基于足部微惯性/地磁测量组件的个人导航方法

为降低个人导航定位对卫星导航系统(GNSS)的依赖性,研究了一种基于足部安装微惯性/地磁测量组件的个人导航定位方法.该方法通过微惯性测量组件信息进行捷联惯导解算获得人体足部的姿态、速度与位置信息,利用磁传感器确定运动的航向信息,并采用基于步态相位检测的零速修正方法,实时修正MEMS惯性导航系统的导航信息误差以及惯性传感器的随机误差,从而减缓惯性导航系统的定位误差随时间的积累.导航定位实验结果表明,直线与矩形行进路线的导航定位误差在行进约9 min时分别保持在2 m与6 m左右,分别占行进距离的1.1％与2.5％.该实验结果证明所提出的方法可有效提高个人导航系统的定位精度,在GNSS信号衰减或失效的环境中可实现较长时间的个人导航定位.     

多条件约束的行人导航零速区间检测算法

针对MEMS惯性传感器存在漂移大、器件精度低的问题,结合行人导航系统应用需求,在分析行人运动步态的基础上,设计了一种多条件约束的行人步态零速区间检测算法。该方法综合利用足部传感器输出参量的模值、方差、幅值、峰值并通过设定阈值来提取步态中的零速点,多条件约束有效地降低了误判的可能性。最后,采用该方法对不同步速下行走过程中的零速区间进行检测,结果表明利用多条件约束法计算得到的零速区间数与实际运动步态中的零速区间数完全一致。此外,零速区间的准确提取也为后续开展行人导航速度解算误差修正算法的研究提供了依据。     

基于自适应步长约束的行人导航系统误差修正算法

基于惯性传感器的行人导航系统定位精度随时间累积下降，根据捷联惯导理论和人体运动学特征，提出基于自适应步长约束的行人导航误差修正算法。所提算法首先利用零速检测划分行人运动区间，其次根据加速度信息利用自适应步长估计模型计算各区间内步长，最后通过零速修正与步长约束模型修正导航误差。实验将WT901BC姿态仪固定于行人脚跟，并围绕闭环路径行走进行算法验证。实验结果表明，相比于零速修正，经过自适应步长约束算法修正后，行进240 m后起点、终点间距离误差平均值由2.50 m下降至0.18 m，导航闭环误差平均值由1.04%D下降至0.07%D，有效提高行人导航系统的定位精度。     

自适应步长约束的双脚MIMU行人导航系统误差修正方法

针对GPS信号遮挡严重的室内环境下基于微惯性测量单元(MIMU)的行人导航系统导航定位误差随时间不断累积的问题,研究利用行人运动学特性建立双脚间步长约束的导航误差修正算法。将两个MIMU分别固定在行人双脚上,通过步态特性分析和零速区间检测,构建了结合单脚零速修正与双脚间步长约束的误差修正模型;通过加速度计输出数据推算步长实现约束的自适应调节,提高行人步态发生变化时的误差修正效果。实际行走实验结果表明,步长变化情况下,利用所提出方法推算步长的误差率在5.8%以下,修正后双脚位置误差相比固定步长约束减小约46.43%,轨迹更加符合实际。     

足部安装MEMS-IMU个人导航系统

为了实现室内外环境下个人自主导航,研究了足部安装的MEMS-IMU个人导航系统。根据人行走时足部具有周期性零速的特征,以加速度计输出矢量和、滑动方差和陀螺仪输出的角速度矢量和为检测量,设计了一种多条件零速检测算法,有效地提高了零速检测的准确性。针对MEMS惯性传感器零漂大、精度低的问题,导航定位算法以传统的捷联解算算法为基础,进行了适应性改进。引入零速修正(ZUPT)技术,设计了以速度信息作为伪量测的Kalman滤波器。在零速阶段对系统速度,姿态,位置误差进行估计,将估计结果反馈以修正导航解算的累积误差。实验结果表明,基于上述导航修正算法可以有效地消除MEMS惯性传感器零漂引起的累积误差,使得多组多种行走路径下系统的定位误差均小于行程的2%。     

