CN107421537B - 基于惯性传感器刚体网格的物体运动姿态感知方法和*** - Google Patents

基于惯性传感器刚体网格的物体运动姿态感知方法和*** Download PDF

Info

Publication number
CN107421537B
CN107421537B CN201710827423.4A CN201710827423A CN107421537B CN 107421537 B CN107421537 B CN 107421537B CN 201710827423 A CN201710827423 A CN 201710827423A CN 107421537 B CN107421537 B CN 107421537B
Authority
CN
China
Prior art keywords
inertial sensor
grid
rigid body
motion attitude
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710827423.4A
Other languages
English (en)
Other versions
CN107421537A (zh
Inventor
刘杰
林科
覃志松
张纪元
甘国宁
卢艳梅
姜虎成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201710827423.4A priority Critical patent/CN107421537B/zh
Publication of CN107421537A publication Critical patent/CN107421537A/zh
Application granted granted Critical
Publication of CN107421537B publication Critical patent/CN107421537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种基于惯性传感器刚体网格的物体运动姿态感知方法和***，将传感器刚体网格定位技术、自适应权重分配技术和多惯性传感器信息融合技术相结合，使用多个惯性传感器节点构成的对等式传感器网格网络，将多个传感器节点姿态感应数据进行分析融合，通过刚体网格位置误差校正和网格节点数据动态误差校正，从而计算出网格***所附着的物体的完整运动姿态。本发明可提高惯性传感器的运动参数感知精度，实现运动物体的实时运动轨迹、运动姿态的精确感知追踪。其中关键的的步骤包括刚体网格位置误差校正和网格节点数据动态误差校正。

Description

基于惯性传感器刚体网格的物体运动姿态感知方法和***
技术领域
本发明涉及惯性传感器技术领域，具体涉及一种基于惯性传感器刚体网格的物体运动姿态感知方法和***。
背景技术
目前惯性传感器的已经广泛应用于移动电子设备，通过融合惯性传感器的加速度计、陀螺仪、磁力计的感应数据，计算物体的运动姿态与运动轨迹，已经成为了惯性传感器的主要应用领域，在室内定位、航空器空中位置姿态感知、物体运动姿态检测等领域有着广泛的应用需求。而由于惯性传感器的工艺、成本、精度、干扰、累积误差等因素的限制，目前惯性传感器的运动姿态感知精度仍然无法满足现实的姿态监测、轨迹追踪的精度需求，从而制约了惯性传感器姿态监测方案的实用性及可用场景。
发明内容
本发明所要解决的是现有惯性传感器的运动姿态感知精度无法满足现实要求的问题，提供一种基于惯性传感器刚体网格的物体运动姿态感知方法和***。
为解决上述问题，本发明是通过以下技术方案实现的：
基于惯性传感器刚体网格的物体运动姿态感知方法，包括如下步骤：
步骤1、在被测物体上，使用2个以上具有刚性空间位置关系的惯性传感器作为网格节点，构造具有2个以上节点且节点间形成刚性空间结构的惯性传感器刚体网格网络；
步骤2、刚体网格位置误差校正：
步骤2.1、让被测物体进行预定的标定运动；
步骤2.2、通过获取被测物体进行标定运动时的惯性传感器输出的运动姿态数据，并结合已知的惯性传感器在惯性传感器刚体网格网络中的网格位置关系，对惯性传感器刚体网格网络进行网格位置的标定和网格位置关系校正，获得惯性传感器刚体网格网络的精确位置关系模型；
步骤3、当被测物体进行实际运动时，其上的惯性传感器刚体网格网络的各个惯性传感器实时采集输出相应的运动姿态数据，并通过对这些运动姿态数据进行实时解算，得到各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态；
步骤4、网格节点数据动态误差校正；
步骤4.1、基于步骤2所得到的惯性传感器刚体网格网络的精确位置关系模型和步骤3所得到的各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态，计算各个惯性传感器节点的信息置信度权重，并获得该运动姿态下，惯性传感器刚体网格网络的信息置信度模型；
步骤4.2、根据惯性传感器刚体网格网络的各个惯性传感器所感知的运动姿态数据，分别计算其他惯性传感器的运动姿态估计；
步骤4.3、根据步骤4.1所得到的惯性传感器刚体网格网络的信息置信度模型，进行惯性传感器刚体网格网络的各个网格节点之间的迭代计算，并得到惯性传感器刚体网格网络的各个网格节点精确姿态数据；
步骤4.4、将惯性传感器刚体网格网络的权重中心质点的精确姿态数据作为最终感知的被测物体的运动姿态。
上述步骤1中，所有惯性传感器节点构成的是对等式的惯性传感器网格网络。
实现上述方法的基于惯性传感器刚体网格的物体运动姿态感知***，其特征是，该***由数据处理单元和2个以上具有刚性空间位置关系的惯性传感器节点组成；
惯性传感器节点，负责感知运动姿态数据，并通过通信网络将运动姿态数据传递给数据处理单元；
数据处理单元，负责对各个惯性传感器节点的运动姿态数据进行动态分析，并通过刚体网格位置误差校正和网格节点数据动态误差校正，融合解算出各个惯性传感器节点的精确运动姿态数据。
上述方案中，所有惯性传感器节点构成对等式惯性传感器刚体网格网络。
上述方案中，惯性传感器节点通过有线和/或无线方式与数据处理单元连接。
与现有技术相比，本发明将传感器刚体网格定位技术、自适应权重分配技术和多惯性传感器信息融合技术相结合，具有如下特点：
1、使用多个惯性传感器节点构成的对等式传感器网格网络，将多个传感器节点姿态感应数据进行分析融合，从而计算出网格***所附着的物体的完整运动姿态；
2、各个惯性传感器节点之间具有刚性空间位置关系，其空间位置关系也成为其信息置信度权重的影响因素，从而可以通过单个传感器的运动姿态数据，估算出其他节点的运动姿态，为其他节点的误差校正提供参考依据；
3、采用动态误差参考权重模型，传感器网格网络权重模型并无固定中心，各个惯性传感器节点之间为平等关系，其各个节点的误差参考权重，由刚体网格***的运动姿态估计、节点之间的空间位置关系来共同决定其误差参考权重，并不断进行迭代校正，最终获取到高精度的运动姿态数据；
4、通过使用特定的物体标定运动对惯性传感器的刚体网格进行位置标定，对其网格位置关系进行误差校正，从而为后续的误差模型迭代计算提供精确的精确网格位置关系。
附图说明
图1为基于惯性传感器刚体网格的物体运动姿态感知方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。
基于惯性传感器刚体网格的物体运动姿态感知***，由数据处理单元和2个以上的惯性传感器节点组成。惯性传感器节点构成对等式传感器刚体网格网络，各个惯性传感器节点之间具有刚性空间位置关系，且各网格节点之间为无中心的对等关系，从而可以通过单个惯性传感器的运动姿态数据，估算出其他节点的运动姿态，为其他节点的误差校正提供参考依据。惯性传感器节点负责感知运动姿态数据(加速度、角速度、磁场矢量等)，并通过通信网络将运动姿态数据传递给数据处理单元。数据处理单元负责对各个惯性传感器节点的运动姿态数据进行动态分析，并通过刚体网格位置误差校正和网格节点数据动态误差校正，融合解算出各个惯性传感器节点的精确运动姿态数据。
上述***所实现的基于惯性传感器刚体网格的物体运动姿态感知方法，如图1所示，其具体包括步骤如下：
步骤1、在被测物体上，使用2个以上具有刚性空间位置关系的惯性传感器作为网格节点，构造具有2个以上节点且节点间形成刚性空间结构的惯性传感器刚体网格网络；
步骤2、刚体网格位置误差校正：
步骤2.1、让被测物体进行预定的标定运动；
步骤2.2、通过获取被测物体进行标定运动时的惯性传感器输出的运动姿态数据，并结合已知的惯性传感器在惯性传感器刚体网格网络中的网格位置关系，对惯性传感器刚体网格网络进行网格位置的标定和网格位置关系校正，获得惯性传感器刚体网格网络的精确位置关系模型；
步骤3、当被测物体进行实际运动时，其上的惯性传感器刚体网格网络的各个惯性传感器实时采集输出相应的运动姿态数据，并通过对这些运动姿态数据进行实时解算，得到各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态；
步骤4、网格节点数据动态误差校正；
步骤4.1、基于步骤2所得到的惯性传感器刚体网格网络的精确位置关系模型和步骤3所得到的各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态，计算各个惯性传感器节点的信息置信度权重，并获得该运动姿态下，惯性传感器刚体网格网络的信息置信度模型；
步骤4.2、根据惯性传感器刚体网格网络的各个惯性传感器所感知的运动姿态数据，分别计算其他惯性传感器的运动姿态估计；
步骤4.3、根据步骤4.1所得到的惯性传感器刚体网格网络的信息置信度模型，进行惯性传感器刚体网格网络的各个网格节点之间的迭代计算，并得到惯性传感器刚体网格网络的各个网格节点精确姿态数据；
步骤4.4、将惯性传感器刚体网格网络的权重中心质点的精确姿态数据作为最终感知的被测物体的运动姿态。
本发明通过在刚体物体上，使用多个具有刚性空间位置关系的惯性传感器作为网格节点，构造具有多个多节点、节点间形成刚性空间结构的传感器网格***，从而进行刚体物体的精确姿态数据计算。通过对多惯性传感器数据的实时解算，形成刚体网格***的初步运动姿态估计；根据当前的初步运动姿态估计参数，动态分配各节点的信息置信度权重，计算出姿态误差的参考权重模型。通过各个惯性传感器误差参考权重模型，结合已知的刚体网格空间位置，进行多传感器之间的误差迭代校正。从而实现对传感器网格的各个节点的运动姿态感知数据的动态精确校正，解算出各个网格节点、网格***中心的精确姿态数据。本发明可提高惯性传感器的运动参数感知精度，实现运动物体的实时运动轨迹、运动姿态的精确感知追踪。其中关键的的步骤包括刚体网格位置误差校正和网格节点数据动态误差校正。
刚体网格位置误差校正：在被测物体上安置具有刚***置关系的惯性传感器网格***，使物体进行特定的标定运动，如水平静止、自由落体运动等，通过获取物体进行标定运动时的惯性传感器网格节点的运动姿态输出数据，结合已知的惯性传感器网格位置关系，对其进行网格位置的标定，对网格位置关系进行校正，从而获取到误差校正后的惯性传感器刚体网格的精确位置关系，为后续的姿态数据校正提供精确的刚***置关系模型。
网格节点数据动态误差校正：当被测物体进行运动时，惯性传感器刚体网格的各个传感器节点将会实时采集输出相应的运动姿态数据(加速度、角速度、磁场矢量等)，这些运动姿态数据通过有线或无线的方式传递给数据处理单元，进行刚体网格运动姿态的整体初步估计，从而得到刚体网格的中心点的运动方向、速度、转角等整体运动数据。并结合网格的精确位置关系模型，计算各个网格节点的信息置信度权重，从而得到在该运动姿态下，网格节点的信息置信度模型。在此基础之上，根据惯性传感器网格节点的运动姿态感知数据，分别计算其他节点的运动姿态估计，并根据网格节点的信息置信度模型，进行各个节点之间的误差迭代计算，并得到所有网格节点的误差校正模型。根据该误差校正模型，对各个网格节点的运动姿态数据进行误差补偿校正，从而得到各个网格节点的精确运动姿态数据，并计算出网格***权重中心质点精确姿态数据。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims (5)

1.基于惯性传感器刚体网格的物体运动姿态感知方法，其特征是，包括如下步骤：
步骤1、在被测物体上，使用2个以上具有刚性空间位置关系的惯性传感器作为网格节点，构造具有2个以上节点且节点间形成刚性空间结构的惯性传感器刚体网格网络；
步骤2、刚体网格位置误差校正：
步骤2.1、让被测物体进行预定的标定运动；
步骤2.2、通过获取被测物体进行标定运动时的惯性传感器输出的运动姿态数据，并结合已知的惯性传感器在惯性传感器刚体网格网络中的网格位置关系，对惯性传感器刚体网格网络进行网格位置的标定和网格位置关系校正，获得惯性传感器刚体网格网络的精确位置关系模型；
步骤3、当被测物体进行实际运动时，其上的惯性传感器刚体网格网络的各个惯性传感器实时采集输出相应的运动姿态数据，并通过对这些运动姿态数据进行实时解算，得到各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态；
步骤4、网格节点数据动态误差校正；
步骤4.1、基于步骤2所得到的惯性传感器刚体网格网络的精确位置关系模型和步骤3所得到的各个惯性传感器初步估计的惯性传感器刚体网格网络的运动姿态，计算各个惯性传感器节点的信息置信度权重，并获得该运动姿态下，惯性传感器刚体网格网络的信息置信度模型；
步骤4.2、根据惯性传感器刚体网格网络的各个惯性传感器所感知的运动姿态数据，分别计算其他惯性传感器的运动姿态估计；
步骤4.3、根据步骤4.1所得到的惯性传感器刚体网格网络的信息置信度模型，进行惯性传感器刚体网格网络的各个网格节点之间的迭代计算，并得到惯性传感器刚体网格网络的各个网格节点精确姿态数据；
步骤4.4、将惯性传感器刚体网格网络的权重中心质点的精确姿态数据作为最终感知的被测物体的运动姿态。
2.根据权利要求1所述的基于惯性传感器刚体网格的物体运动姿态感知方法，其特征是，步骤1中，所有惯性传感器节点构成的是对等式的惯性传感器网格网络。
3.实现权利要求1所述方法的基于惯性传感器刚体网格的物体运动姿态感知***，其特征是，该***由数据处理单元和2个以上具有刚性空间位置关系的惯性传感器节点组成；
惯性传感器节点，负责感知运动姿态数据，并通过通信网络将运动姿态数据传递给数据处理单元；
数据处理单元，负责对各个惯性传感器节点的运动姿态数据进行动态分析，并通过刚体网格位置误差校正和网格节点数据动态误差校正，融合解算出各个惯性传感器节点的精确运动姿态数据。
4.根据权利要求3所述的基于惯性传感器刚体网格的物体运动姿态感知***，其特征是，所有惯性传感器节点构成对等式惯性传感器刚体网格网络。
5.根据权利要求3所述的基于惯性传感器刚体网格的物体运动姿态感知***，其特征是，惯性传感器节点通过有线和/或无线方式与数据处理单元连接。
CN201710827423.4A 2017-09-14 2017-09-14 基于惯性传感器刚体网格的物体运动姿态感知方法和*** Active CN107421537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710827423.4A CN107421537B (zh) 2017-09-14 2017-09-14 基于惯性传感器刚体网格的物体运动姿态感知方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710827423.4A CN107421537B (zh) 2017-09-14 2017-09-14 基于惯性传感器刚体网格的物体运动姿态感知方法和***

Publications (2)

Publication Number Publication Date
CN107421537A CN107421537A (zh) 2017-12-01
CN107421537B true CN107421537B (zh) 2020-07-17

Family

ID=60433359

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710827423.4A Active CN107421537B (zh) 2017-09-14 2017-09-14 基于惯性传感器刚体网格的物体运动姿态感知方法和***

Country Status (1)

Country Link
CN (1) CN107421537B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108627153B (zh) * 2018-05-11 2022-06-07 南京大学 一种基于惯性传感器的刚体运动追踪***及其工作方法
CN109001787B (zh) * 2018-05-25 2022-10-21 北京大学深圳研究生院 一种姿态角解算与定位的方法及其融合传感器
CN112050829B (zh) * 2019-06-06 2023-04-07 华为技术有限公司 一种运动状态确定方法及装置
CN112147898B (zh) * 2020-09-29 2022-05-31 陕西师范大学 一种仅依赖控制方向信息的刚体***抗扰控制方法及***
CN112729317B (zh) * 2020-12-17 2023-09-19 大陆投资(中国)有限公司 用于定位车辆的方法和车载***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818555A (zh) * 2006-03-29 2006-08-16 北京航空航天大学 安装误差角与标度因数解耦的微惯性测量单元精确标定方法
CN102706347A (zh) * 2012-05-17 2012-10-03 南京航空航天大学 一种惯性传感器网络节点装置及其信息融合方法
CN103616710A (zh) * 2013-12-17 2014-03-05 靳文瑞 基于fpga的多传感器组合导航时间同步***
US8795078B1 (en) * 2006-07-14 2014-08-05 Ailive Inc. Method and system providing compatibility between two different controllers
CN106052719A (zh) * 2016-08-01 2016-10-26 中科创达软件股份有限公司 一种陀螺仪校准方法和装置
CN106979781A (zh) * 2017-04-12 2017-07-25 南京航空航天大学 基于分布式惯性网络的高精度传递对准方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150092048A1 (en) * 2013-09-27 2015-04-02 Qualcomm Incorporated Off-Target Tracking Using Feature Aiding in the Context of Inertial Navigation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1818555A (zh) * 2006-03-29 2006-08-16 北京航空航天大学 安装误差角与标度因数解耦的微惯性测量单元精确标定方法
US8795078B1 (en) * 2006-07-14 2014-08-05 Ailive Inc. Method and system providing compatibility between two different controllers
CN102706347A (zh) * 2012-05-17 2012-10-03 南京航空航天大学 一种惯性传感器网络节点装置及其信息融合方法
CN103616710A (zh) * 2013-12-17 2014-03-05 靳文瑞 基于fpga的多传感器组合导航时间同步***
CN106052719A (zh) * 2016-08-01 2016-10-26 中科创达软件股份有限公司 一种陀螺仪校准方法和装置
CN106979781A (zh) * 2017-04-12 2017-07-25 南京航空航天大学 基于分布式惯性网络的高精度传递对准方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种新的MEMS陀螺温度误差建模与补偿方法;孙田川，刘洁瑜;《压电与声光》;20170228;第39卷(第1期);全文 *
基于WiFi和惯性传感器的多信息融合室内定位***的设计与实现;姚志锋;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170215;全文 *

Also Published As

Publication number Publication date
CN107421537A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
CN107421537B (zh) 基于惯性传感器刚体网格的物体运动姿态感知方法和***
CN105589064B (zh) Wlan位置指纹数据库快速建立和动态更新***及方法
CN105588566B (zh) 一种基于蓝牙与mems融合的室内定位***及方法
CN104884902B (zh) 用于三轴磁力计和三轴加速度计的数据融合的方法和装置
CN107516326B (zh) 融合单目视觉和编码器信息的机器人定位方法和***
CN111091587B (zh) 一种基于视觉标志物的低成本动作捕捉方法
CN109612471B (zh) 一种基于多传感器融合的运动体姿态解算方法
CN113324544B (zh) 一种基于图优化的uwb/imu的室内移动机器人协同定位方法
CN107941211B (zh) 基于二阶级联的多元素融合定位方法、装置及电子设备
CN107621266B (zh) 基于特征点跟踪的空间非合作目标相对导航方法
US20170205490A1 (en) Coverage optimization for sensor networks
Ibrahim et al. Inertial measurement unit based indoor localization for construction applications
CN106370178B (zh) 移动终端设备的姿态测量方法及装置
CN107246872B (zh) 基于mems传感器和vlc定位融合的单粒子滤波导航装置和方法
Gong et al. Robust inertial motion tracking through deep sensor fusion across smart earbuds and smartphone
CN114111776B (zh) 定位方法及相关装置
CN111983660A (zh) Gnss拒止环境下四旋翼无人机定位***和方法
CN115134741B (zh) 一种uwb基站异常检测方法及电子设备
CN111932637B (zh) 一种车身相机外参自适应标定方法和装置
Liu et al. An autonomous positioning method for fire robots with multi-source sensors
JP4818260B2 (ja) インターフェロメトリック・センシングシステム
CN107888289B (zh) 基于可见光通信与惯性传感器融合的室内定位方法及平台
CN112284381B (zh) 视觉惯性实时初始化对准方法及***
CN110375773B (zh) Mems惯导***姿态初始化方法
CN114046800B (zh) 一种基于双层滤波框架的高精度里程估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant