[发明专利]一种隧道内定位方法、装置、设备及存储介质

说明书

本申请公开了一种隧道内定位方法、装置、设备及存储介质，涉及室内定位、机器学习领域，包括：根据远距离无线电设备确定无线电信号菲涅尔区；在远距离无线电设备与运动载体进行信号收发的过程中，根据远距离无线电设备的当前菲涅尔区的信道状态信息确定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，并利用优化后的卡尔曼滤波器基于无线电确定的位置信息和捷联惯性导航系统确定的位置信息进行卡尔曼最优估计得到运动载体定位信息。以远距离无线电设备和捷联惯性导航的输出作为卡尔曼滤波的输入量，通过深度学习对卡尔曼滤波器参数进行修正后对进行最优估计，解决捷联惯性导航不稳定的问题，得到精确稳定的定位信息。

技术领域

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

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。

发明内容

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：

第一方面，本申请提供了一种隧道内定位方法，包括：

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；所述第一位置信息是基于所述初始位置确定的。

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：

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。

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：

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；