[發明專利]一種面向不動產測量的改進型慣性定位方法

有效

• 申請號: 201711443482.8
• 申請日: 2017-12-27
• 公開（公告）號: CN108171316B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 吳峻;王永杰;董國敏;沈志樂
• 申請（專利權）人: 東南大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G01C21/16;G01S19/49
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 孟紅梅

1.一種面向不動產測量的改進型慣性定位方法，其特征在于，包括如下步驟：

(1)在作業區域內選定待測點，以及一個位置信息已知的點作為控制點；

(2)在控制點處采集并存儲慣性測量系統傳感器數據，根據初始對準算法，獲取慣性測量系統的初始姿態信息；

(3)在慣性測量系統行進間，結合初始位置信息與初始對準獲取的姿態信息，通過捷聯算法解算行進間的數據；

(4)采集并存儲停車區間內慣性測量系統傳感器數據，選擇高斯過程回歸核函數擬合停車區間的速度誤差，并采用蟻群優化算法搜索最優的高斯過程回歸核函數的超參數；

(5)將擬合的速度誤差積分后得到位置誤差，補償到慣性解算結果中，完成當前待測點的測量；重復步驟(1)至步驟(5)，獲取所有需要測量的待測點位置信息。

2.根據權利要求1所述的面向不動產測量的改進型慣性定位方法，其特征在于，所述步驟(1)中，所述控制點為待測點附近GPS信號良好的點，采用GPS-RTK測量獲取控制點的初始位置信息。

3.根據權利要求1所述的面向不動產測量的改進型慣性定位方法，其特征在于，所述步驟(4)中具體包括：

(4.1)選擇二次協方差函數作為高斯過程回歸核函數，令θ為包含所有超參數的向量，M＝diag(l^-2)為超參數的對稱矩陣，l為關聯性測度超參數，為核函數的信號方差，α為核函數的形狀參數,xⁱ和x^j表示任意兩個時刻；

(4.2)采集并存儲停車區間內慣性測量系統傳感器數據，將上一停車區間和當前停車區間采集的速度誤差樣本數據分為訓練樣本和測試樣本；

(4.3)選取若干只螞蟻，給每只螞蟻隨機分配初始超參數值；

(4.4)將每只螞蟻的超參數值代入核函數，根據采集的停車區間速度誤差信息，進行高斯過程回歸訓練，得到相應的評價函數值，所述評價函數值為測試樣本預測誤差之和；

(4.5)計算每只螞蟻下一步轉移概率，若小于全局轉移概率，則進行局部搜索，否則進行全局搜索；

(4.6)本次轉移后，對信息素進行更新，并將具有最好評價函數值的螞蟻保存；

(4.7)對步驟(4.4)至(4.6)進行循環，直到迭代次數達到設置值，得出全局最優解，即對應具有最好評價函數值的精靈螞蟻對應的超參數值。

4.根據權利要求3所述的面向不動產測量的改進型慣性定位方法，其特征在于，所述步驟(4.4)中，高斯過程回歸訓練時，測試樣本速度誤差向量v^*用期望表示為：

其中：

C(x^*,X)＝[C(x^*,x₁),C(x^*,x₂),…,C(x^*,x_n)]

矩陣X由訓練數據輸入時刻x_i組成，i＝1,…n，n為訓練樣本時刻數；為噪聲方差；I為單位矩陣；v為對應時間速度誤差輸出序列；x^*為預測樣本時刻；v^*為預測樣本時刻對應的速度誤差輸出；C(X,X)為n×n階對稱正定的協方差矩陣。

5.根據權利要求3所述的面向不動產測量的改進型慣性定位方法，其特征在于，所述步驟(4.5)中，轉移概率計算公式為：

其中，P_ij(r)為第r次循環迭代時螞蟻從i節點轉移到j節點的概率；τ_ij(r)表示第r次迭代時所有螞蟻遺留在i節點到j節點路徑上的信息素量；τ_is(r)表示第r次迭代時所有螞蟻遺留在i節點到s節點路徑上的信息素量，i節點到s節點路徑代表除i節點到j節點路徑之外其他所有可選路徑；ΔW_ij(r)表示第r次迭代時i節點與j節點處評價函數值的差的絕對值；ΔW_is(r)表示第r次迭代時i節點與s節點處評價函數值的差的絕對值；λ表示軌跡信息素的重要性，其值越大，螞蟻間的協作性越強；η表示啟發因子的重要程度，Y_e表示螞蟻可選轉移節點集。