一种基于微机械电子系统惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算(pedestrian dead reckoning,PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(micro electro mechanical system,MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman filter,KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态;并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

基于神经网络的航位推算导航

针对航位推算法中陀螺仪对方向测量存在较大噪声,进而导致航位推算误差较大的问题,提出一种基于神经网络的航位推算方法.该方法利用神经网络考察加速度测量值与方向测量值之间的时变关系,从而在不使用陀螺仪的情况下,通过该时变关系使用加速度值计算方向值,进而完成水下自主航行器(AUV)的航位推算导航.结果表明,该算法能在仅使用加速度计的情况下完成航位推算导航,因此可避免近海面由陀螺仪噪声导致的航位推算误差问题.仿真实验证明了该算法准确率较高.     

多传感器融合的手机室内三维定位试验

以智能手机为用户端平台,利用行人航迹推算(pedestrian dead reckoning,PDR)改进算法和气压测高原理设计了三维多传感器融合定位的扩展卡尔曼滤波器,基于Android操作系统开发了手机传感器融合的室内三维定位程序。最后,利用中国矿业大学室内外无缝定位试验场进行了定位算法性能评估。结果表明,三维融合定位方法能有效抑制漂移误差,定位精度和可靠性能够满足室内应用环境的要求,且定位精度优于WiFi方法和常规PDR方法。     

融合地图信息与WiFi地标的室内粒子滤波定位算法

目前行人航迹推算(pedestrian dead reckoning,PDR)和WiFi指纹定位成为室内定位的主流技术,WiFi指纹定位由于无线信号的波动性导致定位结果不稳定,PDR算法随着应用时间的延长传感器累计误差增大,同样会导致定位精度降低。本研究提出一种基于地图信息的粒子滤波(particle filter,PF)与WiFi地标相结合的混合定位算法(WL+PF)。该算法通过地图信息约束粒子的位置,同时利用WiFi信号峰值检测相应地标信息,对观测信息修正的同时,更新粒子权重,从而实现最终的定位。实验结果表明,优化后的算法定位精度优于其他常规滤波融合定位算法。     

运动分类步频调节的微机电惯性测量单元室内行人航迹推算

行人航迹推算(pedestrian dead reckoning, PDR)作为一种新兴的导航定位方法, 因其不易受外界环境因素影响而受到广泛关注. 针对室内行人航迹推算, 采集并分析了微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)数据, 设计了运动分类的区间对称步频检测, 并建立了步频调节的步长估计模型, 最后提出了运动分类步频调节的MEMS-IMU室内行人航迹推算, 从而实现较精准的定位. 针对不同个体, 对步频调节的步长估计模型进行个性化标定, 以进一步提高室内行人航迹推算性能. 验证结果表明: 与传统峰值非线性方法相比, 运动分类步频调节的MEMS-IMU室内行人航迹推算的定位误差降低了32.6%, 使短距离室内行人航迹推算在无其他定位技术支持的情况下具有较高精度.     

一种改进的行人导航算法研究

目前大多行人导航系统的研究都以手持手机、绑在腰间等单一姿态为前提,并未考虑行人使用手机过程中同时存在接电话、放在上衣口袋等多种姿态的情况.分析了行人使用手机的4种常见姿态,基于行人航迹推算(pedestrian dead reckoning,PDR)算法设计了一种改进的行人导航算法.利用神经网络(back propagation,BP)模型对手机姿态进行智能识别,设计了一种新的步态检测算法来对多姿态下的步态进行有效检测,并将行人行走过程分为单一姿态与姿态切换过程,对2个过程的航向进行了修正.软件测试结果表明,多姿态下实现系统定位精度在20‰以内,达标率在85％以上,应用于导航系统能够提供准确、可靠、持续的位置信息.     

基于GPS/MEMS惯性传感器的消防员室内定位研究

文章基于Android手机上常见的全球定位系统(Global Positioning System,GPS)芯片和微机电系统(Micro-Electro-Mechanical System,MEMS)惯性传感器进行消防员室内定位研究,在初始位置由GPS确定后,结合传统四元数惯性导航定位算法和基于行人航位推算(pedestrian dead reckoning,PDR)的步伐检测以及零速修正算法(zero velocity update,ZUPT)进行惯性导航,当误差累积时再利用GPS定位进行实时位置的精确修正,从而实现了独立的无需外部信号设施的自主式室内导航定位,可在火场等恶劣环境下使用。     

基于智能手机MARG传感器的行人导航算法

对于手持式移动设备的定位导航需求,特别是在室内无法接收到GPS信号的恶劣环境,提出了一种基于智能手机上的磁力计,陀螺仪和加速度计（magnetic,angular rate and gravity, MARG）传感器的行人导航算法,该算法在行人航迹推算的基础上,利用数字低通滤波器滤波后的加速度计三轴模值数据,对行人步态进行检测,采用经验模型对行人步长进行估计,并结合扩展卡尔曼滤波器,采用自适应的方式实时调整测量噪声协方差矩阵,将MARG传感器融合数据用于最佳航向角估算。在智能手机平台上进行测试验证,实验结果表明,在无磁或有磁干扰环境下,所提出的行人导航算法均可保证准确、可靠、持续的位置信息。     

基于WiFi定位的区域人群轨迹模型

针对传统的室内WiFi定位方法难以解决大型活动及区域间流动人群轨迹分析需要这一问题,提出了基于三边测量定位和信号强度(RSSI)的应用于大型场馆、复杂环境下的人群定位新方法,实现区域内人员定位、区域内外人群划分、区域内人群流量分析。使用基于一种概率统计预测算法进行人群轨迹预测,建立了WiFi区域内人群轨迹模型,通过进一步建立的跨区域人群移动轨迹模型,实现大跨度区域间人群流动分析。通过搭建WiFi区域人群轨迹模型验证系统,使用2016年贵阳数博会数据,进行了数据可视化分析,证明了模型的有效性。     

室内行人航迹推算/超声波组合定位融合算法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算与超声波定位组合,提出基于平方根无迹卡曼滤波的噪声权因子辅助协方差加权融合算法,并将全局最优融合状态作为反馈量引入算法。针对超声波对行人航向角测量困难,采用一种简单有效的几何方法。仿真结果表明:在模拟的室内动态环境中,包括在多路径效应和惯性累积误差的影响下,融合算法始终比单模型定位精度高,并有很好的收敛性、稳定性与适应性,对室内定位技术研究与应用具有重要意义。     

一种风力摆控制系统

设计了一种基于MSP430系列单片机的风力摆控制系统,利用陀螺仪MPU6050实时采集摆杆的姿态信息,再通过PID算法处理数据,改变直流电机的转速,控制风力摆的运动轨迹.实验结果表明,风力摆能实现定长直线运动轨迹、圆周运动轨迹及快速制动,具有低功耗、性能稳定、摆动轨迹准确的特点.     

基于视频的交叉口目标轨迹自动采集

提出了一种基于视频的交叉口内目标运动轨迹自动采集方法.首先利用ViBe(Visual Background Extractor)算法提取目标前景,然后提出了基于光流的目标跟踪OPC(object-point-contour)算法,最后基于透视变换得到目标的真实轨迹和运动参数.方法可采集交叉口内所有交通对象的类别、轨迹、速度与加速度信息,并对目标停滞与遮挡现象有较好的跟踪稳定性.经检验,该方法对机动车、非机动车和行人的轨迹提取准确率分别为88.89%、86.00%和83.33%,速度提取准确率为91.71%,为交叉口管理与安全研究提供一种视频处理和数据采集手段.     

一种新的羽毛球拍挥拍轨迹识别方法

为了更加精确地识别羽毛球拍的运动轨迹,提出一种多传感器融合的挥拍轨迹识别方法(TRM,trajectory recognition method).使用放置在球拍拍柄底部的智能设备进行数据采集,该设备由加速度计、陀螺仪和磁力计的多传感器组成.首先,使用加速度计和磁力计对陀螺仪进行修正,改进基于卡尔曼滤波器的四元数姿态解算精度并得到姿态角.其次,使用旋转矩阵去除加速度的重力分量,再对加速度数据进行频域数值积分得到速度和位移,采用最小二乘拟合多项式剔除数值积分过程中产生的累积误差.最后,结合姿态角、速度和位移,识别出挥拍轨迹.实验结果表明,提出的TRM具有良好的有效性.与传统时域积分轨迹识别方法相比,TRM的挥拍轨迹识别率更高.TRM可以更准确地进行羽毛球拍运动轨迹识别.     

基于三角定位算法的WiFi室内定位系统设计

【目的】改善室内定位系统的质量,提高室内定位的准确率和效率。【方法】利用无线WiFi信号自身的特点,在Android平台的基础上设计一种基于三角定位算法的WiFi室内定位系统。【结果】实验测试结果表明该WiFi室内定位系统能准确地进行室内定位。【结论】基于三角定位算法的WiFi室内定位系统定位准确率高,具有很高的商业使用价值。     

基于层次聚类的WiFi室内位置指纹定位算法

提出一种利用WiFi信号指纹实现对室内区域进行定位的CL-KNN(complete linkage K-nearest neighbor)算法.该算法先采用层次聚类方法对测试环境进行区域划分,再根据相应的WiFi信号指纹信息进行匹配,最后通过加权计算确定定位结果.实验结果表明,在WiFi热点数量足够多的情况下,与原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以获得更高的定位精度和准确率.     

一种基于卡尔曼滤波器的智能手机姿态估算算法

利用内置陀螺仪估算姿态可实现基于智能手机的惯性导航系统,但测量噪声导致姿态无限漂移,使得基于智能手机的惯性导航系统具有一定的局限.根据该不足,提出一种基于卡尔曼滤波的姿态估算算法,通过融合陀螺仪的姿态估算结果和加速度计的测量结果得到高精度的智能手机姿态,并利用集成在智能手机的惯性导航算法得到参考姿态,避免使用较昂贵的测量设备.首先介绍了一种智能手机和内置惯性传感器的初始参数,用于计算智能手机的姿态.然后比较了6次从自由落体到静止和绕x轴缓慢旋转360°场景时智能手机的参考姿态、基于陀螺仪的估算姿态和基于推荐算法的姿态.实验结果表明基于推荐算法的智能手机姿态精度最高且没有漂移现象,该结果论证了本工作对提高智能手机姿态的精度具有可行性.     

室内剔除行人特征点的视觉SLAM算法

针对视觉SLAM系统在室内场景下易受行人干扰,导致定位精度和稳定性下降的问题,提出了一种室内剔除行人特征点的视觉SLAM算法,该算法在传统的ORB＿SLAM2算法中集成了一个新的动态目标检测线程,此线程使用YOLOV5s目标检测算法识别并剔除行人动态信息。首先,系统对YOLOV5s引入坐标注意力机制,提取图像中与目标相关的特征;其次,将彩色图像同时输入到ORB＿SLAM2算法和动态目标检测线程中,ORB＿SLAM2算法实时估计相机位姿,动态目标检测线程识别和剔除行人动态目标,从而减少其对ORB＿SLAM2算法的干扰;最后,将2个线程的输出融合至静态地图构建线程,生成无行人干扰的地图构建结果。针对文中算法,在不同数据集下开展试验验证。结果表明：相对于ORB＿SLAM2算法,改进算法在TUM的高动态数据集中绝对轨迹精度提高了96.51%,相对轨迹精度提高了96.57%,相对轨迹误差的旋转精度提高了96.47%。室内剔除行人特征点的视觉SLAM算法充分过滤了行人特征点,提高了SLAM系统的精度,为室内导航、建图等领域提供了一种新的解决方案。     

基于手机多源传感器的室内火灾行人行为识别

针对室内火灾情境下人员安全的有效监控问题,提出了一种基于手机多源传感器的室内火灾行人细粒度行为识别与匹配方法.借助手机内置多源传感器完成对行人当前表征行为特征的数据采集,在异常子序列探测后提取行为特征向量,利用基于关键点序列的动态时间规整(Key-DTW)算法或者相应训练成型的分类模型分别对特征各异的行为进行匹配、理解;并对不同传感器组合方式和不同设备位置的识别能力进行比较;最后,综合识别结果进而分析行人当前生理、心理、位置状态,为室内应急救援工作提供决策信息.经模拟试验验证,该方法不仅能够对行人应激性细粒度行为有较高的识别准确率,对于持久性的动作也有着很高的匹配精确性和效率.     

球形电动机三维旋转运动轨迹插值算法

限空间内三维旋转运动轨迹规划插值算法是三自由度永磁球形动机轨迹规划及实现的重要内容.本文提出了一种基于数字积分欧拉角插补算法.首先采用欧拉角表示法建立球形电机的正逆运动学模型,然后阐述了有限空间内球形电机旋转运动轨迹的数字积分欧拉轨迹插补算法,最后并对该插值算法进行仿真验证,仿真结果证明了该算法的可行性.