则输出历史位置信息或以历史位置信息作为位置信息用于相关处理过程。
本发明产品实施例进一步公开了一种计算机存储芯片,包括用于存储计算机程序的存储芯片本体;当计算机程序在被微处理器执行时,上述任一位置信息处理方法。
类似地,本发明产品实施例还公开了一种中控模组及车辆;其中,控模组可包括上述位置信息处理装置;和/或上述计算机存储芯片;其车辆也类似地局部如上相应的功能和模块;具体可包括上述任一位置信息处理装置、计算机存储芯片和/或任一中控模组。
发明实施例基于蓝牙通信结构,通过信号处理模块、定位算法模块、区域去抖模块实现了信号源位置的判别:其信号处理模块负责对输入的蓝牙RSSI值进行滤波处理,定位算法模块负责根据一组RSSI值计算数字钥匙所在的区域,区域去抖模块负责对最终的区域定位结果进行平滑。
其中,定位算法可采用查表模型进行计算,其时间复杂度为O(1),可运行在资源有限的车载嵌入式平台上。
进一步地,为了生成查表模型,本发明实施例采用参数生成模块来构造参数,通过一个离线运行的独立模块,负责生成查表模型所需要的模型参数。
如上所述,本发明实施例公开的方法和产品采用了查表模型,其定位算法复杂度为O(1),可运行在单片机设备上,成本低,实用性强;其第一离线采集模块使用小车模拟信号源位置的变动,结合群智能优化算法进行优化,其通用性强,可提升模型参数的生成效率。
需要说明的是,在本文中采用的“第一”、“第二”等类似的语汇,仅仅是为了描述技术方案中的各组成要素,并不构成对技术方案的限定,也不能理解为对相应要素重要性的指示或暗示;带有“第一”、“第二”等类似语汇的要素,表示在对应技术方案中,该要素至少包含一个。
附图说明
为了更加清晰地说明本发明的技术方案,利于对本发明的技术效果、技术特征和目的进一步理解,下面结合附图对本发明进行详细的描述,附图构成说明书的必要组成部分,与本发明的实施例一并用于说明本发明的技术方案,但并不构成对本发明的限制。
附图中的同一标号代表相同的部件,具体地:
图1为本发明装置实施例组成结构示意图一;
图2为本发明装置实施例第二信号处理模块组成结构示意图;
图3为本发明相关产品及方法实施例位置区域划分示意图;
图4为本发明各产品实施例组成结构示意图;
图5为本发明方法实施例流程示意图;
图6为本发明方法实施例位置判别流程示意图;
图7为本发明方法实施例参数生成流程示意图;
图8为本发明装置实施例组成结构示意图二;
图9为本发明装置实施例位置判断模块示意图;
图10为本发明装置实施例参数生成模块示意图;
图11为本发明各产品实施例组成结构示意图一;
图12为本发明各产品实施例组成结构示意图二;
图13为本发明各产品实施例组成结构示意图三。
其中:
001-解锁区,
002-缓冲区,
003-锁闭区,
004-位置规则,
006-历史位置信息,
007-第一信号源,
008-紧前位置信息,
009-位置信息,
011-第一接收单元,
022-第二接收单元,
033-第三接收单元,
044-第四接收单元,
055-第五接收单元,
066-第六接收单元,
100-第一信号采集步骤,
101-第一节点信息,
102-第二节点信息,
10N-第N节点信息,
111-第一信号采集模块,
122-滤波前信号,
222-第二信号处理模块,
223-滤波后信号,
200-第二信号处理步骤,
300-第三位置判别步骤,
301-限幅滤波器,
302-卡尔曼滤波器,
303-滑动平滑滤波器,
310-第一规则读取步骤,
311-第一规则读取模块,
320-第二查表匹配步骤,
322-第二查表匹配模块,
330-扫描查表循环,
333-第三位置判别模块,
345-位置处理模块
400-第四参数生成步骤,
40A-第一离线采集步骤,
40B-第二参数优化步骤,
401-第1规则,
402-第2规则,
41A-第一离线采集模块,
41B-第二参数优化模块,
420-第20规则,
421-第21规则,
421max1-第21规则第1分量上限,
421min1-第21规则第1分量下限,
421max6-第21规则第6分量上限,
421min6-第21规则第6分量下限,
444-第四参数生成模块,
4xy-第xy规则,
500-第五区域去抖步骤,
555-第五区域去抖模块,
701-第1离线信号,
702-第2离线信号,
70S-第S离线信号,
900-目标物体,如车辆;
901-中控模组;
902-位置信息处理装置;
903-存储介质;
905-其它控制器,
