[發明專利]一種智慧城市傳感器地形定位建圖方法

在審

• 申請號: 202210661748.0
• 申請日: 2022-06-12
• 公開（公告）號: CN114998539A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T17/05
• 分類號: G06T17/05;G06N3/08;G06F16/2455;G06F16/29
• 代理公司: 北京創智合源知識產權代理事務所(普通合伙) 16092
• 代理人: 馬金華

1.一種智慧城市傳感器地形探測數據壓縮存儲方法，其特征在于，包括以下步驟：

(1)將傳感器執行探測任務的區域劃分為A個子任務區域；對所設定的任務區域進行全覆蓋路徑規劃；

(2)傳感器在子任務區域內執行探測任務，獲取探測目標的位置信息、姿態信息；

(3)以傳感器的隨體坐標系為基準將探測數據轉換為三維點云，通過坐標變換得到大地坐標系的城市地形數據；

(4)將步驟(2)中的位置信息、姿態信息數據放入緩存池中，判斷緩存池中數據測線的數量是否達到預設規模；若未達到，則返回步驟(2)繼續獲取當前子任務區域的數據；否則，則執行步驟(5)；

(5)計算緩存池中的地形數據熵值，判斷是否達到輸出閾值；若數據熵值超出輸出閾值，則執行步驟(6)；否則，返回步驟(2)繼續獲取當前子任務區域的數據；

(6)調取緩存池中的數據，并輸入到構建的人工神經網絡中進行回歸訓練，當參數收斂后，輸出所得的神經網絡模型參數；

(7)存儲訓練得到的人工神經網絡模型參數來代替原始的點云數據，實現對地形數據的壓縮存儲；

(8)若未完成對全部子任務區域的探測任務，則返回步驟(2)執行未完成探測的子任務區域的探測；當需要獲取某一位置探測數據時，根據該位置所屬的子任務區域獲取對應的人工神經網絡模型參數，將該位置的橫縱坐標輸入到對應的人工神經網絡模型中，得到地形參數；

(9)執行傳感器同步定位與地圖繪制，并構建軌跡地圖Map_t；

(10)根據軌跡地圖確定候選回環目標和候選探索目標；

(11)根據效用方程計算到達每個候選點的收益，選擇對應收益最優的候選點，根據傳感器向收益最優候選點行駛的動作n′_g，判斷執行回環任務或探索任務；

(12)執行傳感器向收益最優候選點行駛的動作n′_g，判斷設定的任務區域是否探索完成；若完成探索，則結束；否則，返回步驟(9)。

2.根據權利要求1所述的一種智慧城市傳感器地形探測數據壓縮存儲方法，其特征在于，所述的步驟(2)中，對于每一子任務區域，獲取先驗城市地形數據進行預訓練，從而設置輸出閾值U_th與人工神經網絡的中間層節點數，預訓練步驟如下：

(2.1)獲取子任務區域的A個先驗地形塊，計算各先驗地形塊的地形數據熵值G_R,n，得到G_R＝{G_R,n|n＝1,2,...,A}；

(2.2)人工神經網絡可容納的最大中間層節點數量Z；

(2.3)依次計算地形數據熵值G_R,n在不同中間層節點數o對應的人工神經網絡模型中對地形擬合的誤差r_no，并記錄時間消耗p_no，得到誤差集R和時間集P：

R＝{r_no|n＝1,2,...,A,o＝1,.2...,Z}；

P＝{p_no|n＝1,2,...,A,o＝1,.2...,Z}；

(2.4)對誤差集和時間集分別進行歸一化處理；

(2.5)計算調和平均數S_no；

選取調和平均數S最小時對應的[n^*,o^*]作為結果，具體計算如下：

(2.6)設置輸出閾值U_th為設置人工神經網絡的中間層節點數為o^*。

3.根據權利要求1所述的一種智慧城市傳感器地形探測數據壓縮存儲方法，其特征在于，所述構建緩存池數據的步驟包括：

(4.1)采集第v次測量時得到的測線橫坐標測線縱坐標測線深度值三個參數大小均為a₁×1；a₁表示測線中包含的測點數量；

(4.2)采集當前緩存池中的數據測線數量g；

(4.3)構建緩存池數據Data為：

Data＝{X；Y；Z}；

所述地形數據熵值獲取的步驟包括：

獲得測線v中測點w的測繪值m_ij和緩存池的地形測繪值的均值