基于MIMU的自适应步态检测算法

行人步态检测精度对个人导航系统至关重要。针对当前行人自主导航系统中常规步态检测算法不能适用于多种运动状态下的步态检测问题,提出了一种基于微惯性测量单元（MIMU）的自适应步态检测算法。该算法首先利用加速度计三轴模值方差、单轴方差差别和波形相位识别4种不同的行走状态,包括前进、快跑、后退和横向行走,然后针对不同的行走状态设置自适应阈值,实现各类运动状态下的自适应步态检测。利用实验室自主研发的MIMU固定在腰部脊椎位置进行实验验证,数据显示,前进行走和快跑步态检测精度可达99%,后退和横向行走步态检测精度可达93%。实验证明,自适应步态检测算法适用于个人导航系统。     

基于序列检测的行人导航航向误差修正算法研究

针对行人自主定位MEMS惯性器件存在随时间累积的漂移误差导致航向发散的问题,提出一种有步态约束(转弯0°,90°或180°)的序列检测方法。通过训练行人不同的步行行为数据得到步态序列模板,根据所匹配模板下的航向约束实时地修正航向漂移误差。为了验证算法的有效性,在室内结构规则化的走廊进行多次行走实验,行走路程为500 m,实验结果表明,所提方法可以有效地抑制行人导航航向发散的现象,定位误差约为总路程的0.7%。     

行人动态实时监测系统的设计与实现

针对视频场景中行人动态信息监测的需求,设计实现了一种行人动态实时监测系统。首先,通过YOLOv3检测算法对场景中行人进行目标检测,在此基础上结合改进的KCF实现多行人目标的跟踪并获取对应下底边中心点。之后结合场景标定结果完成行人图像与三维空间位置监测、场景行人计数和行人行走速度等动态信息监测。通过实验表明,该系统不仅能够较好地完成视频场景下行人目标检测与跟踪,也能够精准完成以上信息动态实时监测的任务,为实际理论研究与工程应用奠定重要基础。     

航向约束的行人导航算法研究

针对MEMS惯性器件随时间累积零漂误差大及航向误差可观测性差,导致行人导航航向发散的问题,提出一种基于主方向的航向修正算法。基于行人沿直线行走航向角保持在常值范围内的事实,当航向发生变化时,将行人当前的航向与主航向的偏差作为观测值,利用EKF进行误差估计从而修正航向,最后将导航模块固定在鞋面上进行约200 m的行走实验。实验结果表明,该方法能有效地抑制航向发散,定位误差约为总行走路程的1%。     

基于自适应UKF的UWB/PDR行人定位系统

UWB(Ultra-Wide Band)无线通讯技术在室内导航定位领域获得了广泛的应用，然而基于UWB的行人定位系统在复杂室内环境下的稳定性不佳，导致定位误差增大。为了解决这一问题，文中提出了一种基于自适应无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的UWB/PDR(Pedestrian Dead Reckoning)行人定位系统。该系统利用无迹卡尔曼滤波算法将PDR模型与UWB的定位信息进行融合，以得到最优位置估计，随后利用UWB定位与PDR系统所获得的步长差概率密度函数来计算定位点的非视距评估概率，并将评估结果作用于系统的自适应噪声调整，以此提高系统对环境的适应性。实验验证结果表明，该系统可有效降低复杂环境下定位误差，提高行人定位结果的精度和稳定性，平均定位精度达到10 cm以内。     

室内行人自主定位算法的研究

室内定位与导航在军事单兵系统、消防定位和大型场馆引导领域都拥有非常大的需求。由于GNSS导航在复杂的室内环境下会出现衰减、多径等问题,因此针对行人的基于低成本MEMS惯性传感器的行人航位推算(Personal Deadreckoning,PDR)导航系统成为该领域的研究热点。以捷联惯性导航原理为基础,设计了室内行人自主定位算法并实现了该算法实时地解算行人位置,该系统模块佩戴于行人脚部,可以完成在室内环境中行人所在位置的实时定位。实验结果表明,该室内行人自主定位算法的精度在行进距离的1%以内,达到了室内定位功能的要求。     

基于扩展卡尔曼滤波器的超紧耦合GPS/INS组合导航系统设计

提出了一种组合导航设计方案,通过将滤波器得到的多普勒频移信号反馈给GPS接收机跟踪环,实现了超紧耦合,提高了组合导航系统在高动态和干扰条件下的性能.采用了非线性动态模型并对其进行了线性化,提高了导航精度并减小系统计算量;应用用一阶高斯马尔可夫模型描述不同的惯性传感器误差,最后给出了扩展卡尔曼滤波器的具体算法.     

基于自适应阈值的行人惯性导航零速检测算法

在基于微机电系统(MEMS)的行人惯性导航中零速区间检测算法是制约导航位置解算误差增长的重要因素。针对利用固定阈值实现零速检测算法在不同运动状态下存在检测适应性差的问题,根据行人步态特征以及周期性零速规律,以合加速度和合角速度为检测数据,提出了一种基于自适应阈值的零速检测算法。利用检测数据在运动状态下的动态特点及统计特征,根据获得的运动状态信息更新零速区间检测阈值,以适应在不同运动状态下实现准确的零速区间检测。实验表明,自适应阈值算法对零速区间可以进行精确检测,零速检测准确率达到98%。检测结果用于导航定位解算的误差率小于1.5%。     

髋关节角多模型贝叶斯动态估计

步态分析在健康监测等领域中有着广泛的应用,精确估计髋关节角是步态分析的前提.但是大腿运动的高度非线性和不确定性,以及微型传感器测量噪声的不稳定性等诸多因素,基于微型惯性传感器的髋关节角精确估计面临着巨大的挑战.该文提出利用混合动态贝叶斯网络、多运动模型和噪声模型对髋关节角的非线性变化和测量噪声的改变进行建模,然后基于穿戴在大腿上的微型加速度传感器获得的测量值,通过高斯粒子滤波算法估计髋关节角度.实验结果表明该方法能够有效提高髋关节角的估计精度.     

一种多传感器融合的行人多模式自主定位方法

在全球卫星导航系统拒止的环境里,导航信息难以获取,基于红外、超声波、射频、Wi Fi、超宽带(UWB)等室内定位方法均需要辅助电子标签,传统航位推算法只适合前向步态的路径跟踪,在后向、左向、右向步态模式下会出现反向或垂直的路径错误。针对以上问题,该文借助移动终端的惯性测量单元数据,在不依赖任何电子标签模式导航的情况下,实现短时多模式步态行人跟踪。结果表明,通过多次重复测试,步态检测准确率≥92%,以实际车库场景为实验背景,该文方法可获得全步态模式下自主路径跟踪,路径追踪误差小于3 m。     

基于可穿戴式MIMU的波峰-双阈值步数检测算法

惯性导航系统中,行人航迹推算(PDR)算法在位置解算中至关重要,其中步数统计准确程度直接影响行人的定位精度。针对传统波峰-阈值检测法存在伪波峰的影响,提出了一种基于可穿戴式微型惯性测量单元(MIMU)的波峰-双阈值步数检测算法,在行走过程中,对窗函数滤波后的合加速度进行波峰检测,并对波峰进行双阈值限定。检测到波峰满足高阈值时计为有效波峰,且相连波峰间出现低阈值时则计步成功,从而降低伪波峰对计步的影响,实现步数的精确检测。实验结果表明,当MIMU分别佩戴在多种位置时,行人多运动模式下计步精度为98%以上。     

室内外行人导航系统研究

采用微机电系统(MEMS)惯性传感器、MEMS磁传感器及小型全球定位系统(GPS)接收机为室内外行人导航数据源,基于Cortex-M4为内核,搭建了室内外行人导航系统硬件平台。重点研究了多传感器导航系统的结构、多源信息融合方法、多条件零速检测方法及零速修正等理论方法。并通过试验,采集实测数据进行分析、验证行人导航系统设计的性能。结果表明,在GPS信号良好情况下,定位误差在2.5m以内;无GPS信号期间,路线长度为110m时,定位误差在总路经的5%内。     

基于步行者航位推算的井下人员辅助定位

针对目前井下人员定位系统存在的问题,提出一种基于步行者航位推算的辅助定位方法。利用低成本的惯性测量单元(IMU)和磁力计,设计稳定的姿态与航向参考系统(AHRS),利用惯性导航的相关理论,并通过分析人员步行姿态,进行零速修正(ZUPT),组成步行者航位推算系统,对井下人员进行实时航位推算。以实验室大楼走廊模拟井下矿道环境进行航位推算实验,实验结果表明,本方法对人员行走距离和方向做出良好的推算,能成为现有井下定位的有效补充,提高人员定位精确度。     

基于惯性传感器和改进Criminis算法的距离估计

针对距离估计问题,提出了一种新颖的利用惯性传感器和单目摄像机的距离估计系统,该系统通过结合惯性导航算法和图像处理算法来实现距离估计。首先通过移动单目摄像机,得到一个目标的两幅图像,并利用改进后的Criminis算法提取两个图像间的特征值,再利用惯性导航算法对摄像机的运动进行估计运算,计算出摄像机移动的基线估计,最后通过最小二乘法得到估计距离。同时为了减少误差,在摄像机移动的过程中利用了零速度更新。通过实际环境实验,我们对该算法的准确度进行了评估,在几米范围内,它的平均距离误差是3.9%。     

基于容错决策树的UWB辅助惯性定位方法

针对惯性导航系统误差随时间累积和超宽带(UWB)定位受到非视距问题、多径效应和人体影响出现粗大误差的问题,提出了一种基于容错决策树的UWB辅助人员室内惯性定位方法。该方法提出并采用陀螺仪高精度分段拟合误差补偿模型,抑制惯性导航误差漂移;同时在UWB辅助人员室内惯性定位的基础上,构建惯性导航与UWB单点定位数据共同作用的容错决策树判定模型,剔除UWB定位的粗大误差因子,进而对惯性导航和UWB的参数应用扩展卡尔曼滤波,实现UWB辅助增强惯性定位。根据实验验证表明,在复杂狭窄巷道环境,该方法将距离均方误差占路线长度的比例从6.02%提升到0.76%;在常规方正室内环境,该方法将最大误差占路线长度的比例从2.207%提升到0.635%。实现了长时间的连续可靠定位,具有较强的工程应用价值。     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波算法以处理多源数据的融合.提出的滤波算法可将M估计理论、强跟踪算法、动态增强策略与传统的容积卡尔曼滤波算法结合,以此缓解外界噪声和系统模型误差对状态估计的不利影响.在UWB-INS组合定位框架内采用动态鲁棒容积卡尔曼滤波,可实现对室内行人运动轨迹的精确稳定跟踪.实际数据测试和Matlab仿真验证了所提方法在复杂环境下其定位精度和鲁棒性均优于单一依赖UWB或INS技术的定位系统.     

车载红外图像的行人检测与跟踪技术

针对车载红外图像的特点,采用基于区域估计的帧差法实现车载红外图像中的行人检测,再通过行人的几何特征和运动速率特征进行行人的识别,最后运用轮廓矩匹配算法进行行人的跟踪。实验结果表明所采用的方法具有较好的行人检测及跟踪效果。     

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械（Micro-Electro-Mechanical System,MEMS）惯性导航系统（Inertial Navigation System,INS）的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无法准确地对误差进行估计建模,导致MEMS-INS的位置精度不高.本文从室内环境结构分析入手,提出了一种三维地图匹配的条件随机场算法.通过设计导航输出的位姿信息与室内状态点的数学关系,结合最佳轨迹求取的算法建立室内三维地图匹配的算法模型.最后通过算法求解出的最佳匹配点坐标修正惯性导航输出的位置误差.     

MEMS IMU Based Pedestrian Indoor Navigation for Smart Glass

In open air environment, Global Positioning System (GPS) receiver can determine its position with very high accuracy. Inside a building the GPS signal is degraded, the position estimation from the GPS receiver is very erroneous and of no practical use. In this paper, we present an indoor navigation system to track the position of a pedestrian by using built-in inertial measurement unit (IMU) sensors of a smart eyeglass. The device used for this project was an intelligent eye-wear “JINS MEME”. Here algorithm for step detection, heading and stride estimation are used to estimate the position based on the known locations of the walker using Pedestrian Dead Reckoning method (PDR). We have used extended Kalman filters as sensor fusion algorithm, where measurements of acceleration and orientation from IMU are used to track user’s movement, pace, and heading. The results showed that the level of accuracy was entirely acceptable. Average deviancy between the estimated and real position was less than 1.5 m for short range of walk was accomplished. There are some ideas for further development. Increasing the accuracy of the position estimation by palliation of stride length estimation error was identified as the most essential.