911-第一锚点规则,
922-第二锚点规则,
933-第三锚点规则,
944-第四锚点规则,
955-第五锚点规则,
966-第六锚点规则;
999-第一在场向量。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细说明。当然,下列描述的具体实施例只是为了解释本发明的技术方案,而不是对本发明的限定。此外,实施例或附图中表述的部分,也仅仅是本发明相关部分的举例说明,而不是本发明的全部。
如图3、图5、图6所示,本发明方法实施例公开的位置信息处理方法,包括:第一信号采集步骤100、第三位置判别步骤300;其中,第一信号采集步骤100获取第一在场向量999;其第一在场向量999包括第一节点信息101、第二节点信息102…直至第N节点信息10N,N为正整数;其第一节点信息101、第二节点信息102…直至第N节点信息10N由分布于目标物体900的第一接收单元011、第二接收单元022…直至第6接收单元066采集第一信号源007的预设无线电信号后获得。
其中,第三位置判别步骤300比较第一在场向量999中各分量与预设匹配模型参量004的包含关系,若第一在场向量999中各分量均落入匹配模型参量004的对应取值区间,则第一信号源007的位置信息009与匹配模型参量004指向的区间001、002、003对应。
其中,匹配模型参量004包括第1规则401向量、第2规则402向量、直至第21规则421向量;各匹配模型向量的分量911、922、933、944、955、966分别对应于第一接收单元011、第二接收单元022…直至第6接收单元;各分量包括一上限值和一下限值;例如第21规则421向量的第一分量911的上限421max1和下限421min1。
进一步地,如图5所示,本发明实施例还包括第二信号处理步骤200;其第二信号处理步骤200以预设的滤波程序对第一在场向量999生成的滤波前信号122进行滤波,并获得滤波后信号223。
如图2所示,该滤波过程包括采用限幅滤波器301、卡尔曼滤波器302、滑动平均滤波器303至少之一;若滤波器同时或部分使用,则其组合方式包括级联形式;其中,限幅滤波器过滤信号的瞬时异常跳变,卡尔曼滤波过滤信号中的噪声干扰,滑动平均滤波平滑处理对应的信号。
具体地,其第三位置判别步骤300还包括第一规则读取步骤310、第二查表匹配步骤320,其第二查表匹配步骤320通过执行扫描查表循环330,在匹配模型参量004中检索和比较对应的数值。
进一步地,如图3,所示,其第一信号源007以广播形式发送信号,该第一信号源007可以是蓝牙信号发生装置;其第一接收单元011、第二接收单元022…直至第6接收单元066为蓝牙节点。
具体地,如图5所示,其第一节点信息101、第二节点信息102…直至第6节点信息为第一信号源007在第一接收单元011、第二接收单元022…直至第6接收单元066处的接收信号强度RSSI值。
若第1规则401向量、第2规则402向量、直至第21规则421向量中存在有1条以上与第一在场向量999中各分量均匹配,则在扫描过程中第一次出现匹配时结束第三位置判别模块333的处理过程。
如图3、图5、图7所示,本发明方法实施例还包括第四参数生成步骤400;该第四参数生成步骤400包括第一离线采集步骤40A、第二参数优化步骤40B;其第一离线采集步骤40A在预设的第一采集范围内以预设的线路和行进速度改变第一信号源007的坐标位置、离地高度、姿态、停留时长;获取第一信号源007的坐标信息和第一信号源007在第一接收单元011、第二接收单元022…直至第6接收单元066处的接收信号强度RSSI值。
具体地,其第一信号源007的离地高度可以是第一离地高度、第二离地高度;其中,第一离地高度可根据目标人群松弛状态的手部离地高度确定,第二离地高度介于115cm与125cm之间。
其中,第二参数优化步骤40B可采用群智能优化算法确定匹配模型参量004的上限,例如421max1、421max6;以及下限,例如421min1、421min1;其群智能优化算法可以是遗传算法。
