一种基于智能手机的自主式行人定位方法技术

本发明专利技术涉及人导航定位技术领域，提供一种基于智能手机的自主式行人定位方法，包括：步骤1，对手机内置的信息采集设备进行误差校准；步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准；步骤3，采集行人正常行走时的大腿摆动角度信号数据，并进行行人跨步检测；步骤4，利用得到的行人跨步检测结果，基于梯度下降法的航向估计算法，进行陀螺仪与加速度计两种传感器的数据融合并求解四元数；步骤5，利用如下的基于加速度计测量值的步长估计模型，进行行人步长估计；步骤6，利用得到的跨步长估计结果，进行基于粒子滤波的地图匹配。本发明专利技术能够提升行人定位精度，优化定位轨迹，使得滤波后的轨迹更加符合真实情况。

【技术实现步骤摘要】
一种基于智能手机的自主式行人定位方法
本专利技术涉及行人导航定位
，尤其涉及一种基于智能手机的自主式行人定位方法。
技术介绍
基于位置的服务对于人们的生活至关重要，在生活中随处可见与位置信息相关的服务。现有使用最广泛的定位系统是美国的全球定位系统(GlobalPositioningSystem，简称GPS)，而基于GPS的定位技术需要依赖卫星实现定位。GPS可以在露天环境中为行人提供可靠的位置信息，但是在隧道、高层建筑群和室内环境中存在信号阻塞和多路径问题。近年来，基于Wi-Fi、蓝牙(Bluetooth)、射频识别(RadioFrequencyIdentification，简称RFID)、近场通信(NearFieldCommunication，简称NFC)、超宽带(UltraWideBand，简称UWB)、5G、可见光、声源等进行定位的技术层出不穷。有些技术需要在一个相对稳定不变的环境中才能够得到较好的定位效果，部署基础设施的场景一旦发生改变，就会对上述定位技术中捕获的信号产生影响，最终的定位效果也大打折扣。以上几种定位技术虽然能够在GPS失效的场景中提供定位服务，但是都依赖于基础设施的部署和支撑，甚至还需要配备特殊的定位终端，造价成本和技术局限性限制了它们在社会上的应用普及。位置信息的获取依赖于定位设备，将智能手机作为定位载体具有诸多的优势。智能手机作为一种智能移动终端在社会上的普及率高，拥有诸多的用户，行人不需要额外的资金投入。并且智能手机内置了多种传感器，例如加速度计、陀螺仪、磁力计等，可以采集相关传感器数据用于定位。智能手机拥有丰富的计算资源，能够对数据进行处理计算，还可以进行方便友好的人机交互。当今一种常用的行人定位技术如无线局域网定位技术(WirelessLocalAreaNetwork，简称WLAN)，其接入点(AccessPoint，简称AP)能够广播信标帧，通常在一个确定的区域里可以每100ms发送一次，信标帧包含媒体访问控制(MediaAccessControl，简称MAC)地址。移动节点接收这些信号，并根据AP的MAC地址识别对应的AP。可以利用测量到的AP的信号强度(ReceivedSignalStrength，简称RSS)估计用户位置。使用WLAN进行定位时，接收周围三个及以上的AP信号强度，根据RSS测量值估算出接收设备与周围AP的距离，通过三角定位的方法实现定位。然而，将RSS测量值转换为距离时会产生较大的误差，这一问题在室内环境中尤其严重，WLAN信号容易被墙壁反射，还会被室内建筑结构或者人的身体遮挡而产生信号衰减，定位结果不够准确。目前，越来越多研究热点集中在采用MEMS器件(如加速度计和陀螺仪)固定在行人腰部或脚部等地方，对传感器采集数据进行进行多次积分进行行人定位。然而，由于传感器的测量原理、固有缺陷等多方面因素致使多次积分后误差累积过大，航偏严重，无法满足正常的室内定位需求。
技术实现思路
本专利技术主要解决现有技术的行人定位方法依赖外部辅助设备而实现定位以及行人定位跟踪轨迹穿墙的技术问题，提出一种基于智能手机的自主式行人定位方法，在行人航迹推算算法框架下进行了定位，提升行人定位精度，优化定位轨迹，使得滤波后的轨迹更加符合真实情况。具有稳定性高、独立性强和抗干扰性能好等特点。本专利技术提供了一种基于智能手机的自主式行人定位方法，包括以下过程：步骤1，对手机内置的信息采集设备进行误差校准；步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准；步骤3，采集行人正常行走时的大腿摆动角度信号数据，并进行行人跨步检测；步骤4，利用得到的行人跨步检测结果，基于梯度下降法的航向估计算法，进行陀螺仪与加速度计两种传感器的数据融合并求解四元数；步骤5，利用如下的基于加速度计测量值的步长估计模型，进行行人步长估计：其中，M1表示模型一对应的跨步长估计结果，k1表示该跨步长模型对应的参数，accm为剔除本地重力的合加速度值，N表示一个跨步周期里的加速度采样点的个数；步骤6，利用得到的跨步长估计结果，进行基于粒子滤波的地图匹配，实现行人定位的更新；步骤601，在行人航迹推算系统下，利用如下粒子滤波状态转移方程，得到粒子滤波的量测方程，进而得到粒子滤波下一次迭代可能出现的行人航向角和跨步长粒子，进而实现行人定位的更新：粒子滤波的状态转移方程中，系统的状态量为航向角的变化量△ψk和跨步长SLk为系统输入，由航向估计算法和跨步长估计算法得出，由此可以推出粒子滤波的量测方程为：其中，与分别为跨步长的噪声和航向角增量的噪声；步骤602，对步骤601得到的新的粒子利用线段相交模型进行粒子穿墙判断，将相邻两步的粒子进行连线，若该线段与墙体所组成的线段相交，且交点在线段上，则认定该粒子为无效的粒子；以此进行粒子权重更新，完成行人定位的更新。进一步的，所述信息采集设备包括：加速度计、陀螺仪和磁力计。进一步的，步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准，包括以下过程：步骤201，采集人体在初始状态下的姿态数据；步骤202，根据导航系下的重力矢量在传感器坐标系下的投影关系，确定欧拉角中俯仰角和横滚角的数值；步骤203，根据确定的欧拉角中俯仰角和横滚角的数值，并利用得到的航向角，得到完整的初始欧拉角，进而实现姿态解算与系统初始对准。进一步的，步骤3，采集行人正常行走时的大腿摆动角度信号数据，并进行行人跨步检测，包括以下过程：步骤301，输入角度信号γn，对应第n个采样点的大腿角度信号，信号采样频率SR，检测辅助阈值limp和limv；步骤302，若该角度信号满足γn>limp&&γn>γn-1&&γn+1<γn，则记录为第一个波峰值，否则若满足条件γn<limv&&γn<γn-1&&γn+1>γn，则记录为第一个波谷值，将第一个检测出来的波峰值或者波谷值记录为(nb,γb)，nb表示对应的采样点，γb表示对应的角度信号大小；若该角度信号满足γn>limp&&γn>γn-1&&γn+1<γn，且满足该条件的采样点与上一个波峰值对应的采样点距离大于0.3·SR，则记录该点为下一个波峰值，否则若满足条件γn<limv&&γn<γn-1&&γn+1>γn，则记录为下一个波谷值；步骤303，重复执行步骤301至302，直至检测记录所有的波峰值和波谷值；步骤304，波峰值的采样点大于最后一个波谷值，则将最后波峰值记录为(ne,γe)，ne代表对应的采样点，γe代表对应的角度信号大小，否则将最后一个波谷值记录为(ne,γe)。进一步的，步骤4，利用得到的行人跨步检测结果，基于梯度下降法的航本文档来自技高网...

