CN110487270A - 一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 - Google Patents
一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 Download PDFInfo
- Publication number
- CN110487270A CN110487270A CN201910791829.0A CN201910791829A CN110487270A CN 110487270 A CN110487270 A CN 110487270A CN 201910791829 A CN201910791829 A CN 201910791829A CN 110487270 A CN110487270 A CN 110487270A
- Authority
- CN
- China
- Prior art keywords
- human body
- infrared sensor
- measurement unit
- inertial measurement
- sensor network
- 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.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004807 localization Effects 0.000 title claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 230000005021 gait Effects 0.000 claims abstract description 13
- 238000002156 mixing Methods 0.000 claims abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 239000002245 particle Substances 0.000 claims description 21
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000012952 Resampling Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 210000004197 pelvis Anatomy 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 241000700647 Variola virus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- -1 steel structure Chemical class 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/165—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 combined with non-inertial navigation instruments
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
- G01J5/34—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using capacitors, e.g. pyroelectric capacitors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/11—Arrangements specific to free-space transmission, i.e. transmission through air or vacuum
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,属于电子定位领域,该方法具体包括由可穿戴惯性测量单元获取运动数据,构建人体运动模型、利用环境中的红外传感器网络所观测的数据,融合室内地图信息减小积累误差和采用定位融合算法实现人体室内精确定位。本发明采用红外传感器网络观测数据,融合室内地图信息进行精确室内定位,人体运动模型算法通过步态识别、步长估计和航向估计构建出佩戴手环人员的运动模型,利用环境中布置的红外传感器网络进行辅助定位,消除因时间积累的误差,进一步提高定位精度,最后通过定位跟踪融合算法确定人***置。
Description
技术领域
本发明属于电子定位技术领域,具体涉及一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法。
背景技术
新世纪以来我国逐步进入老年化社会,老年人的生活质量和独立生活保障成为问题,智能家居能很好的解决这些需求,智能家居产品中很多需要基于被服务人员的位置信息。传统的GPS全球网络定位***在室外可以实现很好的定位,在室内有钢构、家电等金属材料的干扰和信号强度的衰减导致室内不能实现精确定位。
发明内容
本发明的目的在于提供一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,该方法具体包括如下步骤:
S1、由可穿戴惯性测量单元获取运动的加速度、角速度数据,构建人体运动模型;
S2、利用环境中的红外传感器网络所观测的新的位置节点数据,融合室内地图信息减小积累位置节点误差;