如图5所示,本发明方法实施例还可包括第五区域去抖步骤500;其中:第三位置判别步骤300实时进行信息的处理,去位置信息009在上一次处理周期的结果为紧前位置信息008;若位置信息009与紧前位置信息008一致,则将第一计数器累加1,若位置信息009与紧前位置信息008不一致,则第一计数器清零且用位置信息009刷新紧前位置信息008;若第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息006的取值用位置信息009的值替换,并将第一计数器清零;若位置信息009与历史位置信息006一致,则将第二计数器累加1;否则,将第二计数器清零;若第二计数器大于或等于C,则输出历史位置信息006或以历史位置信息006作为位置信息009用于相关处理过程。
如图3、图8至图13,还公开了本发明相关产品的实施例;其中的位置信息处理装置(902)包括第一信号采集模块111、第三位置判别模块333。
具体地,如图3、图8所示,其第一信号采集模块111获取第一在场向量999;该第一在场向量999包括第一节点信息101、第二节点信息102…直至第N节点信息10N,N=6;其第一节点信息101、第二节点信息102…直至第N节点信息10N由分布于目标物体900的第一接收单元011、第二接收单元022…直至第6接收单元066采集第一信号源007的预设无线电信号后获得。
进一步地,其第三位置判别模块333比较第一在场向量999中各分量与预设匹配模型参量004的包含关系,若第一在场向量999中各分量均落入匹配模型参量004的对应取值区间,则第一信号源007的位置信息009与匹配模型参量004指向的区间001、002或003对应;其中,匹配模型参量004包括第1规则401向量、第2规则402向量、直至第R规则4R向量,R=21。
进一步地,如图8所示,本发明装置实施例还包括第二信号处理模块222;该第二信号处理模块222以预设的滤波程序对第一在场向量999生成的滤波前信号122进行滤波,并获得滤波后信号223;滤波过程包括采用限幅滤波器301、卡尔曼滤波器302、滑动平均滤波器303至少之一;若滤波器同时或部分使用,其组合方式包括级联形式;其中,如图2所示,限幅滤波器301过滤信号的瞬时异常跳变,卡尔曼滤波器302过滤信号中的噪声干扰,滑动平均滤波器303平滑处理对应的信号。
具体地,对于限幅滤波器301:若当前值-上一时刻值>允许的最大偏差,则滤波值=上一时刻值+限幅值;若上一时刻值-当前值>允许的最大偏差,则滤波值=上一时刻值-限幅值;对于卡尔曼滤波器302:滤波值为卡尔曼的预测值与实际观测值之间动态加权的结果;即滤波值=(1-Kt)*预测值+Kt*观测值,Kt为卡尔曼增益;对于滑动平均滤波器303,则是设置一个滤波窗口,每一时刻的滤波值取滤波窗口的平均值;本实施例所描述的级联滤波器是一种典型组合方案,但也可以结合具体场景使用其他的滤波器组合方案。
进一步地,如图9所示,第三位置判别模块333还包括第一规则读取模块311、第二查表匹配模块322,其第二查表匹配模块322通过执行扫描查表循环330,在匹配模型参量004中检索和比较对应的数值。
具体地,如图3所示,第一信号源007以广播形式发送信号,该第一信号源007可以是蓝牙信号发生装置;其第一接收单元011、第二接收单元022…直至所述第6接收单元066为蓝牙节点。
如图8所示,其第一节点信息101、第二节点信息102…直至所述第N节点信息(其中N=6),为第一信号源007在第一接收单元011、第二接收单元022…直至第6接收单元066处的接收信号强度RSSI值。
具体地,若第1规则401向量、第2规则402向量、直至第21规则421向量中存在有1条以上与第一在场向量999中各分量均匹配,则在扫描过程中第一次出现匹配时结束该第三位置判别模块333的处理过程。
进一步地,如图8所示,本发明装置实施例还包括第四参数生成模块444;该第四参数生成模块444包括第一离线采集模块41A、第二参数优化模块41B;其第一离线采集模块41A在预设的第一采集范围内以预设的线路和行进速度改变第一信号源007的坐标位置、离地高度、姿态、停留时长;其第一离线采集模块41A获取第一信号源007的坐标信息和第一信号源007在第一接收单元011、第二接收单元022…直至第6接收单元066处的接收信号强度RSSI值;其中,第一信号源007的离地高度包括第一离地高度、第二离地高度;第一离地高度可根据目标人群松弛状态的手部离地高度确定,其第二离地高度介于115cm与125cm之间。
具体地,车辆周围的区域划分如图3所示,图中假设蓝牙节点的数量为6;每一行代表一条规则,规则描述如下:
即对于某一条规则,当每个节点的RSSI信号值均在其对应的[min, max]区间内时,则该条规则匹配成功,输出对应的区域Zone。
