一种基于建筑楼梯场景智能识别的行人导航方法技术

本发明专利技术公开了一种基于建筑楼梯场景智能识别的行人导航方法。步骤为：将惯性传感器设置于行人足部，令行人在建筑内场景下进行多次行走，包括平地步行、上楼梯和下楼梯场景，建立基于步态特征的场景识别模型；行人在建筑物内行走时，采集惯性传感数据，包括加速度信息和陀螺仪信息；对行人行走的姿态、速度和位置进行预测；判断足部是否处于零速状态，若处于零速状态，则通过卡尔曼滤波器对预测的速度和位置信息进行校正；判断行人在建筑物内的行走场景，若行人处于上下楼梯状态，则基于建筑物地图中的楼梯位置，通过卡尔曼滤波对行人位置进行校正。本发明专利技术提高了行人在有楼梯的建筑物内行走时的定位精度。

A Pedestrian Navigation Method Based on Intelligent Recognition of Building Stair Scene

【技术实现步骤摘要】
一种基于建筑楼梯场景智能识别的行人导航方法
本专利技术属于行人导航
，特别涉及了一种基于建筑楼梯场景的行人导航方法。
技术介绍
行人导航系统是导航定位领域的一个重要分支，近年来得到了越来越多研究人员的关注，被广泛运用于救援抢险、军事作战等领域。传统行人导航主要采用GPS定位技术，但GPS信号在室内以及城市环境下存在信号丢失现象，且民用精度较差，无法满足人们室内的导航需求。随着微机电系统(micro-electromechanicalsystem,MEMS)技术的发展，MEMS惯性测量单元的体积小，功耗低，质量轻，便于携带等优点逐渐凸显，对于以MEMS-IMU为基础的室内行人导航系统的研究也已经成为热点。惯性传感器存在着时间累计的漂移误差，是行人导航位置航向发散的主要误差来源。通过零速修正算法，可以抑制速度误差发散并提高导航精度。由于位置及航向误差的可观测性差，零速修正算法无法对位置及航向误差进行修正，随着时间的累积最终会使轨迹发散。
技术实现思路
为了解决上述
技术介绍
提到的技术问题，本专利技术提出了一种基于建筑楼梯场景智能识别的行人导航方法。为了实现上述技术目的，本专利技术的技术方本文档来自技高网...

【技术保护点】
1.一种基于建筑楼梯场景智能识别的行人导航方法，其特征在于，包括以下步骤：(1)将惯性传感器设置于行人足部，令行人在建筑内场景下进行多次行走，包括平地步行、上楼梯和下楼梯场景，建立基于步态特征的场景识别模型；(2)行人在建筑物内行走时，采集惯性传感数据，包括加速度信息和陀螺仪信息；(3)基于惯性导航算法，对行人行走的姿态、速度和位置进行预测；(4)基于惯性传感数据，判断足部是否处于零速状态，若处于零速状态，则通过卡尔曼滤波器对预测的速度和位置信息进行校正；否则，直接进入步骤(5)；(5)基于惯性传感数据和步骤(1)建立的场景识别模型，判断行人在建筑物内的行走场景，若行人处于上下楼梯状态，则基于...

