基于航向自纠正方法的行人导航算法研究

低成本MEMS惯性传感器被广泛应用于足绑式行人导航中,但由于MEMS惯性传感器零偏随时间会产生累积误差,行人真实航向角与脚部解算的航向角有差值,传统零速修正算法对航向角缺乏观测导致行人航向发散,成为行人导航的主要误差源, 行人在室内行走尤其是在室内楼道环境中,行走轨迹大多数情况下是近乎直线的。由此提出一种航向自纠正算法 (HSC),通过采集行人脚部离地阶段数据和一步航向差值,进行行人直行与行走方向判定,根据判定结果在零速时重置航向,将航向自纠正算法与零速更新算法融合,采用一款低成本惯性传感器绑于脚面进行实验,对比传统零速更新算法,该方 法可以显著提高定位精度,定位误差可以达到2％以内, 该算法的实现无需添加额外传感器,仅依靠自身信息矫正航向,具有很好的工程实用价值。     

基于行人航迹推算的室内定位算法研究

针对室内定位的实际应用需求,提出了基于行人航迹推算算法(PDR)的适用于手机采集数据的室内定位方法。不同于传统的数据采集方法,该种定位方法利用手机得到加速度、陀螺仪以及地磁原始数据,通过分析加速度信号实现步频探测和步长估计。利用扩展卡尔曼滤波器(EKF)融合各惯性传感器数据以提高方向角的解算精度。最后设计了基于Android平台的数据采集软件,可利用手机内置的传感器设备实现数据采集。经实验数据分析,该算法的定位精度优于2m,在实用的基础上具有较高的定位精度和较低的实现复杂度。     

基于多传感器的行人航向推算算法研究

针对室内行人航位推算(PDR)系统中单一地以陀螺仪作为航向估计会出现误差累积和航向角偏移的问题,提出一种由方向传感器和陀螺仪组合的航向角校正算法。首先,利用卡尔曼滤波（Kalman Filter KF）分别消除方向传感器的信号干扰和陀螺仪的动态漂移误差;然后,通过陀螺仪和方向传感器测量的航向角差值是否超过阈值来判断是否存在硬磁场干扰;最后,根据硬磁场干扰情况对航向角估计值进行相应的角度补偿得到新的航向角估计值。实验表明,该算法的航向推算性能优于启发式漂移消除算法和增强式启发式漂移消除算法。     

基于MIMU的行人导航算法研究

行人导航系统（Pedestrian Navigation System,PNS）为实时确定行人当前所在位置的定位导航系统,可记录人的步行轨迹或指引人抵达预设目的地。行人导航算法是由三轴MEMS（微电子机械系统）陀螺、MEMS加速度计构成的MIMU（微型惯性测量单元）和三轴磁阻传感器组合搭建的测量装置,置于行人腰部感受其行走时的运动,首先利用加速度计输出进行步态识别,其次建立步长与步长系数、步速之间的关系,使用最小二乘法标定步长系数的方法,实现了步长计算因人的行走速度、人与人行走方式不同的自适应调节,提高了步长的计算精度,最后融合捷联航向和磁航向计算行进方向,使用航迹递推计算轨迹。经测试,此算法具有较高的定位精度。     

基于MEMS惯性器件的行人室内定位系统

基于惯性传感器的行人航位推算系统不需要预先安装任何基础设备,能自主运行、实现实时行人定位。设计的硬件平台将低成本、低功耗、小尺寸的MEMS惯性传感器与GPS接收机相结合。在室内、城市峡谷等GPS信号不稳定的环境,惯性传感器根据前一GPS定点推算行人行走的相对位置。行人所处位置高度由气压计测量,与平面位置相结合实现三维定位。简单而有效的跨步探测及步长估计算法降低对微处理器的计算及存储要求。利用互补滤波器融合加速度计、陀螺仪、数字罗盘数据,降低方位误差、提高定位精度。室内行人行走测试实验表明:定位误差低于总行走距离的3%。验证了系统的准确性和可靠性,满足行人定位要求。     

基于加强抗差自适应卡尔曼滤波的行人室内定位系统

针对惯性测量单元定位存在累积误差和野值干扰等问题。本文对原始信号进行预处理,利用融合滤波和零速更新算法来抑制速度和位姿的累积误差。在自适应卡尔曼(Kalman)的基础上提出加强抗差自适应卡尔曼滤波算法,削弱了量测野值对状态估计的干扰,抑制滤波发散。实验结果表明:系统精度较高,实现了行人在封闭环境的较高精度定位。     

基于MEMS惯性传感器的行人航位推算系统

提出一种基于低成本MEMS自包含传感器,能自主完成数据采集、数据处理的行人航位推算（PDR）系统.硬件平台集成三轴加速度计、三轴陀螺仪、三轴数字罗盘及气压计,不需任何额外设施.通过自包含传感器测量行人行走的步长、方位及高度,实现行人室内、外三维定位.采用加速度信号实现跨步探测和步长估计.利用互补滤波器融合加速度计、陀螺仪和数字罗盘数据,矫正陀螺仪的测量误差和磁场干扰对数字罗盘的影响,提高行人行走的方位精度.测试结果表明：系统的定位误差低于行进距离的4％,满足行人定位要求.验证了系统的有效性和可靠性.     

基于自注意力模态融合网络的跨模态行人再识别方法研究

行人再识别是实现多目标跨摄像头跟踪的核心技术, 该技术能够广泛应用于安防、智能视频监控、刑事侦查等领域. 一般的行人再识别问题面临的挑战包括摄像机的低分辨率、行人姿态变化、光照变化、行人检测误差、遮挡等. 跨模态行人再识别相比于一般的行人再识别问题增加了相同行人不同模态的变化. 针对跨模态行人再识别中存在的模态变化问题, 本文提出了一种自注意力模态融合网络. 首先是利用CycleGAN生成跨模态图像. 在得到了跨模态图像后利用跨模态学习网络同时学习两种模态图像特征, 对于原始数据集中的图像利用SoftMax 损失进行有监督的训练, 对生成的跨模态图像利用LSR (Label smooth regularization) 损失进行有监督的训练. 之后, 使用自注意力模块将原始图像和CycleGAN生成的图像进行区分, 自动地对跨模态学习网络的特征在通道层面进行筛选. 最后利用模态融合模块将两种筛选后的特征进行融合. 通过在跨模态数据集SYSU-MM01上的实验证明了本文提出的方法和跨模态行人再识别其他方法相比有一定程度的性能提升.     

基于改进航向估计的行人航迹推算研究

针对行人室内定位精度不高的问题,提出的算法包括步频估计、步长估计和航向估计.改进的航向估计算法基于四元数姿态解算并利用扩展卡尔曼滤波(EKF)修正航向角的偏差.基于提出的定位算法,构建了以惯性测量单元为核心的实验平台,结果表明:算法具有可行性,定位的置信度达到98.28%,满足实际需求.     

一种基于运动趋势估计的行人检测算法

近年来,车辆的主动安全研究已经引起广泛的关注。针对汽车主动安全中行人检测的需求,基于彩色差值模型算法,通过Gauss算法分割图像和kalman滤波预测目标在下一时间可能出现的活动区域,提出了一种基于运动趋势估计的行人检测算法。经仿真表明,该汽车动态目标检测算法可实现行人运动趋势的估算,具有较好的实时性、可靠性。     

基于视觉/惯导的无人机组合导航算法研究

目前视觉惯性组合导航系统多采用优化紧/松耦合以及滤波紧/松耦合算法,应用误差状态卡尔曼滤波能够将较低频率的视觉位姿信息提升到与惯性信息同步的频率;提出一种基于自适应卡尔曼滤波的视觉惯导组合导航算法,首先考虑到系统建模与传感器测量误差,采用自适应渐消卡尔曼滤波进行导航解算,通过实时计算遗忘因子,以调节历史数据的权重,可抑制建模误差,提高组合导航系统性能,然后针对视觉SLAM解算过程造成的视觉位姿信息滞后于惯导信息的问题,提出一种延时补偿方法;仿真实验表明,采用延时补偿的自适应渐消卡尔曼滤波算法能够有效抑制建模误差,并降低视觉位姿信息滞后带来的影响,提高无人机组合导航的解算精度,姿态、速度、位置解算精度分别达到5°、0.5m/s、0.4m以内。     

基于准静止磁场检测的行人导航算法框架iIEZ+

在行人惯性导航领域,地磁修正算法作为一种有效的修正航向漂移误差的方法,应用在磁干扰环境中时,存在航向失真的问题,而航向精度往往决定了整个导航系统的优劣.为此,在Afzal提出的准静止磁场检测算法的基础上,提出了行人导航算法框架iIEZ+,即以Jiménez A R提出的IEZ+框架为基础,融入了改进后的准静止磁场检测算法,对地磁修正算法和启发式航向漂移消除算法的使用做出选择,实现了两种算法间的优势互补.实验表明,本文提出的算法框架可以有效抵御磁干扰的影响,提供可靠的航向和位置信息.经过多次室内外行走实验,定位误差约为路程的0.6%~1.6%,优于文中提到的其他基于IEZ框架的算法.     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。     

基于机动检测的捷联航姿算法研究

针对低精度陀螺仪、加速度计和磁传感器组成的捷联航姿系统存在的易受载体运动加速度影响而导致姿态精度下降甚至发散的问题进行了研究,提出了一种基于机动检测的捷联航姿算法。该算法根据陀螺仪数据进行姿态实时更新,利用加速度计和磁传感器输出对载体姿态误差进行校正以保持航姿输出的长期精度。算法根据加速度计输出在导航系中投影的水平分量进行机动检测,剔除机动期间的加速度数据,利用载体匀速运动状态下的加速度数据与磁传感器数据构造量测,利用卡尔曼滤波器对姿态误差进行估计并修正。仿真结果表明,该算法能有效完成载体机动检测,保证系统存在机动的情况下姿态精度满足应用要求。     

A Filtering Approach Based on MMAE for a SINS/CNS Integrated Navigation System

This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.      

基于粒子滤波的UWB+惯导融合定位算法研究

为了提高自主导航机器人的室内定位精度,提出一种基于粒子滤波的超带宽(UWB)/惯导融合定位算法.首先,UWB定位采用双边双向测距算法确定距离信息,通过三边定位算法确定位置信息.其次,惯导定位通过编码器采集运动信息,建立非完整约束下的动力学模型,确定运动轨迹.两种定位信息在上位机中通过粒子滤波进行融合,实现高精度融合定位...     

深浅特征融合的实时单目标行人跟踪

单目标行人跟踪是计算机视觉目标跟踪领域最基础、也是研究最广泛的任务之一,而目前大多数使用的相关滤波类算法和深度学习类算法则分别在跟踪精度和跟踪实时性上存在不足.针对上述问题,本文提出一种将目标图像的深浅特征融合的实时单目标行人跟踪方法.算法利用卡尔曼滤波器预测目标位置,通过计算四分颜色直方图提取目标的浅层颜色特征,并获得预测相似性以判定预测的可靠性.使用YOLOv4模型作为检测器,提取目标深度特征并分别计算运动信息和外观信息的距离度量,同时提取浅层颜色特征计算得到相似距离度量,通过特征距离度量的加权融合对检测目标进行匹配与更新.最后,利用提出的轨迹更新策略协调预测和检测的调用关系,达到准确性与实时性的平衡.算法在OTB100和LaSOT数据集上进行了测试实验,结果表明:所提算法的跟踪准确率分别达到0.581和0.453,在GPU上分别能达到33.64 FPS和35.32 FPS的跟踪速度,满足实时跟踪的要求.     

基于加速度分离算法的姿态测量方法研究

针对运动状态下探测器姿态解算精度不高的问题,提出了一种基于加速度分离算法的姿态测量方法。首先,分别利用椭球拟合法和建模法对加速度计、陀螺仪进行误差补偿,保证了MEMS传感器初始测量数据的精度。其次,提出了一种分离运动加速度的方法,以消除运动对加速度计测量数据的影响。最后,结合加速度分离算法实现了基于卡尔曼滤波器的高精度姿态解算。模拟实验结果表明,该姿态测量方法具有较高的精度和抗干扰能力,在变加速运动时姿态误差减小了70%以上,满足了设计的要求。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。