S3、采用定位融合算法实现人体室内精确定位。
作为一种优选的实施方式,所述的S1中,可穿戴惯性测量单元固定在腰部盆骨位置,所述的构建人体运动模型的算法为改进的步行者行位推算算法。
作为一种优选的实施方式,所述的改进的步行者行位推算算法包括如下步骤:
a、利用双自适应阈值的步态识别,使用传感器得到原始加速度幅值;
b、利用低通滤波平滑处理去除高频噪声和尖刺;
c、通过处理后波形的波峰和波谷和阈值的大小进行步态识别,设置更新阈值的限制条件作为能量突变的缓冲作用。
作为一种优选的实施方式,所述的步骤a中,采用走路的频率和加速度方差的线性组合表示步长;由可穿戴惯性测量单元的传感器通过对垂轴方向上的角速度积分估计行走时的航向角变化。
作为一种优选的实施方式,所述的S2中,环境中的红外传感器网络配置带有标识的热释电红外传感器节点,每个节点检测一个区域,当处于红外传感器区域内的人从一个区域移至另一个区域时,会触发新的节点,触发的新节点信息融合环境地图时可以用于定位时的限制条件。
上述方案中,需要说明的是,红外触发信息可达性的概率模型为:
式中,为热释电红外传感器网络观测值,为新触发的观测值给定时人在位置的概率,为位置的可达性,作为预设环境地图信息。
作为一种优选的实施方式,所述的S3中,定位跟踪融合算法包括如下步骤:
1)根据输入可穿戴惯性测量单元传感器得到的加速度、角速度数据,热释电红外传感器网络观测值,地图信息以及重新采样阈值,初始化粒子的位置、航向、和权值,检测步态;
2)若检测到一步则估计步长和航向,根据扩散粒子更新粒子的权值,将粒子权值归一化,计算整体粒子有效值;
3)若粒子有效值小于重新采样阈值,实施重新采样,否则估计并输出人的位置。
与现有技术相比,本发明的有益效果是:
本发明采用红外传感器网络观测数据,融合室内地图信息进行精确室内定位,人体运动模型算法通过步态识别、步长估计和航向估计构建出佩戴手环人员的运动模型,利用环境中布置的红外传感器网络进行辅助定位,消除因时间积累的误差,进一步提高定位精度,最后通过定位跟踪融合算法确定人***置。
附图说明
图1为本发明的热释电红外传感器红外节点队列信息处理流程图;
图2为本发明的定位跟踪融合算法的算法流程图。
具体实施方式
下面结合实施例对本发明做进一步的描述。
以下实施例用于说明本发明,但不能用来限制本发明的保护范围。实施例中的条件可以根据具体条件做进一步的调整,在本发明的构思前提下对本发明的方法简单改进都属于本发明要求保护的范围。
本发明提供一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,该方法具体包括如下步骤:
S1、由可穿戴惯性测量单元获取运动的加速度、角速度数据,构建人体运动模型;
S2、利用环境中的红外传感器网络所观测的新的位置节点数据,融合室内地图信息减小积累位置节点误差;
S3、采用定位融合算法实现人体室内精确定位。
本实施方案中,人体运动模型算法通过步态识别、步长估计和航向估计构建出佩戴手环人员的运动模型,利用环境中布置的红外传感器网络进行辅助定位,消除因时间积累的误差,进一步提高定位精度,最后通过定位跟踪融合算法确定人***置。
具体的,步骤S1中,可穿戴惯性测量单元固定在腰部盆骨位置,使传感器可以保持良好的数据坐标系;构建人体运动模型的算法为改进的步行者行位推算算法,改进的步行者行位推算算法包括如下步骤:
a、利用双自适应阈值的步态识别,使用传感器得到原始加速度幅值;原始加速度幅值由三轴上的加速度值计算:
c、通过处理后波形的波峰和波谷和阈值的大小进行步态识别,设置更新阈值的限制条件作为能量突变的缓冲作用。
式中,ax、ay、az分别为传感器三个坐标轴上的加速度;
b、将原始加速度幅值通过低通滤波器进行平滑处理去除高频噪声和尖刺;
c、通过处理后波形的波峰和波谷和阈值的大小进行步态识别,在一个滑动窗口中搜索信号波形的波峰和波谷,如果波峰超过阈值TH且波谷低于阈值TL视为完整的一步,再使用Vn-1、Vn、Pn、Pn-1来动态更新阈值TH、TL,其中Vn、Pn为前一步波峰和波谷值,Vn-1、Pn-1、为更前一步的波峰和波谷值;
更新过程为:
式中,K为更新阈值的限制条件,TL为低阈值、TH为高阈值、C1,C2为系数由实验测得,设置K为Pn、Pn-1中较小的值,可作为能量突然变化的缓冲作用。
更具体的,步骤a中,采用走路的频率和加速度方差的线性组合表示步长Sk:
Sk=α·Fk+β·ak+γ;
式中,α、β、γ在校准阶段通过实验预先得到,Fk和ak为走路频率和加速度方差:
式中,tk和tk-1为每步被检测到的时间,n和为在一步周期内的采样数和加速度均值。
由放在腰部的传感器通过对垂轴方向上的角速度积分估计行走时的航向角变化:
θk=θk-1+θt+θa;
θt=ωtT+θt-1+nt;
式中,θt-1为上一个采样点是的积累角度,T为采样周期,nt为白噪声,N为当前存活粒子数,K为修正航向程度缩放因子;
最后得出人体运动模型为:
式中,Lk为第k步时的位置矢量,nk为过程噪声。
具体的,请参阅图1,图1为本发明的热释电红外传感器红外节点队列信息处理流程图;红外传感器网络使用带有标识的热释电红外传感器,将传感器节点独立配置在天花板上,将室内划分为多个矩形区域,天花板上的每个节点检测一个矩形区域,当室内人员从一个区域移至另一个区域时会触发新节点,触发的新节点信息融合环境地图时用于定位的限制条件,红外触发信息可达概率模型定义为:
式中为新触发的观测值给定时人在位置的概率,为位置的可达性,作为预设环境地图信息。
更具体的,人体运动模型构建通过可穿戴惯性测量单元传感器得到运动的加速度和角速度数据,结合红外传感网络确定是否有新节点触发,若有判断是否在缓存队列中存在,若没有新节点触发,判断最早触发的节点存在时间是否超过阈值,若有移出队列,若没有判断是否终止,若终止则结束,上述判断是否在缓存队列中存在,若存在则加入队列,移至队列尾部,继续判断是否最早触发节点存在的时间超过阈值。
具体的,请参阅图2,定位跟踪融合算法包括如下步骤:
1)根据输入可穿戴惯性测量单元传感器得到的加速度、角速度数据,热释电红外传感器网络观测值,地图信息以及重新采样阈值,初始化粒子的位置、航向、和权值,检测步态;
2)若检测到一步则估计步长和航向,根据扩散粒子更新粒子的权值,将粒子权值归一化,计算整体粒子有效值;
3)若粒子有效值小于重新采样阈值,实施重新采样,否则估计并输出人的位置。
更具体的,通过定位跟踪融合算法确定人***置,请参阅图2,图2为本发明的定位跟踪融合算法的算法流程图;初始化各个粒子的初始位置航向权值,根据公式进行步态检测,若检测不到继续检测,若检测到则进行预测,估计得到步长,航向,再根据公式扩散粒子,更新粒子权值,归一化处理,计算粒子整体有效值,判断是否大于阈值,若大于输出人的位置,若小于继续进行步态检测。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,该方法具体包括如下步骤:
S1、由可穿戴惯性测量单元获取运动的加速度、角速度数据,构建人体运动模型;
S2、利用环境中的红外传感器网络所观测的新的位置节点数据,融合室内地图信息减小积累位置节点误差;
S3、采用定位融合算法实现人体室内精确定位。
2.根据权利要求1所述的基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,所述的S1中,可穿戴惯性测量单元固定在腰部盆骨位置,所述的构建人体运动模型的算法为改进的步行者行位推算算法。
3.根据权利要求2所述的基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,所述的改进的步行者行位推算算法包括如下步骤:
a、利用双自适应阈值的步态识别,使用传感器得到原始加速度幅值;
b、利用低通滤波平滑处理去除高频噪声和尖刺;
c、通过处理后波形的波峰和波谷和阈值的大小进行步态识别,设置更新阈值的限制条件作为能量突变的缓冲作用。
4.根据权利要求3所述的基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,所述的步骤a中,采用走路的频率和加速度方差的线性组合表示步长;由可穿戴惯性测量单元的传感器通过对垂轴方向上的角速度积分估计行走时的航向角变化。
5.根据权利要求1所述的基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,所述的S2中,环境中的红外传感器网络配置带有标识的热释电红外传感器节点,每个节点检测一个区域,当处于红外传感器区域内的人从一个区域移至另一个区域时,会触发新的节点,触发的新节点信息融合环境地图时可以用于定位时的限制条件。
6.根据权利要求1所述的基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法,其特征在于,所述的S3中,定位跟踪融合算法包括如下步骤:
1)根据输入可穿戴惯性测量单元传感器得到的加速度、角速度数据,热释电红外传感器网络观测值,地图信息以及重新采样阈值,初始化粒子的位置、航向、和权值,检测步态;
2)若检测到一步则估计步长和航向,根据扩散粒子更新粒子的权值,将粒子权值归一化,计算整体粒子有效值;
3)若粒子有效值小于重新采样阈值,实施重新采样,否则估计并输出人的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910791829.0A CN110487270A (zh) | 2019-08-26 | 2019-08-26 | 一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910791829.0A CN110487270A (zh) | 2019-08-26 | 2019-08-26 | 一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110487270A true CN110487270A (zh) | 2019-11-22 |
Family
ID=68554126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910791829.0A Pending CN110487270A (zh) | 2019-08-26 | 2019-08-26 | 一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110487270A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117824624A (zh) * | 2024-03-05 | 2024-04-05 | 深圳市瀚晖威视科技有限公司 | 一种基于人脸识别的室内追踪定位方法、***及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232792A1 (en) * | 2011-03-08 | 2012-09-13 | Seiko Epson Corporation | Positioning apparatus and positioning method |
CN103889049A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人工业技术研究院 | 基于惯性测量元件辅助的无线信号室内定位***与方法 |
CN104061934A (zh) * | 2014-06-10 | 2014-09-24 | 哈尔滨工业大学 | 基于惯性传感器的行人室内位置跟踪方法 |
-
2019
- 2019-08-26 CN CN201910791829.0A patent/CN110487270A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232792A1 (en) * | 2011-03-08 | 2012-09-13 | Seiko Epson Corporation | Positioning apparatus and positioning method |
CN103889049A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人工业技术研究院 | 基于惯性测量元件辅助的无线信号室内定位***与方法 |
CN104061934A (zh) * | 2014-06-10 | 2014-09-24 | 哈尔滨工业大学 | 基于惯性传感器的行人室内位置跟踪方法 |
Non-Patent Citations (1)
Title |
---|
李振宇: "基于 IMU 和红外传感器网络的室内人体定位方法", 《传感器与微***》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117824624A (zh) * | 2024-03-05 | 2024-04-05 | 深圳市瀚晖威视科技有限公司 | 一种基于人脸识别的室内追踪定位方法、***及存储介质 |
CN117824624B (zh) * | 2024-03-05 | 2024-05-14 | 深圳市瀚晖威视科技有限公司 | 一种基于人脸识别的室内追踪定位方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104457751B (zh) | 室内外场景识别方法及*** | |
CN108632761B (zh) | 一种基于粒子滤波算法的室内定位方法 | |
CN109579853B (zh) | 基于bp神经网络的惯性导航室内定位方法 | |
WO2019136918A1 (zh) | 一种室内定位的方法、服务器及定位*** | |
CN104359480B (zh) | 一种利用惯性导航与Wi‑Fi指纹的混合室内定位方法 | |
CN107339992B (zh) | 一种基于行为的室内定位和地标语义标识的方法 | |
Edel et al. | An advanced method for pedestrian dead reckoning using BLSTM-RNNs | |
CN107966161B (zh) | 基于fft的步行检测方法 | |
CN108844533A (zh) | 一种基于多传感器融合和姿态解算的自由姿态pdr定位方法 | |
TW201425878A (zh) | 多姿態步距校正定位系統與方法 | |
CN109323695A (zh) | 一种基于自适应无迹卡尔曼滤波的室内定位方法 | |
JP2011099753A (ja) | 測位装置、及びこれを用いたセンサ情報の統合解析による見守りシステム | |
CN106840163A (zh) | 一种室内定位方法及*** | |
CN113566820B (zh) | 一种基于位置指纹和pdr算法的融合人行定位方法 | |
Kumar et al. | A unified grid-based wandering pattern detection algorithm | |
CN108592907A (zh) | 一种基于双向滤波平滑技术的准实时步进式行人导航方法 | |
Pei et al. | Using motion-awareness for the 3D indoor personal navigation on a Smartphone | |
Gobana | Survey of Inertial/magnetic Sensors Based pedestrian dead reckoning by multi-sensor fusion method | |
CN107203271B (zh) | 基于多传感器融合技术的双手识别方法 | |
CN110487270A (zh) | 一种基于可穿戴惯性测量单元和红外传感器网络的室内人体定位方法 | |
Xu et al. | An indoor pedestrian localization algorithm based on multi-sensor information fusion | |
CN102297692A (zh) | 用于智能轮椅在转角区域的自定位方法 | |
CN110366109A (zh) | 一种用于室内目标的定位方法及*** | |
Moder et al. | Smartphone-based indoor positioning utilizing motion recognition | |
CN110333479A (zh) | 复杂室内环境下一种基于改进粒子滤波的无线定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191122 |
|
WD01 | Invention patent application deemed withdrawn after publication |