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%。     

基于人体下肢运动学机理的行人导航方法

利用人体运动特征实现行人导航是近年来导航技术领域新兴的研究方向之一。针对惯性测量组件足部安装方式在人体较高过载的运动中无法有效实现零速修正的问题,研究了一种惯性测量组件在人体下肢分布式安装,基于人体下肢运动学机理构建虚拟足部惯性测量组件,从而实现人体导航定位的方法。阐述了行人导航系统的结构与虚拟惯性传感组件的构建机理,研制了系统原理样机。实验结果表明所提出的方法在人体较高过载的行进中可有效克服测量信息超量程、冲击等因素对导航解算的影响,定位精度约为行进距离的6%,并通过分析总结了影响该类型行人导航系统性能的各项主要因素,为进一步研究提供了一定的理论与技术基础。     

基于导航信息双向融合的行人/移动机器人协同导航方法

为提高卫星导航系统失效且环境存在电磁干扰的情况下行人导航系统与移动机器人导航系统的定位性能,研究了一种基于人机一体化智能系统的信息双向融合协同导航方法。该方法利用行人导航系统与移动机器人导航系统不同的误差特性,构建信息双向融合滤波器同步修正两者的导航信息误差,即利用移动机器人捷联惯导系统较高的传感器精度完成对行人导航系统磁航向误差的实时修正,并利用行人导航系统较高的位移精度修正机器人惯导系统误差,实现同步提高两套导航系统的定位与航向精度。导航定位实验表明,该方法可有效提高人机一体化智能系统的导航定位精度,行人导航系统定位误差约为行进距离的3.3%,移动机器人导航系统的误差积累速度降低为单独工作时的1/3。本文所提出的方法利用了人机一体化智能系统的结构特征,在卫星导航系统失效的电磁干扰环境中有效提高了一体化系统的综合导航定位性能,具有较高的理论研究与工程应用价值。     

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。     

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%。     

单目视觉里程计/惯性组合导航算法

提出一种单目视觉里程计/捷联惯性组合导航定位算法.与视觉里程计估计相机姿态不同,惯导系统连续提供相机拍摄时刻对应的三维姿态,克服了单纯由视觉估计相机姿态精度低造成的长距离导航误差大的问题.通过配准和时间同步,用惯导系统解算的速度和视觉里程计计算的速度之差作为组合导航的观测量,采用Kalman滤波修正组合导航系统的误差,同时估计视觉里程计标度因数误差.分别在室内外不同环境下进行了22 m的推车实验和1412m的跑车实验,定位误差分别为3.2%和4.0%.与Clark采用姿态传感器定期更新相机姿态估计结果的方法相比,单目视觉里程计/惯性组合导航定位精度更高,定位误差随距离增长率低,适合步行机器人或轮式移动机器人在复杂地形环境下车轮严重打滑时的自主定位导航.     

激光陀螺单轴旋转惯性导航系统

高精度的惯性导航系统是提高舰船综合作战性能的基础。为了提高惯性导航系统的精度,采用单轴旋转惯性测量组件的方法,研制了激光陀螺单轴旋转惯性导航系统。介绍了系统的硬件组成,主要包括系统基本结构,惯性器件的主要技术参数和导航计算机的组成。描述了系统的多位置初始对准方式和温度补偿方案。对该系统进行了长时间静态导航实验和跑车实验,实验结果表明:四次长时间静态导航实验峰值定位误差5d优于1nm,10d优于2nm;两次跑车实验峰值定位误差77h优于1.4nm、15d优于2.5nm。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成.将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高.由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正.由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息.动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算.     

基于压力传感器辅助的行人室内定位零速修正方法

针对现有行人室内定位导航系统定位精度差的问题,设计了一种压力传感器辅助微惯性测量单元的多条件约束零速修正方法。将微惯性测量单元和压力传感器固连在鞋上,用来测量人体脚部运动信息。在经典捷联解算基础上通过对行走时微惯性测量单元和压力传感器的统计特性进行分析,对加速度模值、滑动方差、角速度模值、足底压力设定阈值,用以检测行走过程中的零速区间,通过基于零速修正的卡尔曼滤波估计姿态误差、速度误差和位置误差,反馈校正后对微惯性测量单元的累积误差进行修正。最后通过对比试验证明了压力传感器辅助下的零速修正方法提高了系统导航定位精度,步行和跑动时的水平定位精度优于1%D。     

基于隐马尔可夫模型的地磁匹配算法

为了在地磁特征微弱区域内实现地磁辅助导航以及提高惯性导航系统在地磁特征明显区域内的定位精度,提出了基于隐马尔可夫模型的地磁匹配算法.首先以惯性导航系统定位误差为隐状态,以实时测量的地磁强度为观测量,建立了地磁匹配的隐马尔可夫模型;其次,针对该模型,使用Viterbi算法来确定最优状态序列,给出了惯性导航系统的当前定位误差.仿真结果表明,该算法可以实现地磁辅助导航,导航误差优于EKF算法,组合导航系统的定位误差在50 m左右.