本发明涉及一种基于地板传感器预测机器人位置的方法，属于机器人路径规划技术领域。
背景技术：
随着货物运输量的不断增加，提高物流的效率变得越来越重要，从而这需要仓储物流方面更高水平的自动化。对于仓库场景中的机器人控制，他们的位置信息是控制物料流动的必要信息，物流机器人的定位多采用激光雷达，惯性测量单与以及里程计多种传感器，感知自身的位置和状态信息，同时物流机器人在运动的过程中还需要地板提供相关的位置信息，地板中的传感器不仅提供位置信息，在机器人的路径规划中也有至关重要的作用。
技术实现要素：
本发明目的是提供了一种基于地板传感器预测机器人位置的方法，不仅定位更加准确，而且节省了成本。
本发明为实现上述目的，通过以下技术方案实现：
（1）在地板上铺设的传感器阵列中，每个节点设有磁力计，加速度计，螺旋仪以及机器人中的无线传感器节点接收信号强度指示器，当机器人在地板上行驶时，收集地板传感器的数据，并且合成数据集；
（2）通过vicon动作捕捉系统和感知地板数据相互匹配来创建训练数据，每个传感器地板的观测结果都根据时间戳与最接近的vicon数据点相匹配，获得一个合并的数据集，其中包含传感器观测以及每个观测的位置和时间信息；
（3）通过使用lstm长短时记忆网络算法，预测机器人的位置坐标信息，保存之前的时间步中的信息，并且根据时间步的信息和传感器的信息预测当前机器人的位置；
（4）通过预测算法的训练，得知机器人的位置坐标信息。
优选的，所述传感器阵列以每秒4次的速度提供这些特征的观测，缓冲和刷新的往返时间为5秒。
优选的，地板数据和vicon系统创建训练数据包括：rssi、磁强计(x,y,z)、加速度计(x,y,z)和陀螺仪(x,y,z)、时间戳、vicon位置和传感器的标识符，所述传感器标识符以strip-和node-id两列的形式。
优选的，根据时间步的信息和传感器的信息预测当前机器人的位置，使用的特征变量：
[ax,ay,az]：加速度计在x,y,z方向上[g]的值1g=9,81m/sˆ2，az总是面向地面；
[gx,gy,gz|：陀螺仪值在度每秒[dps]在x,y,z方向；
[mx,my,mz]：微特斯拉磁强计值[µt]；
[r]：rssi，0表示收到超时/未收到包；
预测标签：
vicon_x:vicon系统在x方向上跟踪的实际机器人位置，单位为米；
vicon_y:vicon系统在y方向上跟踪的实际机器人位置，单位为米。
本发明的优点在于：本发明提出使用地板传感器提供的相关数据预测机器人的具体位置，从而减少了机器人自身定位传感器的使用，并且复用了地板传感器的信息来预测机器人的具体位置。定位更加准确，节省了成本。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1为本发明地板的感知节点部署以及机器人坐标信息。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提出了一种基于地板传感器预测机器人位置的方法，通过在仓库地板上铺设传感器阵列，通过地板的传感器数据，借助训练的预测算法以及模型，可以预测得知目前机器人在仓库的位置信息以及具体的阵列位置。主要内容如下：
在地板上铺设的传感器阵列中，每个节点设有磁力计，加速度计，螺旋仪以及机器人中的无线传感器节点接收信号强度指示器（rssi）。以大约每秒4次的速度提供这些特征的观测，缓冲和刷新的往返时间为5秒(每个条带的传感器按顺序读取)。vicon系统在三维坐标系中精确地跟踪机器人，并提供时间戳、机器人的xyz坐标位置和旋转信息。当机器人在地板上行驶时，收集地板传感器的数据，并且合成数据集。
通过vicon动作捕捉系统和感知地板数据相互匹配来创建训练数据，每个传感器地板的观测结果都根据时间戳与最接近的vicon数据点相匹配。我们获得一个合并的数据集，其中包含传感器观测以及每个观测的位置和时间信息。
根据地板数据和vicon系统创建训练数据：rssi、磁强计(x,y,z)、加速度计(x,y,z)和陀螺仪(x,y,z)、时间戳、vicon位置和传感器的标识符(以strip-和node-id两列的形式)。
通过使用lstm长短时记忆网络算法，可以预测机器人的位置坐标信息。机器人的移动信息和数据是具有时序的数据，所以使用lstm算法可以有效保存之前的时间步中的信息，并且根据时间步的信息和传感器的信息预测当前机器人的位置。
根据训练数据训练预测算法使其能够可靠预测机器人的具体位置，即坐标信息。预测使用的特征变量：
[ax,ay,az]：加速度计在x,y,z方向上[g]的值(1g=9,81m/sˆ2)(az总是面向地面(1g~地球重力))。
[gx,gy,gz|：陀螺仪值在度每秒[dps]在x,y,z方向。
[mx,my,mz]：微特斯拉磁强计值[µt]。
[r]：rssi，0表示收到超时/未收到包。
预测标签：
vicon_x:vicon系统在x方向上跟踪的实际机器人位置，单位为米(到vicon的距离(0,0))
vicon_y:vicon系统在y方向上跟踪的实际机器人位置，单位为米(距离vicon(0,0))
通过预测算法的训练，可以可靠的得知机器人的位置坐标信息。
1.一种基于地板传感器预测机器人位置的方法，其特征在于，包括以下步骤：
（1）在地板上铺设的传感器阵列中，每个节点设有磁力计，加速度计，螺旋仪以及机器人中的无线传感器节点接收信号强度指示器，当机器人在地板上行驶时，收集地板传感器的数据，并且合成数据集；
（2）通过vicon动作捕捉系统和感知地板数据相互匹配来创建训练数据，每个传感器地板的观测结果都根据时间戳与最接近的vicon数据点相匹配，获得一个合并的数据集，其中包含传感器观测以及每个观测的位置和时间信息；
（3）通过使用lstm长短时记忆网络算法，预测机器人的位置坐标信息，保存之前的时间步中的信息，并且根据时间步的信息和传感器的信息预测当前机器人的位置；
（4）通过预测算法的训练，得知机器人的位置坐标信息。
2.根据权利要求1所述的基于地板传感器预测机器人位置的方法，其特征在于，所述传感器阵列以每秒4次的速度提供这些特征的观测，缓冲和刷新的往返时间为5秒。
3.根据权利要求1所述的基于地板传感器预测机器人位置的方法，其特征在于，地板数据和vicon系统创建训练数据包括：rssi、磁强计(x,y,z)、加速度计(x,y,z)和陀螺仪(x,y,z)、时间戳、vicon位置和传感器的标识符，所述传感器标识符以strip-和node-id两列的形式。
4.根据权利要求1所述的基于地板传感器预测机器人位置的方法，其特征在于，根据时间步的信息和传感器的信息预测当前机器人的位置，使用的特征变量：
[ax,ay,az]：加速度计在x,y,z方向上[g]的值1g=9,81m/sˆ2，az总是面向地面；
[gx,gy,gz|：陀螺仪值在度每秒[dps]在x,y,z方向；
[mx,my,mz]：微特斯拉磁强计值[µt]；
[r]：rssi，0表示收到超时/未收到包；
预测标签：
vicon_x:vicon系统在x方向上跟踪的实际机器人位置，单位为米；
vicon_y:vicon系统在y方向上跟踪的实际机器人位置，单位为米。
技术总结