规则匹配的过程可描述为:
即匹配顺序为自上而下,若前i-1条规则均未匹配成功,则匹配第i条规则;若匹配成功即返回该条规则对应的区域Zone;查表模型的参数生成是本实施例的核心之一,主要由离线数据采集和参数生成模块实现。
其中,离线数据采集使用小车自动采集车辆周围的信号数据,具体步骤如下:
首先,设定好小车参数,主要包括:采集范围(如以车辆为中心的20mX20m范围内)、行进路线(如弓字形)、行进速度等。
其次,将数字钥匙(如手机)固定在小车的云台上,设置云台转动参数,主要包括云台转动角度、停留时间等。
第三,调整伸缩杆,让数字钥匙离地面的高度为第一离地高度(模拟人手持钥匙步行的高度),启动小车,按照规划路线自动行走,定时将自身位置坐标通过蓝牙发送给车身节点,同时记录该时刻各蓝牙节点测量的RSSI值;
第四,可选地,调整伸缩杆,让数字钥匙离地面的高度为第二离地高度(模拟人将钥匙举起放到胸前的高度),测量方法类似于上一步。
离线数据采集结束后,可以获得采集范围内的蓝牙信号数据,每条数据都包括小车坐标以及各蓝牙节点的RSSI值。
进一步地,第四参数生成模块444基于离线采集的数据生成模型参数:由上面描述可知,模型由若干规则组成,对于每条规则需要确定的参数是各个蓝牙节点信号的上限值max和下限值min。
本实施例采用群智能优化算法(如遗传算法),通过设计优化目标,让算法自动搜索出最优模型参数;设计的优化目标描述如下:
其中,WR表示错误率,即某条规则匹配错误的点占所有规则匹配到的点的百分比;WD表示错误距离,即某条规则匹配错误的点距离区域边界的平均值;λ是拉格朗日系数,用于调整目标函数的权重;优化的目标是搜索使L最小的一组模型参数。
由于群智能优化算法属于公开技术,这里无需描述算法细节,只介绍该算法在本方案中的使用步骤(以lock规则参数的生成为例):
1、由群智能优化算法生成一条规则,其中min要小于max;
2、使用该规则匹配离线数据,对于匹配到的点,计算目标函数L;
3、若L小于预设的目标阈值,则停止搜索,输出一条规则,否则迭代运行优化算法,直到产生满足条件的规则;
4、当lock区域的点的匹配率(所有lock规则匹配到的点占所有lock区域点的比例)超过预设的目标阈值时,搜索停止。
同理,可生成其他区域的规则参数。
进一步地,如图8所示,本发明装置实施例还包括第五区域去抖模块555;其所述第三位置判别模块333实时进行,其位置信息009在上一次处理周期的结果为紧前位置信息008;若位置信息009与紧前位置信息008一致,则将第一计数器累加1,若位置信息009与紧前位置信息008不一致,则将第一计数器清零且用位置信息009刷新紧前位置信息008。
具体地,由于蓝牙RSSI易受环境影响,存在较大的不确定性,因此区域变化过程中需加入去抖,以提高区域定位的鲁棒性;区域去抖的判断逻辑如下:
1、若当前定位与上一次定位一致,则计数器1累加1,否则将上一次定位结果更新为当前定位结果,同时计数器1清0;
2、若计数器1≥N,则将历史定位结果更新为当前定位结果,同时计数器1清0;
3、若当前定位与历史定位一致,则计数器2累加1,否则计数器2清0;
4、若计数器2≥N,则输出历史定位结果。
进一步地,若第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息006的取值用位置信息009的值替换,并将第一计数器清零;若位置信息009与历史位置信息006一致,则将第二计数器累加1;否则,将第二计数器清零;若第二计数器大于或等于C,则输出历史位置信息006或以历史位置信息006作为位置信息009用于相关处理过程。
进一步地,如图11至13所示,本发明实施例还公开了一种计算机存储芯片903,包括用于存储计算机程序的存储芯片本体;当计算机程序在被微处理器执行时,可实现上述任意一种位置信息处理方法;类似地,本发明实施例公开的中控模组901和车辆900均包括如上的任一位置信息处理装置和/或上述计算机存储芯片903;此外,所述车辆900还包括如上的任一中控模组901。
需要说明的是,上述实施例仅是为了更清楚地说明本发明的技术方案,本领域技术人员可以理解,本发明的实施方式不限于以上内容,基于上述内容所进行的明显变化、替换或替代,均不超出本发明技术方案涵盖的范围;在不脱离本发明构思的情况下,其它实施方式也将落入本发明的范围。
Claims (14)
