CN116499465B 基于因子图权值自适应地下管网机器人多源融合定位方法 （东南大学）

号基于因子图权值自适应地下管网机器人多基于因子图权值自适应地下管网机器人多射频定位以及地下管网地图多源传感器进行组合定位方法。本方法首先根据INS\UWB\ELF量测和误差模型，构建INS\UWB\ELF因子节点与其代合的最优估计序列，并以此建立隐马尔可夫模2INS\UWB\ELF量测和误差模型,构建INS\UWB\ELF因子节点与其代价函数,建立基于因子图S4：输出滑动窗内各状态节点的状态估计值，将2.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，根据北东地载体坐标系，建立基于因子图多源融合定位模型，因子3.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，34.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，5.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，基于因子图的多源融合导航算法融合框架以INS因子为基础，随着时其中i表示当前时刻各类导航系统的因子，argmin表示使目标函数取最小值时的变量6.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，47.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，8.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，对于每一个计算的最优估计值点,首先确定一组候选路段.如果发现计算的最优估计值点非常接近某个路段,就给这个路段指定一个较低的代价值.然后为马尔可夫链中连接9.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，10.根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，转换代价为上一个最优估计值观测点到下一个观测点的过程中，隐藏5[0003]目前城市地下管廊系统运行管理大多仍停留在人工阶段、系统的自动化程度低、[0005]1.基于极低频(ELF)电磁波[0007]在地下管廊和地表联通区域以及可以安装UWB定位模块，基于指纹定位有以RSS、6程度上减小定位误差。现跨场景的多源融合导航。本发明能够实现多传感器的自适应融合与安全可靠导航定位，提高了惯性/卫星/视觉等多源导航信息融合的精度我们的专利中没有使用卡尔曼滤波，通过根据动态权值函数和聚类算法进行定权，构建7建立INS\UWB\ELF量测和误差模型,构建INS\UWB\ELF因子节点与其代价函数,建立基于因8幅值，以建立CSI原始指纹库，然后利用稀疏自动编码器SAE将输入的CSI数据压缩到特征[0056]基于因子图的多源融合导航算法融合框架以INS因子为基础，随着时间更新，对程以及其对应的代价函数对相关的变量节点[0059]其中i表示该时刻各类导航系统的因子，argmin表示使目标函数取最小值时的变9[0060]作为本发明进一步改进，所述步[0068]对于每一个计算的最优估计值点,首先确定一组候选路段.如果发现计算的最优估计值点非常接近某个路段,就给这个路段指定一个较低的代价值.然后为马尔可夫链中[0082]3.本发明改进了基于CSI的UWB指纹定位网络，[0087]本发明的总体流程如图1所示，基于残差的动态权值自适应调整改进的因子图原建立INS\UWB\ELF量测和误差模型,构建INS\UWB\ELF因子节点与其代价函数,建立基于因[0095]根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方q0＝[q1q2q3幅值，以建立CSI原始指纹库，然后利用稀疏自动编码器SAE将输入的CSI数据压缩到特征[0116]根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方[0117]基于因子图的多源融合导航算法融合框架以INS因子为基础，随着时间更新，对程以及其对应的代价函数对相关的变量节点[0121]根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方法，其特征在于：所述步骤S3中,该方法基于残差的对因子图动态权值自适应调整步骤如下:[0126]根据权利要求1所述的基于因子图权值自适应地下管网机器人多源融合定位方[0127]对于每一个计算的最优估计值点,首先确定一组候选路段.如果发现计算的最优估计值点非常接近某个路段,就给这个路段指定一个较低的