CN113203416A - 一种针对摆臂行人的行人航位推算方法 - Google Patents
一种针对摆臂行人的行人航位推算方法 Download PDFInfo
- Publication number
- CN113203416A CN113203416A CN202110296433.6A CN202110296433A CN113203416A CN 113203416 A CN113203416 A CN 113203416A CN 202110296433 A CN202110296433 A CN 202110296433A CN 113203416 A CN113203416 A CN 113203416A
- Authority
- CN
- China
- Prior art keywords
- pitch angle
- sequence
- pedestrian
- psi
- index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 abstract description 28
- 230000005021 gait Effects 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Telephone Function (AREA)
Abstract
本发明公开了一种针对摆臂行人的行人航位推算方法,包括以下步骤:S1:利用惯性传感器采集行人的俯仰角序列、方位角序列、时间序列、惯性测量单元频率和定位周期,并计算步伐完成俯仰角和步伐完成手机航向;S2:计算步伐完成航向;S3:利用惯性传感器采集行人的测量步长、俯仰角幅度和加速度振幅数据,并计算步伐完成步长;S4:利用PDR算法,根据步伐完成航向和步伐完成步长进行航位推算。本发明通过分析摆臂行走的姿势,改进了传统的PDR***,提升了行人摆臂行走时步伐检测以及航向估计的准确性。当行人在使用手机定位同时摆臂行走时,本发明将具有比传统PDR***更高的精确度。
Description
技术领域
本发明属于室内定位技术领域,具体涉及一种针对摆臂行人的行人航位推算方法。
背景技术
目前,基于IMU的行人航位推算(PDR)***将导致定位误差的积累。更重要的是,许多当前基于智能手机的PDR***要求用户的手机相对于用户是固定的。不仅如此,PDR***中的一些研究甚至没有分析用户携带手机的方式,这将在PDR***的步伐检测和航向估计中造成巨大的误差。当行人正常行走时,他们总是向前看,并自然地周期性地来回摆动手臂。在这种情况下,其他PDR***无法正确确定用户的运动方向,这使得这些***不适用于带有摆臂的行人。
发明内容
本发明的目的是为了解决行人航位推算的问题,提出了一种针对摆臂行人的行人航位推算方法。
本发明的技术方案是:一种针对摆臂行人的行人航位推算方法包括以下步骤:
S1:利用惯性传感器采集行人的俯仰角序列、方位角序列、时间序列、惯性测量单元频率和定位周期,并计算步伐完成俯仰角和步伐完成手机航向;
S2:根据步伐完成俯仰角和步伐完成手机航向,计算步伐完成航向;
S3:利用惯性传感器采集行人的测量步长、俯仰角幅度和加速度振幅数据,并计算步伐完成步长;
S4:利用PDR算法,根据步伐完成航向和步伐完成步长进行航位推算。
进一步地,步骤S1包括以下子步骤:
S13:设置索引阈值Δi、角度阈值Δθ和时间差Δt,并进行初始化;
S14:在俯仰角序列和方位角序列中,标记θi取俯仰角序列中最大值或最小值时的索引,并存入第一索引序列中,标记ψi取方位角序列中最大值或最小值时的索引,并存入第二索引序列中,其中,θi表示俯仰角序列中第i个俯仰角数据,ψi表示方位角序列中第i个方位角数据;
S15:根据第一索引序列和第二索引序列分别在俯仰角序列和时间序列中确定步伐完成俯仰角与俯仰角和方位角取得最值的时间并去除步伐完成俯仰角中最大俯仰角和最小俯仰角之差不超过初始化后俯仰角阈值Δθ的俯仰角数据,去除俯仰角和方位角取得最值的时间中步距时间间隔不超过初始化后时间差Δt的时间数据;
S16:选择第二索引序列中满足i-Δi<j<i+Δi的索引,并存入第三索引序列中,若第i个俯仰角数据θi是最大值,则标记第三索引序列中第n个方位角数据ψn处于最大值的索引,否则,标记第三索引序列中第n个方位角数据ψn处于最小值的索引;
进一步地,步骤S2包括以下子步骤:
S22:根据初始化后的第一偏移量Δψ1和第二偏移量Δψ2,计算步伐完成时人的航向γi;