1.一种位置信息处理方法,其特征在于,包括:第一信号采集步骤(100)、第三位置判别步骤(300);其中,
所述第一信号采集步骤(100)获取第一在场向量(999);所述第一在场向量(999)包括第一节点信息(101)、第二节点信息(102)…直至第N节点信息(10N),N为正整数;所述第一节点信息(101)、所述第二节点信息(102)…直至所述第N节点信息(10N)由分布于目标物体(900)的第一接收单元(011)、第二接收单元(022)…直至第N接收单元(0NN)采集第一信号源(007)的预设无线电信号后获得;
所述第三位置判别步骤(300)比较所述第一在场向量(999)中各分量与预设匹配模型参量(004)的包含关系,若所述第一在场向量(999)中各分量均落入所述匹配模型参量(004)的对应取值区间,则所述第一信号源(007)的位置信息(009)与所述匹配模型参量(004)指向的区间(001、002、003)对应;其中,所述匹配模型参量(004)包括第1规则(401)向量、第2规则(402)向量、直至第R规则(4R)向量,R为正整数。
2.如权利要求1的所述位置信息处理方法,还包括:第二信号处理步骤(200);
所述第二信号处理步骤(200)以预设的滤波程序对所述第一在场向量(999)生成的滤波前信号(122)进行滤波,并获得滤波后信号(223);所述滤波过程包括采用限幅滤波器(301)、卡尔曼滤波器(302)、滑动平均滤波器(303)至少之一;若所述滤波器同时或部分使用,其组合方式包括级联形式;其中,所述限幅滤波器(301)过滤信号的瞬时异常跳变,所述卡尔曼滤波器(302)过滤信号中的噪声干扰,所述滑动平均滤波器(303)平滑处理对应的信号;
其中,所述第三位置判别步骤(300)还包括第一规则读取步骤(310)、第二查表匹配步骤(320),所述第二查表匹配步骤(320)通过执行扫描查表循环(330),在所述匹配模型参量(004)中检索和比较对应的数值。
3.如权利要求1或2的所述位置信息处理方法,其中:
所述第一信号源(007)以广播形式发送信号,所述第一信号源(007)包括蓝牙信号发生装置;所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)为蓝牙节点;
所述第一节点信息(101)、所述第二节点信息(102)…直至所述第N节点信息为所述第一信号源(007)在所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)处的接收信号强度RSSI值;
若所述第1规则(401)向量、所述第2规则(402)向量、直至所述第R规则(4R)向量中存在有1条以上与所述第一在场向量(999)中各分量均匹配,则在扫描过程中第一次出现匹配时结束所述第三位置判别步骤(300)的处理过程。
4.如权利要求3的所述位置信息处理方法,还包括:第四参数生成步骤(400);
所述第四参数生成步骤(400)包括第一离线采集步骤(40A)、第二参数优化步骤(40B);
所述第一离线采集步骤(40A)在预设的第一采集范围内以预设的线路和行进速度改变所述第一信号源(007)的可调参数,所述可调参数包括:坐标位置、离地高度、姿态、停留时长至少之一;
获取所述第一信号源(007)的坐标信息和所述第一信号源(007)在所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)处的接收信号强度RSSI值。
5.如权利要求4的所述位置信息处理方法,其中:
所述第一信号源(007)的离地高度包括第一离地高度、第二离地高度;其中,所述第一离地高度根据目标人群松弛状态的手部离地高度确定,所述第二离地高度介于115cm与125cm之间;
所述第二参数优化步骤(40B)以群智能优化算法确定所述匹配模型参量(004)的上限(421max1、421max6)和下限(421min1、421min6),所述群智能优化算法包括遗传算法。
6.如权利要求1、2、4或5的所述位置信息处理方法,还包括:第五区域去抖步骤(500);其中:所述第三位置判别步骤(300)实时进行,所述位置信息(009)在上一次处理周期的结果为紧前位置信息(008);
若所述位置信息(009)与所述紧前位置信息(008)一致,则第一计数器累加1,若所述位置信息(009)与所述紧前位置信息(008)不一致,则所述第一计数器清零且用所述位置信息(009)刷新所述紧前位置信息(008);