【技术保护点】
1.一种基于智能手机的自主式行人定位方法，其特征在于，包括以下过程：/n步骤1，对手机内置的信息采集设备进行误差校准；/n步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准；/n步骤3，采集行人正常行走时的大腿摆动角度信号数据，并进行行人跨步检测；/n步骤4，利用得到的行人跨步检测结果，基于梯度下降法的航向估计算法，进行陀螺仪与加速度计两种传感器的数据融合并求解四元数；/n步骤5，利用如下的基于加速度计测量值的步长估计模型，进行行人步长估计：/n

【技术特征摘要】
1.一种基于智能手机的自主式行人定位方法，其特征在于，包括以下过程：
步骤1，对手机内置的信息采集设备进行误差校准；
步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准；
步骤3，采集行人正常行走时的大腿摆动角度信号数据，并进行行人跨步检测；
步骤4，利用得到的行人跨步检测结果，基于梯度下降法的航向估计算法，进行陀螺仪与加速度计两种传感器的数据融合并求解四元数；
步骤5，利用如下的基于加速度计测量值的步长估计模型，进行行人步长估计：



其中，M1表示模型一对应的跨步长估计结果，k1表示该跨步长模型对应的参数，accm为剔除本地重力的合加速度值，N表示一个跨步周期里的加速度采样点的个数；
步骤6，利用得到的跨步长估计结果，进行基于粒子滤波的地图匹配，实现行人定位的更新；
步骤601，在行人航迹推算系统下，利用如下粒子滤波状态转移方程，得到粒子滤波的量测方程，进而得到粒子滤波下一次迭代可能出现的行人航向角和跨步长粒子，进而实现行人定位的更新：



粒子滤波的状态转移方程中，系统的状态量为航向角的变化量△ψk和跨步长SLk为系统输入，由航向估计算法和跨步长估计算法得出，由此可以推出粒子滤波的量测方程为：



其中，与分别为跨步长的噪声和航向角增量的噪声；
步骤602，对步骤601得到的新的粒子利用线段相交模型进行粒子穿墙判断，将相邻两步的粒子进行连线，若该线段与墙体所组成的线段相交，且交点在线段上，则认定该粒子为无效的粒子；以此进行粒子权重更新，完成行人定位的更新。


2.根据权利要求1所述的基于智能手机的自主式行人定位方法，其特征在于，所述信息采集设备包括：加速度计、陀螺仪和磁力计。


3.根据权利要求1所述的基于智能手机的自主式行人定位方法，其特征在于，步骤2，采集人体在初始状态下的姿态数据，并进行姿态解算与系统初始对准，包括以下过程：
步骤201，采集人体在初始状态下的姿态数据；
步骤202，根据导航系下的重力矢量在传感器坐标系下的投影关系，确定欧拉角中俯仰角和横滚角的数值；
步骤203，根据确定的欧拉角中俯仰角和横滚角的数值，并利用得到的航向角，得到完整的初始欧拉角，进而实现姿态解算与系统初始对准。


4.根据权利要求1所述的基于智能手机的自主式行人定位方法，其特征在于，步骤3，采集行人正常行走时的大腿摆...

【专利技术属性】
技术研发人员：赵红宇，程万里，仇森，王哲龙，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21