基于粒子滤波和概率神经网络的步行者定位参数校正

采用粒子滤波器融合全球卫星导航系统GPS和可穿着传感器的测量值,并利用概率神经网络作为分类器,依据从固定时长加速度采样中提取的特征,识别步行者的动作状态,减小了航向角测量误差、步幅估计误差和步数统计误差对航位推算结果的影响,校正了定位参数.通过分析加速度的振动特征估算步行者实时步幅,采用时长比例等效的方法同步采样,进一步优化了系统模型.实验表明,该方案具有较好的定位效果.     

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.     

融合MT2503与MEMS传感器的惯性导航定位算法

为提高惯性导航室内定位算法的精度与连续性,提出一种融合MT2503与MEMS传感器的惯性导航定位算法,算法以MT2503芯片作为定位终端,并将加速度计传感器、陀螺仪,磁力计等传感器与其进行融合,通过加速度计传感器解算步长、步幅、步频,通过陀螺仪与磁力计来识别定位终端微动偏移量,最后在初始位置上累加定位终端位移得出定位终端实时位置。实验证实通过零速修正和卡尔曼滤波对误差进行校正,有效的解决了MEMS(micro-electro mechanical system)定位算法中存在的导航解算误差累积问题,提升了MEMS惯性导航室内定位算法的精度。     

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.     

影响中国男子短跑成绩的主要因素分析与对策

通过对中外百米短跑优秀运动员的运动指标进行相关性数理分析,发现影响百米成绩的主要指标依次是步幅、相对步幅、步频.对步幅、相对步幅、步频进行差异性比较:中外选手在步频上没有显著性差异,步幅、相对步幅具有显著性差异.提出了从多角度提高步幅的建议,为教练员科学训练提供参考。     

辅助室内定位的关键人体姿态识别

基于步行者航位推算的室内定位方法中位移的计算一定程度上依赖于人体姿态的正确识别。原地踏步和走路是其中主要的关键姿态,两者的加速度信号相似,传统方法很难进行高精度的区分,导致航位推算的步长计算错误。基于惯性传感器进行室内场景中八种人体姿态识别研究,根据运动强度的不同采用分层分类法。首先将原地踏步和走路归为一类,通过时域特征结合支持向量机(SVM)进行姿态分类;然后利用加速度的时域和小波特征以及磁场特征,结合Ada Boost方法进行二分类。关键姿态的识别准确率超过96%,对包含复杂运动姿态的步行者室内定位起到更佳的辅助作用。     

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。     

智能室内定位系统研究与实现

针对全球定位系统GPS不能提供令人满意的室内定位结果,提出一种基于空间信息模式下的室内定位技术,通过感知空间环境中的特征信息,采用一种增量式信息构建方式,结合低功耗蓝牙iBeacon以及多种传感器信息,以空间中特征信息区为路标修正行航位推算累积误差,最终实现了稳定独立的室内定位系统。为了验证设计思路的效果,通过与传统行人航位推算算法和iBeacon单点修正航位推算结果进行对比实验,最终结果表明传统航位推算回字形行走平均误差为0.83 m,蛇形行走平均误差为0.95 m;iBeacon单点修正回字形行走平均误差为0.32 m,蛇形行走平均误差为0.30 m;基于空间信息模式环境感知定位方式修正航位推算回字形行走的平均误差为0.29 m,蛇形行走的平均误差为0.09 m。达到了室内定位精度的标准,同时也验证了新方案的有效性以及定位系统的实效性。     

人行悬索桥的步行参数研究

以九峰山人行悬索桥为观测点，采用视频记录与人工筛选相结合的方法获取了 2 236个行人样本的实测数据，进而统计得到人行悬索桥上的行人步行参数（步频、步幅和步速）的分布特性和统计值，并给出了人行悬索桥上的步频-步速、步幅-步速和步频-步幅之间的转换关系式，得到以下结论：1）在人行悬索桥上，全部行人的步行参数都服从正态分布，即步频~N（1.726， 0.258）Hz、步幅~N（0.596， 0.094）m、步速~N（1.013， 0.260）m/s，它们的合理性也在某工程实例的应用中得以验证；2）人行悬索桥上的行人步行参数的均值（标准差）要小于（大于）其他行走环境所统计得到的行人步行参数的均值（标准差）；3）中国人的步频和步幅的均值（标准差）都小于（大于）西方人的步频和步幅的均值（标准差）.因此，在设计我国的人行悬索桥时，不能直接采用其他人种和行走环境的行人步行参数的统计值，而应采用适合于人行悬索桥的步行参数.     

一种基于激光雷达和视觉的行人检测方法

针对一般城市环境的道路交通安全问题,提出了一种联合激光雷达和视觉的行人检测方法.利用激光雷达和摄像头坐标之间的透视变换关系,将环境的深度信息映射到图像中,并使用航位角推算方法同步激光雷达和摄像头,然后提取兴趣区域.在激光雷达聚类过程中,提出了一种基于行人宽度信息的目标分割方法,能有效分割并排行人.在基于视觉的行人检测中,首先根据行人边缘对称性的特点,预处理兴趣区域,然后采用基于Hausdorff距离的模板匹配方法,根据激光雷达的深度信息匹配行人上半身模板.实验结果表明,该方法可以取得较理想的效果.     

基于行人航位推算的后向地磁匹配算法

针对行人航位推算(pedestrian dead reckoning,PDR)定位存在误差累积和智能手机内置传感器精度不高的问题,采用PDR结合地磁的方法进行室内定位研究,提出一种改进的基于PDR的后向地磁匹配算法.在构建地磁基准库阶段,使用克里金插值算法有效减少数据采集所耗费的大量时间并构建出双分辨率地磁基准库.在地磁匹配阶段,改进了基于动态时间规整(dynamic time warping,DTW)的后向地磁匹配算法,改进后的算法避免传统DTW地磁匹配需要全局搜索地磁序列的缺点,在保证定位精度的前提下,增强了定位实时性.实验结果表明,本文算法最大定位误差小于1.5m,可以满足普通室内定位需求.     

山地城市轨道交通车站楼梯行人交通特性分析

为解决山地城市轨道车站楼梯处行人交通特性的描述与解析,在实地采集山地城市轨道车站楼梯处行人数据基础上,分析轨道车站楼梯处行人的步频、步幅、步速特性,建立步频、步幅、步速基本特性间的关系函数,并构建楼梯上行人流量、密度、速度间的关系模型。将山地城市和平原城市轨道交通车站楼梯行人交通特性进行对比分析,结果表明:山地城市轨道交通车站楼梯行人步频、步幅、步速较平原城市相对较小。     

针对车辆与行人检测的ROI自适应分割算法

在基于图像的车辆与行人检测中,针对固定比例/区域的感兴趣区域(Region of Interest, ROI)图像分割适应性低之问题,提出基于消失点和车辆高度的ROI自适应分割算法：首先,利用车道消失点得出道路位置,避免分割区域浪费;其次,综合车辆实际高度和检测距离计算图像上车辆高度,定位ROI边界,减少车辆及行人目标的不完整分割;最后,循环利用当前帧的车道消失点及其推导的实时俯仰角更新下一帧ROI,实时适应不断变化的路面坡度及车身俯仰姿态。实验表明,该算法计算简单,适应性强,满足不同情况下快速精确的ROI分割要求,提高后续目标检测的实时性和准确性。     

基于GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.