若所述第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息(006)的取值用所述位置信息(009)的值替换,并将所述第一计数器清零;
若所述位置信息(009)与所述历史位置信息(006)一致,则将第二计数器累加1;否则,将所述第二计数器清零;
若所述第二计数器大于或等于C,则输出所述历史位置信息(006)或以所述历史位置信息(006)作为所述位置信息(009)用于相关处理过程。
7.一种位置信息处理装置,包括:第一信号采集模块(111)、第三位置判别模块(333);其中,所述第一信号采集模块(111)获取第一在场向量(999);所述第一在场向量(999)包括第一节点信息(101)、第二节点信息(102)…直至第N节点信息(10N),N为正整数;所述第一节点信息(101)、所述第二节点信息(102)…直至所述第N节点信息(10N)由分布于目标物体(900)的第一接收单元(011)、第二接收单元(022)…直至第N接收单元(0NN)采集第一信号源(007)的预设无线电信号后获得;
所述第三位置判别模块(333)比较所述第一在场向量(999)中各分量与预设匹配模型参量(004)的包含关系,若所述第一在场向量(999)中各分量均落入所述匹配模型参量(004)的对应取值区间,则所述第一信号源(007)的位置信息(009)与所述匹配模型参量(004)指向的区间(001、002、003)对应;其中,所述匹配模型参量(004)包括第1规则(401)向量、第2规则(402)向量、直至第R规则(4R)向量,R为正整数。
8.如权利要求7的所述位置信息处理装置,还包括:第二信号处理模块(222);
所述第二信号处理模块(222)以预设的滤波程序对所述第一在场向量(999)生成的滤波前信号(122)进行滤波,并获得滤波后信号(223);所述滤波过程包括采用限幅滤波器(301)、卡尔曼滤波器(302)、滑动平均滤波器(303)至少之一;若所述滤波器同时或部分使用,其组合方式包括级联形式;其中,所述限幅滤波器(301)过滤信号的瞬时异常跳变,所述卡尔曼滤波器(302)过滤信号中的噪声干扰,所述滑动平均滤波器(303)平滑处理对应的信号;
其中,所述第三位置判别模块(333)还包括第一规则读取模块(311)、第二查表匹配模块(322),所述第二查表匹配模块(322)通过执行扫描查表循环(330),在所述匹配模型参量(004)中检索和比较对应的数值。
9.如权利要求7或8的所述位置信息处理装置,其中:
所述第一信号源(007)以广播形式发送信号,所述第一信号源(007)包括蓝牙信号发生装置;所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)为蓝牙节点;
所述第一节点信息(101)、所述第二节点信息(102)…直至所述第N节点信息为所述第一信号源(007)在所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)处的接收信号强度RSSI值;
若所述第1规则(401)向量、所述第2规则(402)向量、直至所述第R规则(4R)向量中存在有1条以上与所述第一在场向量(999)中各分量均匹配,则在扫描过程中第一次出现匹配时结束所述第三位置判别模块333的处理过程。
10.如权利要求9的所述位置信息处理装置,还包括:第四参数生成模块(444);
所述第四参数生成模块(444)包括第一离线采集模块(41A)、第二参数优化模块(41B);
所述第一离线采集模块(41A)在预设的第一采集范围内以预设的线路和行进速度改变所述第一信号源(007)的坐标位置、离地高度、姿态、停留时长;
所述第一离线采集模块(41A)获取所述第一信号源(007)的坐标信息和所述第一信号源(007)在所述第一接收单元(011)、所述第二接收单元(022)…直至所述第N接收单元(0NN)处的接收信号强度RSSI值;其中,所述第一信号源(007)的离地高度包括第一离地高度、第二离地高度;所述第一离地高度根据目标人群松弛状态的手部离地高度确定,所述第二离地高度介于115cm与125cm之间;
所述第二参数优化模块(41B)以群智能优化算法确定所述匹配模型参量(004)的上限(421max1、421max6)和下限(421min1、421min6),所述群智能优化算法包括遗传算法。
11.如权利要求7、8或10的所述位置信息处理装置,还包括:第五区域去抖模块(555);其中:所述第三位置判别模块(333)实时进行,所述位置信息(009)在上一次处理周期的结果为紧前位置信息(008);
若所述位置信息(009)与所述紧前位置信息(008)一致,则第一计数器累加1,若所述位置信息(009)与所述紧前位置信息(008)不一致,则所述第一计数器清零且用所述位置信息(009)刷新所述紧前位置信息(008);
若所述第一计数器取值大于或等于预设的阈值C,C为正整数,则将历史位置信息(006)的取值用所述位置信息(009)的值替换,并将所述第一计数器清零;
若所述位置信息(009)与所述历史位置信息(006)一致,则将第二计数器累加1;否则,将所述第二计数器清零;
若所述第二计数器大于或等于C,则输出所述历史位置信息(006)或以所述历史位置信息(006)作为所述位置信息(009)用于相关处理过程。
12.一种计算机存储芯片,包括:用于存储计算机程序的存储芯片本体;所述计算机程序在被微处理器执行时,实现如权利要求1至6的任一所述位置信息处理方法。
13.一种中控模组,包括:如权利要求7、8、或10的所述位置信息处理装置;和/或如权利要求12的所述计算机存储芯片。
14.一种车辆,包括:如权利要求7、8、或10的任一所述位置信息处理装置;和/或如权利要求12的所述计算机存储芯片;和/或如权利要求13的任一所述中控模组。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211032604.5A CN115567869A (zh) | 2022-08-26 | 2022-08-26 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
PCT/CN2023/109726 WO2024041308A1 (zh) | 2022-08-26 | 2023-07-28 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211032604.5A CN115567869A (zh) | 2022-08-26 | 2022-08-26 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115567869A true CN115567869A (zh) | 2023-01-03 |
Family
ID=84739810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211032604.5A Pending CN115567869A (zh) | 2022-08-26 | 2022-08-26 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115567869A (zh) |
WO (1) | WO2024041308A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041308A1 (zh) * | 2022-08-26 | 2024-02-29 | 联合汽车电子有限公司 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3746337A4 (en) * | 2018-02-01 | 2022-01-19 | Strattec Security Corporation | METHODS AND SYSTEMS FOR PROVIDING BLUETOOTH-BASED PASSIVE ENTRY AND PASSIVE START (PEPS) FOR A VEHICLE |
DE102018128379A1 (de) * | 2018-11-13 | 2020-05-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zum Betrieb eines Zugangs- und/oder Aktivierungssystems eines Fahrzeugs |
KR20210007225A (ko) * | 2019-07-10 | 2021-01-20 | 현대모비스 주식회사 | 차량 환경에서 사용자 디바이스의 위치 판별 방법 및 그 장치 |
CN115567869A (zh) * | 2022-08-26 | 2023-01-03 | 联合汽车电子有限公司 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
-
2022
- 2022-08-26 CN CN202211032604.5A patent/CN115567869A/zh active Pending
-
2023
- 2023-07-28 WO PCT/CN2023/109726 patent/WO2024041308A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041308A1 (zh) * | 2022-08-26 | 2024-02-29 | 联合汽车电子有限公司 | 一种位置信息处理方法、装置、芯片、中控模组及车辆 |
Also Published As
Publication number | Publication date |
---|---|
WO2024041308A1 (zh) | 2024-02-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109298389B (zh) | 基于多粒子群优化的室内行人组合位姿估计方法 | |
CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
CN109885883A (zh) | 一种基于gk聚类算法模型预测的无人车横向运动的控制方法 | |
CN109298725B (zh) | 一种基于phd滤波的群体机器人分布式多目标跟踪方法 | |
WO2020144353A1 (en) | Method and system for tracking a mobile device | |
CN106908762B (zh) | 一种针对uhf-rfid***的多假设ukf目标跟踪方法 | |
CN115567869A (zh) | 一种位置信息处理方法、装置、芯片、中控模组及车辆 | |
CN112486183B (zh) | 一种室内移动机器人的路径规划算法 | |
CN108733038A (zh) | 机器人局部动态路径规划方法 | |
CN108519587A (zh) | 一种实时的空中目标运动模式识别及参数估计方法 | |
Nguyen et al. | Low speed vehicle localization using wifi fingerprinting | |
CN113566820B (zh) | 一种基于位置指纹和pdr算法的融合人行定位方法 | |
Han et al. | A wireless fingerprint location method based on target tracking | |
CN110334863A (zh) | 一种地面移动单元路网区域巡逻问题建模与轨迹生成方法 | |
CN113050648B (zh) | 一种机器人避障方法和*** | |
CN110333479A (zh) | 复杂室内环境下一种基于改进粒子滤波的无线定位方法 | |
Sun et al. | Research on Indoor Location Technology based on the Fusion of WiFi and PDR | |
CN110032070B (zh) | 基于粒子群模糊树的移动无线传感器网络的目标跟踪方法 | |
CN114095853A (zh) | 一种生成室内地图的方法和装置 | |
CN114302359B (zh) | 一种基于WiFi-PDR融合的高精度室内定位方法 | |
CN113923776B (zh) | 一种屏蔽目标位置确认及无人机自适应干扰***和方法 | |
Zhang et al. | A multi-sensor fusion method based on EKF on granary robot | |
CN109379716A (zh) | 一种用于安防监控项目的室内定位方法及*** | |
CN112770258B (zh) | 一种基于信标筛选的实时室内位置定位方法 | |
CN114564659A (zh) | 一种基于线路信息的气象数据获取装置及获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |