一种面向AHRS的改进互补滤波融合算法

针对三轴陀螺、三轴磁强计和三轴加速度计等MEMS传感器所构成的AHRS系统对全局环境下的姿态检测问题,在分析线形融合滤波器、Kalman滤波器的缺陷基础上,对互补滤波器的IMU姿态解算算法进行拓展,通过磁场计测量数据在全局坐标系下水平分量的求解,获得了传感器偏航方向的姿态角,从而构成了完整的三维空间姿态测量系统。并基于硬件实验验证算法有效消除陀螺漂移和加速度及地磁场干扰的可行性。     

小型无人飞行器机动过程中航姿互补滤波算法研究

磁惯导系统(MINS)广泛应用于小型无人飞行器的导航控制,能对加速度计、磁强计和陀螺仪等传感器的数据进行融合,得到航向与姿态信息,也被称为航姿参考系统(AHRS)。在频域实现数据融合的互补滤波算法是AHRS中的一种可靠姿态估计方法,具有简捷高效的优点。将基于不同传递函数及各种航姿表示形式的姿态互补滤波归纳为统一的广义互补滤波算法(GCF),分析该类算法中的乘性姿态误差,并引入运动加速度补偿方法,可以改善载体机动状态下的姿态精度。数值仿真及实验结果显示,GCF的滤波效果与无人机常用的卡尔曼滤波算法相当,而处理时间仅为后者的1/20,且GCF具有良好的数值稳定性,配合运动加速度补偿算法可有效消除线加速度对航姿测量的不利影响,尤其适合低成本、小型无人机应用场合。     

基于卡尔曼滤波器的姿态角测量系统设计

针对动态环境下载体的姿态测量,以无人机的航姿测量系统小型化为背景,给出了一种采用MEMS惯性器件构成的姿态角测量系统。系统采用新型32位ARM Cortex-M3内核微控制器STM32F103ZET6作为控制处理单元,传感器采用ADXL345加速度计、L3G4200D陀螺仪和HMC5883磁阻传感器。对于MEMS器件精度低,数据易发散的问题,采用卡尔曼滤波器实时将加速度计、陀螺仪和磁强计的数据进行融合,计算负担小,实时性好。实验结果表明,该姿态测量系统在静态和动态环境下都能够较好的完成载体姿态测量的任务。     

基于时空自适应图卷积网络的跌倒检测算法

针对现有图卷积网络(GCN)需要预先定义人体骨架拓扑图和模型较大的问题，提出了基于时空自适应图卷积网络(ST-AGCN)的跌倒检测算法。该网络包括3个部分：利用HRNet姿态估计算法从视频中提取人体骨架点序列，并预处理成四维张量；引入归一化嵌入式高斯函数通过学习(无需人工预定义)得到人体拓扑图，利用空间自适应图卷积获取人体关联特征；利用多尺度卷积提取时间运动特征，提高模型获取动态信息的能力。在公开数据集和自建数据集上分别进行仿真，准确率分别达95.45%和99.55%。结果表明，该算法优于目前GCN方法，参数量只有后者的1/4甚至更少。本文算法还可以适用于不同的数据集。     

基于变结构ESKF的航姿参考系统噪声处理方法

针对航姿参考系统（AHRS）易受到环境与传感器自身噪声干扰,导致姿态估计精度下降的问题,提出了一种基于变结构误差状态卡尔曼滤波（VS-ESKF）的噪声数据处理方法。首先,通过分析AHRS传感器观测数据与新息序列统计特征,设计了基于加速度范数与遗忘序贯概率比检验（F-SPRT）的方法,分别检测加速度计与陀螺仪的噪声数据。其次,基于噪声检测结果,将平滑变结构滤波(SVSF）策略引入到误差状态卡尔曼滤波（ESKF）,以提高ESKF对噪声模型不确定性的处理能力。然后,结合磁场强度与磁倾角参数特征,利用马氏距离法评估磁干扰并实时调整磁力计补偿权重,获取准确的AHRS修正数据。最后,基于自主搭建独轮机器人平台进行实验验证,结果表明所设计的VS-ESKF算法可以及时、准确地检测AHRS噪声数据,并有效地抑制噪声干扰,相比于ESKF算法,对横滚角、俯仰角和偏航角的估计精度分别提升了31.05%、32.32%和40.07%,提高了姿态估计的准确性和稳定性。     

