共查询到19条相似文献,搜索用时 156 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
5.
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。 相似文献
6.
7.
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 总被引:1,自引:1,他引:0
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. 相似文献
8.
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%。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
13.
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。 相似文献
14.
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%。 相似文献
15.
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。 相似文献
16.
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. 相似文献
17.
18.
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. 相似文献
19.
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. 相似文献