[發明專利]一種基于高頻RFID的物品定位方法及裝置

有效

• 申請號: 202010424071.X
• 申請日: 2020-05-19
• 公開（公告）號: CN111667035B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 陳力軍;劉佳;江東;許林;邵波;沈奎林
• 申請（專利權）人: 南京大學;江蘇圖客機器人有限公司
• 主分類號: G06K17/00
• 分類號: G06K17/00;G06K7/10;G06K9/00;G06K9/62
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 范晴;郭小紅

1.一種基于高頻RFID的物品定位方法，其中，所述物品排列在存放架的各層上，其位置信息包括架號以及層號，每個所述物品均設置有相應的高頻RFID標簽，其特征在于，所述方法包括：

使用閱讀器沿存放架掃描讀取設置在所述物品上的標簽，記錄當前掃描的架號和層號，并對每一個讀取到的標簽采集標簽編號和信號強度；

對數據進行預處理，將標簽編號一致的數據劃分為一個集合，對于一個集合，將掃描架號和層號相同的數據分為一組，統計標簽在掃描相應架號和層號下的讀取頻次以及平均信號強度；

將讀取頻次和平均信號強度作為模糊推理系統的輸入，輸出標簽位于相應架號和層號的概率，選取最大概率對應的架號和層號作為物品的架號和層號；

其中，所述模糊推理系統包括模糊化模塊、規則評價模塊和去模糊化模塊。

2.根據權利要求1所述的方法，其特征在于，

所述模糊化模塊具有兩個輸入論域和一個輸出論域，一個輸入論域表示所述讀取頻次的取值范圍，一個輸入論域表示所述平均信號強度的取值范圍，輸出論域表示所述標簽位于相應架號和層號的概率的取值范圍；

每個論域與一個模糊語言變量對應，模糊語言變量的取值為模糊集，各模糊集與論域上的一個數值范圍對應，每個模糊集具有相應的隸屬函數；

將讀取頻次及平均信號強度的精確數值輸入所述模糊化模塊后，所述模糊化模塊輸出讀取頻次及平均信號強度屬于相應模糊集的隸屬度值。

3.根據權利要求2所述的方法，其特征在于，所述規則評價模塊具有若干規則，單個規則具有前提條件和后件結果；

所述規則評價模塊將來自所述模糊化模塊的模糊輸入應用所述規則進行評估，再通過模糊邏輯運算將所述規則的評估結果進行聚合，得到關于標簽位于相應架號和層號的概率的模糊輸出。

4.根據權利要求3所述的方法，其特征在于，所述去模糊化模塊對來自所述規則評價模塊的模糊輸入進行去模糊化處理，得到所述概率的精確數值；其中，來自所述規則評價模塊的模糊輸入為所述概率基于其隸屬函數的模糊結果。

5.根據權利要求2所述的方法，其特征在于，所述隸屬函數采用三角函數和/或梯形函數。

6.根據權利要求4所述的方法，其特征在于，所述去模糊化采用重心算法。

7.根據權利要求1所述的方法，其特征在于，所述位置信息還包括一層中的順序編號；利用閱讀器進行掃描讀取時，還采集讀取到標簽的讀取時間信息；

所述方法在確定物品的架號和層號后，還包括：

基于確定得到的架號和層號，篩選出掃描該架號和層號所對應的存放架位置時所獲取的標簽編號、信號強度以及讀取時間信息，利用貝葉斯概率模型得到標簽位于不同候選位置的概率，將最大概率對應的候選位置作為標簽的位置；

將一層中所有標簽在一維坐標系下的位置進行排序，得到各物品的順序編號。

8.根據權利要求2所述的方法，其特征在于，所述利用貝葉斯概率模型得到標簽位于不同候選位置的概率具體為：

確定某一標簽所在架號和層號后，獲取在掃描該標簽所在存放架的該標簽所在層的過程中，閱讀器初次讀取到該標簽時所處的位置，在該位置周圍選取多個點作為該標簽的候選位置，確定每個候選位置的初始概率；

將該標簽的信號強度數據按照讀取時間的先后順序代入貝葉斯概率模型，更新各候選位置的后驗概率，直至將該標簽的所有數據均代入完畢，得到每一個候選位置的最終概率。

9.一種物品定位裝置，其特征在于，所述裝置包括閱讀器和主控器，所述主控器與所述閱讀器進行通訊，所述裝置執行權利要求1-8任一項所述的定位方法。