An indoor inertial navigation algorithm based on attitude recognition and step size model, which relates to indoor inertial navigation and positioning field. The inertial sensor is fixed on the pedestrian foot, using Bluetooth to transfer the data to the intelligent mobile phone, according to the characteristics of pedestrian walking foot posture, calculated stride frequency and number of people travel by condition of zero velocity detection method and attitude angle detection method; to guide pedestrians results with statistical classification, establish model used in each step one step, with a pedestrian foot posture and frequency for reference, real-time calibration of IMU results; use the data of electronic compass dynamic compensation algorithm based on sliding mean filter for real-time heading angle, according to the pedestrian pace and heading angle changes to determine whether pedestrians in motion, as usual, on the basis of step model. The invention solves the problems of error accumulation caused by two points integration in the indoor positioning inertial navigation technology, and leads to positioning error, etc., and ensures the accuracy of long distance navigation in the pedestrian room.
【技术实现步骤摘要】
基于姿态识别和步长模型的室内惯性导航算法
:本专利技术涉及室内惯性导航与定位领域,尤其是涉及一种利用惯性传感器和智能手机实现的基于行人脚部姿态识别和步长模型的行人室内惯性导航技术。
技术介绍
:在室内环境,卫星卫星信号到达地面时信号较弱、不能穿透建筑物、无法发挥精确的定位作用。惯性导航是通过测量载体的加速度,并进行积分运算,获得载体瞬时速度和瞬时位置数据的技术。组成惯性导航系统的设备都安装在载体内,工作时不依赖外界信息,也不向外界辐射能量,不易受到干扰,是一种自主式导航设备。惯性导航技术作为一种自主式导航技术,相对其他室内定位技术具有不需要事先在建筑物内布设接收装置、不受环境变化和信号阻挡等影响等优点,成为室内定位技术的研究热点。由于行人在走动时身体运动情况较复杂,而惯性导航算法存在误差累积,这些问题使得惯性导航应用在行人室内导航时的精确性很低,限制了它的广泛应用。室内惯性导航技术的研究从上世纪90年代开始出现,Levi和Judd在1996年首次提出了行人航迹推算(PedestrianDeadReckoning,PDR)的概念,并在PointResearch公司开发的PDR模块中进行了应用。由于人员的运动状态比较复杂,很多科研高校的研究倾向于将惯性传感器佩戴在室内人员身体的一个或多个不同部位,包含头、腿、腰或者脚等,来实现室内行人的导航功能。其中将MEMS(Micro-Electro-MechanicalSystem)惯性传感器佩戴在室内人员的脚部,通过测量获取室内人员的脚步的运动数据来解算室内人员的导航轨迹的实验效果较为精确。传统的惯性导航算法依靠对传感 ...
【技术保护点】
一种基于姿态识别和步长模型的室内惯性导航算法,其特征是,包括以下步骤:(1)行人惯性数据与智能手机传感器数据的采集、传输、存储以及滤波处理;(2)多条件零速度判断法和行人脚部姿态判别相结合,解算得出行人的步频与步数特征;(3)对行人的每一步分别进行惯性导航解算,建立步长模型,作为行人位移的参考值,根据行人运动状态调整步长结果。
【技术特征摘要】
1.一种基于姿态识别和步长模型的室内惯性导航算法,其特征是,包括以下步骤:(1)行人惯性数据与智能手机传感器数据的采集、传输、存储以及滤波处理;(2)多条件零速度判断法和行人脚部姿态判别相结合,解算得出行人的步频与步数特征;(3)对行人的每一步分别进行惯性导航解算,建立步长模型,作为行人位移的参考值,根据行人运动状态调整步长结果。2.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法,其特征在于,采集行人惯性数据时,将惯性传感器佩戴在行人脚部,对惯性传感器数据进行初始校准,消除零偏,设置采样频率100Hz和波特率特征;使用蓝牙模块将器件与智能手机连接,通过手机端的程序记录蓝牙传输到手机的行人惯性数据和手机自身的电子罗盘数据,并存储在手机中。3.根据权利要求2所述的基于姿态识别和步长模型的室内惯性导航算法,其特征在于,对惯性传感器数据进行低通数字滤波,对电子罗盘数据进行滑动均值滤波,消除器件的噪声。4.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法,其特征在于,对处理后的数据进行多条件零速度检测:包括加速度幅值检测、角速度幅值检测和加速度方差检测,设定阈值,对三个检测条件进行与运算求出零速度时间范围;使用加速度计、角速度计和磁力计解算出器件的姿态角信息,根据姿态角检测在零速度检测结果的基础上得到行人零速度时刻。5.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法,其特征在于,进行惯性导航解算,将零速度时的行人加速度置零,把行人的运动以每一步为分割分别计算;统计每一步的步频和对应的惯性导航位移信息,将步频和姿态稳定时的结果进行分类统计并建立步长模型;在行人姿态及步频变化、与模型不匹配时以惯性导航解算为位移结果,当惯性导航结果有累积误差累加的倾向时,把当解算结果不合理的步长舍弃并把该步频对应的步长模型信息作为参考结果,最终将位移及方向信息融合,得到行人导航信息,在手机端显示。6.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法,其特征在于,多条件零速度判断法和行人脚部姿态判别相结合解算得出行人的步频与步数特征的具体实施过程如下:(1)基于加速度计、角速度计和磁力计的行人步频与步数算法;1)对传感器进行初始校准和低通滤波处理,滤除高于5Hz的高频信号,消除传感器的零偏和高频噪声,降低传感器自身的漂移误差;2)使用多条件判断法判定行人的零速度点,分别是加速度幅值、加速度方差和角速度幅值三种检测方法,公式如下:其中,k为当前数据点,b表示载体坐标系b系,c1、c2和c3取逻辑值0或1,是三个轴向上的合加速度的幅值,其阈值thamin和thamax分别设为0.1和1.0,若在此范围内,则将c1置1,表示此时为合加速度幅值判定的“零速度”时刻,否则置0,表示此时为零速度时刻;是合加速度的方差,s是计算方差的数据间隔,设为3或4,其阈值thσ的大小设为0.5,若在此范围内,则将c2置1,表示此时为加速度方差判定的“零速度”时刻,否则置0;是三个轴向上的合角速度的幅值,其阈值thω的大小设为6,若在此范围内,则将c3置1,表示此时为角速度判定的“零速度”时刻,否则置0;最后,将单个条件结果进行“与”运算,求出脚着地,即“零速度”的时刻:c=c1*c2*c3上式的c是逻辑“与”运算的结果;当c取值为1时,说明此刻是“零速度”时刻;当取值为0时,说明是行人运动的“非零”速度时刻;3)通过佩戴在行人脚部的惯性传感器解算行人行走时脚部的姿态数据,方法如下:行人处于静止状态时测得加速度信息中的重力场分量在载体坐标系b系下的表达为而重力场在导航坐标系下的分量为gn=[00g]T,则有转换关系为:其中,是由导航坐标系n系到载体坐标系b系下的转换矩阵,分别是重力在b系下x、y、z三轴的分量;由上式计算获得横滚角γ和俯仰角θ:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。