基于UWB优化配置的室内行人导航方法

在卫星信号无法覆盖的室内条件下,行人的精确导航问题是当前研究的热点。为解决基于MEMS的微惯性导航系统误差随时间发散、航向角发散快的问题,提出了一种利用UWB辅助修正惯性导航系统,实现室内较高精度定位的方法。该方法采用基于零速修正的微惯导系统进行导航,以抑制惯导误差随时间发散,并在建筑内拐角、楼梯口等关键节点处优化配置UWB设备,采用UWB信息与微惯导数据进行卡尔曼滤波,实现对微惯导航向及位置的修正。与大规模使用UWB系统进行室内定位相比,该方法降低了系统布设成本,避免了UWB出现问题时对整体导航结果的影响,有效地保证了系统的定位精度。行走实验表明:直线行走时,微惯导最终定位误差为1.8%;转弯行走时,在UWB辅助定位下,微惯导最终定位误差小于1.0%。     

基于分布式协同导航的行人三维惯性SLAM方法

针对仅依赖惯性传感器数据进行零速修正的行人航位推算方法导致室内行人协同导航定位累计误差较大的问题,提出了一种三维环境下的分布式行人协同惯性SLAM方法。在行人间初始相对位姿未知的情况下,通过蓝牙检测相遇,使用基于奇异值分解的最小二乘方法求解行人间位姿的刚性变换;然后构建基于三维占用栅格的惯性SLAM地图,通过优化联合后验概率分布获得行人位姿与地图的最优估计,减小系统的累计误差;同时构建了一个分布式协同SLAM框架,使得每个行人的定位系统都能够独立运行。实验结果表明,所提出的算法能有效提升三维惯性行人协同导航系统的定位精度,在大约2000?m2、总长2000?m的多楼层双人协同实验中,算法的平均定位误差为1.22?m,与传统零速修正方法相比,定位精度提升80%以上。     

基于机器学习与步态特征辅助的行人导航方法

针对微惯性测量组件(MIMU)足部安装的穿戴式导航系统,在包含惯性传感器信息超量程的行进中无法有效进行定位与导航的问题,提出了一种基于虚拟惯性测量组件(VIMU)与步态特征辅助修正惯导系统的行人导航方法。以相同频率采集人体腿部与足部的MIMU数据作为训练样本,通过视觉几何组-长短期记忆混合(VGG-LSTM)神经网络模型拟合两个部位MIMU信息之间的非线性映射关系,构建足部VIMU与虚拟惯性导航系统(VINS);基于人体各步态相位中足部姿态具有高度重复性的特征,对足部VINS姿态信息进行误差修正,并结合足部磁传感器信息确定人体运动的航向信息。实验结果表明,结合零速修正(ZUPT)方法,所提出的VINS构建与误差修正方法可有效提高足部MIMU超量程时行人导航系统性能的可靠性,其高过载运动中的定位误差约为总行进距离的2.5%。     

重力辅助和模拟零速修正的手机航向修正方法

基于计步的传统航位推算的手机导航方法要求手机保持相对人体固定位置以保证航向的准确性,该要求严重影响了用户体验。针对行人的手机姿态改变和高精度定位的行人导航需求,提出了一种重力辅助和模拟零速修正的航向补偿方法。手机姿态发生改变时候的航向角度补偿可以采用手机重力计输出数据进行辅助判断;通常脚部捆绑式惯性导航定位中采用的航位推算技术无法应用于行人手持的手机,所以不具备零速修正算法的基本条件,为此提出了一种应用于行人手持手机的模拟零速修正算法,通过检测行人步态,采用卡尔曼滤波有效抑制了手机的航向发散。行人的综合行走实验结果表明,基于重力辅助和模拟零速修正的手机航向修正方法,能够自主判断并补偿由于手机使用方式改变造成的航向误差,在行走196m距离的情况下,行走误差仅有1.2%,有效提高了行人定位精度。     

惯性测量系统中卡尔曼滤波技术的应用

本文介绍半解析式惯性测量系统中零速修正和卡尔曼滤波技术。采用状态和偏差去耦估计算法,其特点是计算量小、估计精度高,适用于偏差较多的场合。跑车试验表明,系统定位精度lhr平面位置误差CEP<10m,高程误差r<5m,达到了美国PADS系统的设计指标。