【技术特征摘要】
1.一种基于建筑楼梯场景智能识别的行人导航方法，其特征在于，包括以下步骤：(1)将惯性传感器设置于行人足部，令行人在建筑内场景下进行多次行走，包括平地步行、上楼梯和下楼梯场景，建立基于步态特征的场景识别模型；(2)行人在建筑物内行走时，采集惯性传感数据，包括加速度信息和陀螺仪信息；(3)基于惯性导航算法，对行人行走的姿态、速度和位置进行预测；(4)基于惯性传感数据，判断足部是否处于零速状态，若处于零速状态，则通过卡尔曼滤波器对预测的速度和位置信息进行校正；否则，直接进入步骤(5)；(5)基于惯性传感数据和步骤(1)建立的场景识别模型，判断行人在建筑物内的行走场景，若行人处于上下楼梯状态，则基于建筑物地图中的楼梯位置，通过卡尔曼滤波对行人位置进行校正；否则，跳转至步骤(2)。2.根据权利要求1所述基于建筑楼梯场景智能识别的行人导航方法，其特征在于，在步骤(1)中，建立基于步态特征的场景识别模型的具体过程如下：(101)记行人的第j个步态为Tj，利用行人的步态特征将该单个步态Tj分为活动数据段Tj1和非活动数据段Tj2，取Tj1作为该步态的特征取值范围；(102)记为第j个步态采集的惯性样本数据，N为样本个数，则采集特征向量T＝(accxmin,accysk,acczmax,accmax,gyroxmean,gyroyvar,gyrozmax,gyrozmean,gyrozsk,gyrozvar,hdiff,Vmax)，上式中：其中，为第j个步态内的第n个时刻机体系相对于惯性系的加速度在机体系X、Y、Z轴上的分量；为第j个步态内的第n个时刻时刻机体系相对于惯性系的加速度在机体系X、Y、Z轴上的量；Vn(jn)为第j个步态内的第n个时刻在导航系下的速度；n＝1,2,…,N；h(j)为第j个步态在导航系下的初始高度；E表示数学期望；(103)采用随机森林算法训练场景识别模型。3.根据权利要求2所述基于建筑楼梯场景智能识别的行人导航方法，其特征在于，步骤(103)的具体过程如下：(a)利用bootstrap采样为每棵决策树生成训练集：记训练集D＝(X,Y)，X为获取的步态特征，Y为每个特征对应的标记，从数据集D中有放回地随机抽取与D同样大小的训练样本(D1,D2,...,Dn)，利用每个训练样本Di来训练构造一个决策树；(b)构建决策树：对于训练样本Di，从总属性S中随机不放回地抽取数量为L的部分属性，构成该决策树的属性集合Ai，利用其进行决策树训练；(c)生成随机森林：将平地步行场景标记为0，上楼梯场景标记为1，下楼梯场景标记为2，重复上述步骤(b)，训练获得多棵决策树得到场景识别模型。4.根据权利要求1所述基于建筑楼梯场景智能识别的行人导航方法，其特征在于，在步骤(3)中，采用下式预测姿态：上式中：其中，q0(k)、q1(k)、q2(k)、q3(k)为k时刻的姿态四元数，q0(k-1)、q1(k-1)、q2(k-1)、q3(k-1)为k-1时刻的姿态四元数，为k时刻机体系相对于惯性系的角速度，为k时刻机体系相对于导航系的角速度在机体系X、Y、Z轴上的分量，ΔT为采样周期，为k-1时刻的姿态转移矩阵，为k-1时刻导航系相对于惯性系的角速度在导航系X、Y、Z轴上的分量，为k-1时刻载体速度在导航系X、Y、Z轴上的分量，L(k-1)、h(k-1)为k-1时刻载体的纬度和高度，RM、RN为地球的子午圈与卯酉圈半径，ωie为地球自转角速度；采用下式预测速度：上式中，分别为机体系相对于惯性系的加速度在机体系X、Y、Z轴上的分量的估计值，为k时刻载体速度在导航系X、Y、Z轴上的分量，g为重力加速度；采用下式预测位置：上式中，λ(k)、L(k)、h(k)为k时刻经度、纬度与高度，λ(k-1)、L(k-1)、h(k-1)为k-1时刻经度、纬度与高度。5.根据权利要求1所述基于建筑楼梯场景智能识别的行人导航方法，其特征在于，在步骤(4)中，判断足部是否处于零速状态的方法如下：利用三条件判别法判别零速时刻：其中，为k时刻机体系相对于惯性系的加速度在机体系X、Y、Z轴上的分量，为k时刻机体系相对于惯性系的加速度在机体系X、Y、Z轴上的分量；为判别阈值，w为滑动窗口，上方横线表示取平均运算；最终的零速检测结果为ZUPT(k)＝C1&am...

【专利技术属性】
技术研发人员：朱超群，吕品，赖际舟，袁诚，叶素芬，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32