基于RBF神经网络的跌倒检测算法研究

针对现有跌倒检测方法动作识别效率低、适应性差等问题,提出基于RBF神经网络的跌倒检测方法,通过径向基函数(RBF)判别人体是否处于跌倒状态。分析了人体跌倒和其他日常行为运动特征,对人体的日常行为动作进行分类。利用惯性传感器采集人体运动加速度和角速度,以加速度和角速度组合为运动特征向量,采用RBF神经网络进行训练,构建RBF函数分类器,对人体动作行为进行判别,从而识别人体跌倒状态。实验将人体运动行为分为正常行走、跑步、上下楼梯、前向跌倒、侧向跌倒5类,训练样本采用1 500例,测试样本500例,其中每类动作各包含100例测试样本。结果表明,当RBF模型隐含层数为350时,5类动作的准确率均可达到80%以上,且跌倒检测平均准确率为96%。因此基于RBF神经网络分类的跌倒检测算法能够准确地检测人体跌倒行为。     

改进YOLOX的轻量级人体跌倒检测算法

针对边缘计算设备算力和存储空间有限的问题，提出了一种基于YOLOX改进的轻量级人体跌倒检测算法。首先采用GhostNet中的Ghost模块降低YOLOX中Neck和Prediction层的卷积参数冗余；其次，在Neck层中添加坐标注意力机制，增强关键信息提取能力，减少背景带来的噪音影响；最后，针对轻量级模型检测头检测能力不足问题，引入辅助头模块以加强轻量检测头的学习能力。通过算法检测性能以及在边缘计算端NVIDIA Jetson Xavier NX运行实验，结果显示，所提模型的mAP@0.5达到84.9%,且模型大小为25.6 MB。相较于YOLOX模型，仅以牺牲少量推理速度提升了4.6%的检测精度，减少了25.4%的模型大小，另外与一些主流目标检测算法相比，也具有一定的优越性。这些结果表明所提模型能够更好地满足边缘计算设备在人体跌倒检测中对轻量化和准确性的需求。     

基于STM32的多旋翼送餐飞行器研究

针对传统餐饮业中送餐方式的单一化、机械化等问题,以STM32F427微处理器为核心,设计并实现了以多旋翼飞行器为平台的智能餐饮配送系统.为提高送餐过程的安全性与可靠性,飞行器的稳定飞行是最基本的条件与保障.采用基于MEMS传感器的航姿参考系统(AHRS)进行飞行器姿态的测量,采用四元数坐标换算,将陀螺仪、加速度计和磁罗盘三者数据进行融合,并用互补滤波算法对姿态数据进行修正.实际测试结果表明,该飞行控制系统精度较好,能够满足送餐过程中对安全性与可靠性的要求.     

基于MTi—IMU微惯性航姿系统的姿态算法

利用基于微机电系统陀螺、加速度计和磁强计的MTi—IMU微惯性航姿系统,设计了一种确定航向和姿态的算法。该算法利用加速度计的输出判断载体的运动状态,当载体处于非加速运动状态时,利用磁强计和加速度计的输出计算姿态角,再利用卡尔曼滤波器校正姿态误差。采集M＇I、iIMU微惯性航姿系统输出的数据进行仿真。仿真结果证明了该姿态算法的有效性。     

基于多传感融合的老年人跌倒检测系统

针对老龄化社会对老年人跌倒监测的现实需求,融合三轴加速度传感器、压力传感器与超声测距模块等多传感器信息,研制了便携式老年人跌倒监测系统。该系统以MSP430F149为控制器,通过ZigBee方式来实现监测系统与数据中心之间的通信。采取阈值判断算法来检测跌倒是否发生,并具有自动报警以及手动解除报警的功能。在系统的测试实验中,对于左倒、右倒、前倒、后倒、坐下、起跳和行走等7种人体运动姿态模式进行检测,正确率达99％。本系统的成功研制,可以为老年健康监测物联网提供功能支持,为发生跌倒的老年人得到及时的帮助。     

MEMS航姿系统振动环境适应性研究

针对MEMS(微机械)航姿系统的性能受振动环境的影响,提出了MEMS航姿系统减振设计方案。根据MEMS航姿系统的工作原理,分析了振动环境对MEMS航姿系统的性能影响;基于被动减振设计的原理,设计了航姿系统减振结构,基于振动环境中MEMS惯性传感器的数据特征,设计了一种自适应变步长平滑滤波器用于平滑振动加速度,应用平滑后的加速度信息与MEMS陀螺测得的角速度信息进行融合,实现了振动环境下的姿态解算。MEMS航姿系统的振动环境试验验证了论文提出的减振方案与振动环境下数据处理算法的有效性。     

基于关键点检测的指针仪表读数算法

通过摄像头实现指针式仪表自动读数时易受复杂环境、摄像头不同角度等因素影响,而且在实际的应用中难以均衡检测速度和检测精度,为此,文章提出一种基于关键点检测的指针仪表读数算法。以ResNet18为主干网络,摒弃了最后两个阶段的残差块以及之后的全连接层,并针对指针仪表表盘的特点设计了一个轻量级特征融合网络,同时引入提高模型性能的姿态修正机(pose refine machine, PRM)。最后利用得到的表盘圆心、零刻度线、当前指针刻度3个关键点信息,通过角度法完成读数计算。实验结果表明,本文算法读数误差仅为0.506%,速度可达53 fps,相比于传统算法具有较高的精确度;相比于其他同类算法,在拥有更少参数量与运算复杂度的情况下,仍能实现对指针关键点的高准确度预测,充分证明所提算法的有效性。     

改进D-S证据理论在变电站人体跌倒检测的应用

为了提高变电站人体跌倒检测准确率,提出了一种基于改进D-S证据理论的人体跌倒检测算法。利用垂直外接矩形和最小面积外接矩形对检测到的人体目标进行描述,分析目标区域的矩形宽高比、人体质心高度比和人体躯干倾斜角的人体目标特征变化。针对复杂人体姿态情况下存在的目标特征冲突问题,提出采用D-S证据理论对特征信息进行融合。通过自定义的广义三角模糊函数构造3种人体特征的基本概率指派函数,生成3种人体目标特征基本概率指派(basic probability assignment,BPA)。基于Murphy算法,提出一种双重加权平均证据源的改进算法,既可以融合各个独立证据的一致信息,也可以融合冲突信息。实验结果证明,该人体跌倒检测算法具有较高的跌倒识别准确率,可以合理的生成基本概率指派,有效地融合冲突证据,能够满足变电站人员安全监控的需要。     

基于有序转动的捷联姿态算法

为了研究采用陀螺的原始角增量进行三次单轴旋转的这种姿态更新方式的性能,首先分析了单轴旋转的坐标变换公式,然后根据不同的转动顺序给出了对应的姿态更新算法,同传统的姿态算法相比,该算法结构简单、计算量小,最后通过车载捷联惯导系统进行了算法的性能验证跑车试验,将惯导的输出数据采用二子样旋转矢量法以及本文构造的不同转动顺序的姿态更新方法进行离线处理,将不同姿态算法得到的位置数据与车载GPS输出的位置数据相比较,试验结果表明采用这种陀螺原始数据构建的基于有序转动的姿态算法在不同的转动顺序下,性能表现各异.在选取恰当的转动顺序的条件下,相对于二子样旋转矢量法而言,系统的位置精度可以提高1倍左右.