Δψ1=ψ1-ψd
其中,ψ1表示第一次达到最大俯仰角时的手机航向,ψd表示初始行进方向的手机航向;
假设用户右手握住手机并斜着走,则挥舞手臂的过程可以直接简化为周期性地改变俯仰角。当用户将手向前挥动到最高位置时,他的左脚完成步行步骤,并且俯仰角达到最小;当用户将手向后挥动到最高位置时,他的右脚完成步行步骤,并且俯仰角达到最大。
Δψ2=ψ2-ψd
其中,ψ2表示第一次达到最小俯仰角时的手机航向。
γi=ψi-Δψ1
其中,ψi表示方位角序列中第i个方位角数据,Δψ1表示第一偏移量;
否则,步伐完成时人的航向γi的计算公式为:
γi=ψi-Δψ2
其中,Δψ2表示第二偏移量。
进一步地,步骤S3包括以下子步骤:
S31:利用惯性传感器采集行人的测量步长、俯仰角幅度AMPθ和加速度振幅AMPa,并进行步长拟合;
S32:对步长拟合的结果进行加权处理,得到步长的初步目标函数;
S33:根据步长的初步目标函数,构建最优目标函数;
S34:根据最优目标函数,构建步长目标函数,并根据步长目标函数计算步伐完成步长。
进一步地,步骤S31中,进行步长拟合的计算公式为:
其中,SL1表示通过俯仰角振幅拟合得到的步长函数,SL2表示通过加速度振幅拟合得到的步长函数,N表示拟合阶数,k表示泰勒公式正常表达值,AMPθ表示俯仰角振幅,AMPa表示加速度振幅,ak表示拟合得到的第一系数,bk表示拟合得到的第二系数。
进一步地,步骤S32中,步长的初步目标函数SL的表达式为:
SL=A·SL1+B·SL2
其中,SL满足E(SL)=A·E(SL1)+B·E(SL2)=(A+B)·l=l,A表示第一参数,B表示第二参数,l表示真实步长,E(SL)表示步长的初步目标函数SL的平均值,E(SL1)表示通过俯仰角振幅拟合得到的步长函数SL1的平均值,E(SL2)表示通过加速度振幅拟合得到的步长函数SL2的平均值;
步骤S33中,最优目标函数minD(SL)的表达式为:
步骤S34中,步长目标函数SL′的计算公式为:
本发明的有益效果是:本发明通过分析摆臂行走的姿势,改进了传统的PDR***,提升了行人摆臂行走时步伐检测以及航向估计的准确性。当行人在使用手机定位同时摆臂行走时,本发明将具有比传统PDR***更高的精确度。
附图说明
图1为行人航位推算方法的流程图;
图2为本发明实施例中直行时步伐检测结果图;
图3为本发明实施例中路径1航向估计结果图;
图4为本发明实施例中路径2航向估计结果图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示,本发明提供了一种针对摆臂行人的行人航位推算方法,包括以下步骤:
S1:利用惯性传感器采集行人的俯仰角序列、方位角序列、时间序列、惯性测量单元频率和定位周期,并计算步伐完成俯仰角和步伐完成手机航向;
S2:根据步伐完成俯仰角和步伐完成手机航向,计算步伐完成航向;
S3:利用惯性传感器采集行人的测量步长、俯仰角幅度和加速度振幅数据,并计算步伐完成步长;
S4:利用PDR算法,根据步伐完成航向和步伐完成步长进行航位推算。
在本发明实施例中,首先考虑行人使用摆臂走路的情况,并使PDR也适用于摆臂行人的场景。在这种情况下,手臂摆动的幅度与用户的身高、性别、体重和其他因素有关。受路况的影响,即使是同一用户,不同的步幅也会有不同的幅度。这种不确定性事件将严重影响航向,步长和步伐检测的准确性。
本发明基于手机欧拉角,提出新的步伐检测以及航向估计算法,改善步长估计方案,使改进PDR算法在行人摆臂行走时具有更高的准确度。
在本发明实施例中,步骤S1包括以下子步骤:
S13:设置索引阈值Δi、角度阈值Δθ和时间差Δt,并进行初始化;
S14:在俯仰角序列和方位角序列中,标记θi取俯仰角序列中最大值或最小值时的索引,并存入第一索引序列中,标记ψi取方位角序列中最大值或最小值时的索引,并存入第二索引序列中,其中,θi表示俯仰角序列中第i个俯仰角数据,ψi表示方位角序列中第i个方位角数据;
S15:根据第一索引序列和第二索引序列分别在俯仰角序列和时间序列中确定步伐完成俯仰角与俯仰角和方位角取得最值的时间并去除步伐完成俯仰角中最大俯仰角和最小俯仰角之差不超过初始化后俯仰角阈值Δθ的俯仰角数据,去除俯仰角和方位角取得最值的时间中步距时间间隔不超过初始化后时间差Δt的时间数据;
S16:选择第二索引序列中满足i-Δi<j<i+Δi的索引,并存入第三索引序列中,若第i个俯仰角数据θi是最大值,则标记第三索引序列中第n个方位角数据ψn处于最大值的索引,否则,标记第三索引序列中第n个方位角数据ψn处于最小值的索引;
在本发明实施例中,行人通常在走路时会挥动手臂,根据摆臂的特性,可以使用俯仰角θ来检测步行步态。与基于加速度的步态检测方法相比,该方法最不可或缺的优势在于,它可以准确地确定用户何时完成了脚步,甚至可以确定该步态完成后手臂的摆动方向。这里描述的摆动方向是指手臂是向前还是向后摆动。该时间信息可以用作随后的航向估计算法和位置确定算法的同步信号。
假设用户右手握住手机并斜着走,则挥舞手臂的过程可以直接简化为周期性地改变俯仰角。当用户将手向前挥动到最高位置时,他的左脚完成步行步骤,并且俯仰角达到最小;当用户将手向后挥动到最高位置时,他的右脚完成步行步骤,并且俯仰角达到最大。在正常的步行过程中,正常人的步行过程中俯仰角的最大和最小变化将超过阈值Δθ,并且步距之间的时间间隔也将超过阈值Δt。经过上述处理,可以确定步伐完成时间和步伐完成俯仰角
由于行走时腕关节、肩关节和肘关节的运动不完全同步,仅用同步信号无法得到手机的准确航向。所以,使用时间附近方位角的绝对最大值(Max)或最小值(Min)来识别手机航向。使用最大值或最小值取决于前后摆动的方位关系。如果向前摆动时的方位角通常大于向后摆动时的方位角,则最大值用于向前摆动,最小值用于向后摆动。基于上述想法,设计了如下步伐检测算法。
在本发明实施例中,步骤S2包括以下子步骤:
S22:根据初始化后的第一偏移量Δψ1和第二偏移量Δψ2,计算步伐完成时人的航向γi;
在本发明实施例中,在上一步步态检测算法中已经获得了其他PDR***用于预测位置的一个关键信息:用户的前进方向即步伐完成时手机航向但是,当行人用摆臂行走时,直接将作为用户的运动方向会导致巨大的航向误差。由于摆臂的特性,手机Y轴的方向并不指向运动方向。当手臂向前或向后摆动时,此偏移也有明显的区别。不难发现,航向之间的偏移量Δψ和方位角ψ也在周期性地变化。在步态检测中计算的和可用于标记此周期性特征,并在完成当前步时获得用户的手臂摆动方向。因此,当中的值为最大俯仰角时,将该偏移量定义为Δψ1。当中的值为最小俯仰角时,将该偏移量定义为Δψ2。通过消除偏移,就可以确定真实的航向。基于上述想法,提出了如下航向估计算法。
Δψ1=ψ1-ψd
其中,ψ1表示第一次达到最大俯仰角时的手机航向,ψd表示初始行进方向的手机航向;
假设用户右手握住手机并斜着走,则挥舞手臂的过程可以直接简化为周期性地改变俯仰角。当用户将手向前挥动到最高位置时,他的左脚完成步行步骤,并且俯仰角达到最小;当用户将手向后挥动到最高位置时,他的右脚完成步行步骤,并且俯仰角达到最大。
Δψ2=ψ2-ψd
其中,ψ2表示第一次达到最小俯仰角时的手机航向。
γi=ψi-Δψ1
其中,ψi表示方位角序列中第i个方位角数据,Δψ1表示第一偏移量;
否则,步伐完成时人的航向γi的计算公式为:
γi=ψi-Δψ2
其中,Δψ2表示第二偏移量。
在本发明实施例中,步骤S3包括以下子步骤:
S31:利用惯性传感器采集行人的测量步长、俯仰角幅度AMPθ和加速度振幅AMPa,并进行步长拟合;
S32:对步长拟合的结果进行加权处理,得到步长的初步目标函数;
S33:根据步长的初步目标函数,构建最优目标函数;
S34:根据最优目标函数,构建步长目标函数,并根据步长目标函数计算步伐完成步长。
在本发明实施例中,在这一步中,需要得到针对摆臂行人的PDR***定位中需要使用的另一个关键信息:步长。由于步行摆臂的周期性,可以发现俯仰角振幅以及加速度振幅都可以反映步长,并且步长与俯仰角振幅和加速度振幅成正比。在这一部分中,提出一种结合俯仰角幅度和加速度振幅数据计算步长的方法。首先,采集真实步长、俯仰角幅度和加速度振幅数据,并拟合成如下N阶泰勒展开多项式,多项式中的阶数N由经验确定,通常不超过5阶。
实际上,由于测量方法以及传感器误差等原因,以上数据会有一定误差。为了减小这种误差,两个步长获得更准确和稳定的结果,对它们进行加权并获得函数。然后,以真实步长的方差为目标函数构造最优问题;通过解决约束优化问题(LP1),可以得到步长SL的最终表达式,从而获得更准确和稳定的步长结果。
在本发明实施例中,步骤S31中,进行步长拟合的计算公式为:
其中,SL1表示通过俯仰角振幅拟合得到的步长函数,SL2表示通过加速度振幅拟合得到的步长函数,N表示拟合阶数,k表示泰勒公式正常表达值,AMPθ表示俯仰角振幅,AMPa表示加速度振幅,ak表示拟合得到的第一系数,bk表示拟合得到的第二系数。
在本发明实施例中,步骤S32中,步长的初步目标函数SL的表达式为:
SL=A·SL1+B·SL2
其中,SL满足E(SL)=A·E(SL1)+B·E(SL2)=(A+B)·l=l,A表示第一参数,B表示第二参数,l表示真实步长,E(SL)表示步长的初步目标函数SL的平均值,E(SL1)表示通过俯仰角振幅拟合得到的步长函数SL1的平均值,E(SL2)表示通过加速度振幅拟合得到的步长函数SL2的平均值;三个函数的真实步长都应该是l,因为是同一组实验数据获得。
步骤S33中,最优目标函数minD(SL)的表达式为:
步骤S34中,步长目标函数SL′的计算公式为:
在计算步伐完成步长时,通过带入参数计算得到。
在本发明实施例中,对于本发明创建的改进PDR算法,以实现对带有摆臂的行人进行实时高精度定位。通过分析摆臂行走的姿势,本发明改进了传统的PDR***并使其适用于这种情况。通过设计一些实验场景,来验证发明提出的各个算法对于行人摆臂行走时得到的航向和步长的准确性。
本实验通过行人使用手机在空旷场地进行摆臂行走,得到欧拉角及加速度各项数据,通过算法生成航向和步长结果。在本实验中,主要考虑在具有摆臂的行人的情况下,提出的改进PDR***与传统PDR***之间的区别。与传统的基于加速度的步伐检测方法(例如峰值检测方法和零交叉检测方法)相比,观察使用俯仰角的峰值进行步伐检测的准确性。当人们用摇臂行走时,俯仰角的变化几乎是一个连续的变化过程,而加速度的变化是一个剧烈的变化过程,这使得传统的步伐检测更有可能失败。
如图2所示,行人摆臂直行时,通过步态检测算法得到的行进步伐检测结果以及步伐完成时的手机航向。从图2中可以看到,俯仰角在步行过程中周期性变化,在每次俯仰角达到最大值或最小值时都能检测到一次步伐。同时,步行过程中方位角在40度-80度范围内波动。当检测到步伐的同时,能够确定手机航向,发现手机航向也在40度-80度范围波动,由于摆臂的特性,手机航向指向的方向并不完全指向运动方向,存在偏移,与前面的分析一致。
接下来,比较在行人摆臂行走(不限于直行)情况下,改进PDR***与传统PDR***在进行步伐检测以及航向估计的准确性。在实验中,设置了两个长路径进行行人动态定位误差分析,分别是TEST ROUTE1(TR1)和TEST ROUTE1(TR2)。设置假阴性(FN)和假阳性(FP)两个指标衡量步伐检测的准确性。收集TR1和TR2中所有的实验数据,并在表1中统计了基于俯仰角的步伐检测算法以及其他两种算法中FP和FN的结果。
表1
FP(%)/FN(%) | 基于俯仰角的步伐检测 | 基于加速度的峰值检测 | 基于加速度的零交叉检测 |
TR1 | 1.45/0.72 | 5.80/0.72 | 7.25/0.00 |
TR2 | 1.80/0.00 | 3.60/0.00 | 9.01/0.00 |
总计 | 1.28/0.32 | 5.14/0.16 | 7.71/0.00 |
显然,基于俯仰角的步伐检测算法具有较高的步伐检测成功率。尽管有时会由于阈值限制而丢失一小部分步伐(主要是因为用户的行为是不可预测的),但这部分相对于整体的影响很小,可以忽略不计。
接下来比较航向估计的准确性,仍然沿着TR1和TR2的轨迹走动。在测试的每个路径中,用户首先打开应用程序,手机正对着路径,然后开始用摆臂走路。这些路线的航向估计结果如图3-图4所示。
在表2中统计了传统算法和改进算法中航向估计的平均绝对误差(MAE)。
表2
平均绝对误差(MAE)/度 | 传统PDR | 改进PDR |
TR1 | 15.4426 | 10.2628 |
TR2 | 12.6512 | 7.2891 |
总计 | 21.1704 | 13.8891 |
可以清楚地看到,本发明提出的航向算法与参考航向比较接近,传统的航向算法往往存在明显的偏差。这主要是因为在用户挥动手臂行走时,手臂的前后摆动会自然地使手机的方向偏离实际方向,这将大大增加传统算法的误差。
基于上述实验结果分析,证明本发明提出的一种针对摆臂行人的改进PDR定位算法能够对带有摆臂的行人进行实时高精度定位。主要贡献是提升了行人摆臂行走时步伐检测以及航向估计的准确性,当行人在使用手机定位同时摆臂行走时,本发明将具有比传统PDR算法更高的精确度。
本发明的工作原理及过程为:在本发明中,首先考虑行人使用摆臂走路的情况,并使PDR也适用于摆臂行人的场景。基于手机欧拉角,提出新的步伐检测以及航向估计算法,改善步长估计方案,使改进PDR算法在行人摆臂行走时具有更高的准确度。
本发明的有益效果为:本发明通过分析摆臂行走的姿势,改进了传统的PDR***,提升了行人摆臂行走时步伐检测以及航向估计的准确性。当行人在使用手机定位同时摆臂行走时,本发明将具有比传统PDR***更高的精确度。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (8)
1.一种针对摆臂行人的行人航位推算方法,其特征在于,包括以下步骤:
S1:利用惯性传感器采集行人的俯仰角序列、方位角序列、时间序列、惯性测量单元频率和定位周期,并计算步伐完成俯仰角和步伐完成手机航向;
S2:根据步伐完成俯仰角和步伐完成手机航向,计算步伐完成航向;
S3:利用惯性传感器采集行人的测量步长、俯仰角幅度和加速度振幅数据,并计算步伐完成步长;
S4:利用PDR算法,根据步伐完成航向和步伐完成步长进行航位推算。
2.根据权利要求1所述的针对摆臂行人的行人航位推算方法,其特征在于,所述步骤S1包括以下子步骤:
S13:设置索引阈值Δi、角度阈值Δθ和时间差Δt,并进行初始化;
S14:在俯仰角序列和方位角序列中,标记θi取俯仰角序列中最大值或最小值时的索引,并存入第一索引序列中,标记ψi取方位角序列中最大值或最小值时的索引,并存入第二索引序列中,其中,θi表示俯仰角序列中第i个俯仰角数据,ψi表示方位角序列中第i个方位角数据;
S15:根据第一索引序列和第二索引序列分别在俯仰角序列和时间序列中确定步伐完成俯仰角与俯仰角和方位角取得最值的时间并去除步伐完成俯仰角中最大俯仰角和最小俯仰角之差不超过初始化后俯仰角阈值Δθ的俯仰角数据,去除俯仰角和方位角取得最值的时间中步距时间间隔不超过初始化后时间差Δt的时间数据;
S16:选择第二索引序列中满足i-Δi<j<i+Δi的索引,并存入第三索引序列中,若第i个俯仰角数据θi是最大值,则标记第三索引序列中第n个方位角数据ψn处于最大值的索引,否则,标记第三索引序列中第n个方位角数据ψn处于最小值的索引;
6.根据权利要求1所述的针对摆臂行人的行人航位推算方法,其特征在于,所述步骤S3包括以下子步骤:
S31:利用惯性传感器采集行人的测量步长、俯仰角幅度AMPθ和加速度振幅AMPa,并进行步长拟合;
S32:对步长拟合的结果进行加权处理,得到步长的初步目标函数;
S33:根据步长的初步目标函数,构建最优目标函数;
S34:根据最优目标函数,构建步长目标函数,并根据步长目标函数计算步伐完成步长。
8.根据权利要求6所述的针对摆臂行人的行人航位推算方法,其特征在于,所述步骤S32中,步长的初步目标函数SL的表达式为:
SL=A·SL1+B·SL2
其中,SL满足E(SL)=A·E(SL1)+B·E(SL2)=(A+B)·l=l,A表示第一参数,B表示第二参数,l表示真实步长,E(SL)表示步长的初步目标函数SL的平均值,E(SL1)表示通过俯仰角振幅拟合得到的步长函数SL1的平均值,E(SL2)表示通过加速度振幅拟合得到的步长函数SL2的平均值;
所述步骤S33中,最优目标函数min D(SL)的表达式为:
所述步骤S34中,步长目标函数SL′的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296433.6A CN113203416B (zh) | 2021-03-19 | 2021-03-19 | 一种针对摆臂行人的行人航位推算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110296433.6A CN113203416B (zh) | 2021-03-19 | 2021-03-19 | 一种针对摆臂行人的行人航位推算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113203416A true CN113203416A (zh) | 2021-08-03 |
CN113203416B CN113203416B (zh) | 2022-07-12 |
Family
ID=77025540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110296433.6A Active CN113203416B (zh) | 2021-03-19 | 2021-03-19 | 一种针对摆臂行人的行人航位推算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113203416B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455427A (zh) * | 2010-10-22 | 2012-05-16 | 南京莱斯信息技术股份有限公司 | 一种修正gps偏移的方法 |
CN102855470A (zh) * | 2012-07-31 | 2013-01-02 | 中国科学院自动化研究所 | 基于深度图像的人体姿态估计方法 |
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 |
CN104075730A (zh) * | 2014-07-02 | 2014-10-01 | 电子科技大学 | 一种步态计步方法及计步器 |
CN104501801A (zh) * | 2014-12-31 | 2015-04-08 | 中国电子科技集团公司第二十九研究所 | 一种室内定位方法 |
CN104535077A (zh) * | 2014-12-29 | 2015-04-22 | 上海交通大学 | 一种基于智能移动终端设备的行人步长估计方法 |
CN105115487A (zh) * | 2015-05-18 | 2015-12-02 | 陈希 | 一种基于信息融合的超市内定位导航方法 |
US20160069690A1 (en) * | 2014-09-08 | 2016-03-10 | Invensense, Inc. | Method and apparatus for using map information aided enhanced portable navigation |
US20170153110A1 (en) * | 2015-11-30 | 2017-06-01 | Yusuke Matsushita | Inertial device, recording medium, and method for positioning |
CN107702711A (zh) * | 2017-09-15 | 2018-02-16 | 上海交通大学 | 一种基于低成本传感器和地图约束的行人航向推算*** |
CN108334827A (zh) * | 2018-01-23 | 2018-07-27 | 大连乾函科技有限公司 | 一种基于智能鞋的步态身份认证方法及智能鞋 |
CN108413957A (zh) * | 2017-12-06 | 2018-08-17 | 上海交通大学 | 使用移动终端在多种携带方式下进行行人航向估计的方法 |
CN108426573A (zh) * | 2017-02-14 | 2018-08-21 | 中兴通讯股份有限公司 | 一种终端设备的行人步态检测方法及终端设备 |
CN108444473A (zh) * | 2018-03-20 | 2018-08-24 | 南京华苏科技有限公司 | 一种行人室内轨迹定位方法 |
CN108759863A (zh) * | 2018-05-08 | 2018-11-06 | 北京航天时代激光导航技术有限责任公司 | 一种激光捷联惯组误差参数快速标定方法及*** |
CN109612463A (zh) * | 2018-10-31 | 2019-04-12 | 南京航空航天大学 | 一种基于侧向速度约束优化的行人导航定位方法 |
CN109855620A (zh) * | 2018-12-26 | 2019-06-07 | 北京壹氢科技有限公司 | 一种基于自回溯算法的室内行人导航方法 |
CN110514226A (zh) * | 2019-09-04 | 2019-11-29 | 电子科技大学 | 一种行人惯性导航的航向校正方法 |
CN111231595A (zh) * | 2020-03-09 | 2020-06-05 | 哈尔滨工业大学 | 一种考虑汽车前后轴动态耦合的半主动悬架控制方法 |
CN111491367A (zh) * | 2020-04-20 | 2020-08-04 | 电子科技大学 | 一种基于群智感知和多融合技术的室内定位算法 |
CN111829516A (zh) * | 2020-07-24 | 2020-10-27 | 大连理工大学 | 一种基于智能手机的自主式行人定位方法 |
-
2021
- 2021-03-19 CN CN202110296433.6A patent/CN113203416B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102455427A (zh) * | 2010-10-22 | 2012-05-16 | 南京莱斯信息技术股份有限公司 | 一种修正gps偏移的方法 |
CN102855470A (zh) * | 2012-07-31 | 2013-01-02 | 中国科学院自动化研究所 | 基于深度图像的人体姿态估计方法 |
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 |
CN104075730A (zh) * | 2014-07-02 | 2014-10-01 | 电子科技大学 | 一种步态计步方法及计步器 |
US20160069690A1 (en) * | 2014-09-08 | 2016-03-10 | Invensense, Inc. | Method and apparatus for using map information aided enhanced portable navigation |
CN104535077A (zh) * | 2014-12-29 | 2015-04-22 | 上海交通大学 | 一种基于智能移动终端设备的行人步长估计方法 |
CN104501801A (zh) * | 2014-12-31 | 2015-04-08 | 中国电子科技集团公司第二十九研究所 | 一种室内定位方法 |
CN105115487A (zh) * | 2015-05-18 | 2015-12-02 | 陈希 | 一种基于信息融合的超市内定位导航方法 |
US20170153110A1 (en) * | 2015-11-30 | 2017-06-01 | Yusuke Matsushita | Inertial device, recording medium, and method for positioning |
CN108426573A (zh) * | 2017-02-14 | 2018-08-21 | 中兴通讯股份有限公司 | 一种终端设备的行人步态检测方法及终端设备 |
CN107702711A (zh) * | 2017-09-15 | 2018-02-16 | 上海交通大学 | 一种基于低成本传感器和地图约束的行人航向推算*** |
CN108413957A (zh) * | 2017-12-06 | 2018-08-17 | 上海交通大学 | 使用移动终端在多种携带方式下进行行人航向估计的方法 |
CN108334827A (zh) * | 2018-01-23 | 2018-07-27 | 大连乾函科技有限公司 | 一种基于智能鞋的步态身份认证方法及智能鞋 |
CN108444473A (zh) * | 2018-03-20 | 2018-08-24 | 南京华苏科技有限公司 | 一种行人室内轨迹定位方法 |
CN108759863A (zh) * | 2018-05-08 | 2018-11-06 | 北京航天时代激光导航技术有限责任公司 | 一种激光捷联惯组误差参数快速标定方法及*** |
CN109612463A (zh) * | 2018-10-31 | 2019-04-12 | 南京航空航天大学 | 一种基于侧向速度约束优化的行人导航定位方法 |
CN109855620A (zh) * | 2018-12-26 | 2019-06-07 | 北京壹氢科技有限公司 | 一种基于自回溯算法的室内行人导航方法 |
CN110514226A (zh) * | 2019-09-04 | 2019-11-29 | 电子科技大学 | 一种行人惯性导航的航向校正方法 |
CN111231595A (zh) * | 2020-03-09 | 2020-06-05 | 哈尔滨工业大学 | 一种考虑汽车前后轴动态耦合的半主动悬架控制方法 |
CN111491367A (zh) * | 2020-04-20 | 2020-08-04 | 电子科技大学 | 一种基于群智感知和多融合技术的室内定位算法 |
CN111829516A (zh) * | 2020-07-24 | 2020-10-27 | 大连理工大学 | 一种基于智能手机的自主式行人定位方法 |
Non-Patent Citations (5)
Title |
---|
MICHELE BASSO等: "Pedestrian Dead Reckoning Based on Frequency Self-Synchronization and Body Kinematics", 《IEEE SENSORS JOURNAL》 * |
丁其星: "基于惯性传感器的行人行为跟踪技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
向高军: "采用微惯性传感器组合的可穿戴式人员定位技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
常梦阳: "基于PDR和地磁的手机端室内定位***研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
张一弛: "基于智能手机的行人航位推算研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113203416B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107635204B (zh) | 一种运动行为辅助的室内融合定位方法及装置、存储介质 | |
CN109413578B (zh) | 一种基于wifi与pdr融合的室内定位方法 | |
Abadleh et al. | Step detection algorithm for accurate distance estimation using dynamic step length | |
CN109636829A (zh) | 一种基于语义信息和场景信息的多目标跟踪方法 | |
US20120123735A1 (en) | Walking situation detection device, walking situation detection method, and walking situation detection program | |
CN108632761A (zh) | 一种基于粒子滤波算法的室内定位方法 | |
KR102226846B1 (ko) | Imu 센서와 카메라를 이용한 하이브리드 실내 측위 시스템 | |
CN104215238A (zh) | 一种智能手机室内定位方法 | |
WO2016180654A1 (en) | Pedometer and method for analyzing motion data | |
CN105022055A (zh) | 一种imu室内定位方法 | |
CN105444763A (zh) | 一种imu室内定位方法 | |
CN111536989B (zh) | 基于峰值检测的自适应时间窗口计步方法 | |
CN112729301A (zh) | 一种基于多源数据融合的室内定位方法 | |
CN101251895A (zh) | 基于高斯混合模型的人体跟踪方法 | |
CN113566820B (zh) | 一种基于位置指纹和pdr算法的融合人行定位方法 | |
Gobana | Survey of Inertial/magnetic Sensors Based pedestrian dead reckoning by multi-sensor fusion method | |
CN110487273B (zh) | 一种水平仪辅助的室内行人轨迹推算方法 | |
CN109708631A (zh) | 一种基于手机模态识别的行人导航航向修正方法 | |
CN112362044A (zh) | 室内定位方法、装置、设备和*** | |
CN114302359B (zh) | 一种基于WiFi-PDR融合的高精度室内定位方法 | |
CN113203416B (zh) | 一种针对摆臂行人的行人航位推算方法 | |
CN104091352A (zh) | 基于结构相似度的视觉跟踪方法 | |
Wu et al. | CWIWD-IPS: A crowdsensing/walk-surveying inertial/Wi-Fi data-driven indoor positioning system | |
CN116249872A (zh) | 具备多个运动估计器的室内定位 | |
Chen et al. | Pedestrian positioning with physical activity classification for indoors |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |