一种基于机器学习的车辆定位盲区恢复方法

本发明涉及一种基于机器学习的车辆定位盲区恢复方法，包括：构建UWB定位系统；获取移动终端相对于车辆的实时坐标；在车辆周围采集数据，通过模拟盲区场景，收集UWB距离、信号强度和对应的真实距离数据，构建训练数据集；以UWB距离和信号强度作为输入，以真实距离作为标签，训练MLP模型；将训练好的MLP模型部署到所述UWB定位系统中，实时接收测距数据和信号强度数据，通过模型推理输出恢复后的距离数据。本发明的有益效果是：本发明相较于传统的增加冗余锚点或多传感器融合方案，无需额外硬件成本，仅通过软件算法即可有效解决UWB定位盲区问题，大幅降低了系统复杂度和成本。