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SVM步态分类的柔性外骨骼自主定位优化方法

针对复杂步态下柔性外骨骼虚拟惯性测量组件(VIMU)性能稳定性下降的问题,研究了一种基于支持向量机(SVM)步态分类的自主定位优化方法。采用SVM算法模型对柔性外骨骼的多种常规步态类型进行识别,根据不同的步态类型构建不同的卷积-长短期记忆(VGG-LSTM)混合神经网络模型,并通过判断实际惯性测量组件(IMU)的故障,利用VIMU构成具备系统重构能力的强鲁棒性自主定位方法。研究结果表明,复杂步态下基于SVM的步态分类方法可在保证VIMU精度的同时,降低VGG-LSTM神经网络模型的复杂性;机器人肢节末端IMU在常规步态下出现故障时,系统重构后的自主定位性能与无故障情况下基本保持一致,重构导航系统的定位误差在行进距离的2.5%以内。     

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.     

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。     

一种基于双IMU框架的室内个人导航方法（英文）

为了实现低成本的室内行人导航,提出了一种双惯性测量单元(IMU)框架。在这种模式下,一个IMU固定于足部,另一个IMU固定于肩部。当行人在行走过程中处于静止状态时,卡尔曼滤波器利用测量得到的速度和角速度误差对足部IMU的解算误差进行预估,与此同时,通过对足部IMU和肩部IMU测量得到的航向角做差完成对航向角误差的观测。在此基础上,双IMU框架结构采用了闭环模式。实验结果显示,采用该方法能够提供行人导航信息,平均位置误差与采用开环模式的方法相比降低了14.93%左右。     

基于双轴旋转调制惯性测量的载体导航信息提取方法

针对双轴旋转调制惯导系统在旋转过程中无法直接提供载体角速度等导航信息的问题,提出了一种以标定惯性测量单元与内外框时空关系来精确解调原始旋转惯性测量数据的载体导航信息提取方法。首先,从基于旋转轴的内外框坐标系定义出发,提出了综合考量整圈所有角位置状态的惯性测量单元与内外转轴安装角标定方法。然后,利用转轴方向惯性测量角增量曲线和转位测量角增量曲线的相似平移关系推导了两者之间时间不同步误差的计算方法。进一步,基于滑动数据存储窗口,通过实时测角变化率计算和相邻转位测角外推实现了时间不同步误差的精确补偿。最后,采用基于高次谐波函数的精细化误差模型实现了转轴锥摆运动引起的测角不圆度误差精确标定。采集内外框旋转试验数据验证了所提方法的有效性,结果表明由原始惯性测量信息解调导致的载体航姿提取误差小于0.001°。     

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。     

基于不等式约束卡尔曼滤波的双MIMU导航位置校正方法

为了实现GPS信号缺失下的单兵自主导航,提出一种基于微惯性测量技术(MIMU)的单兵导航方案。由于惯性导航时误差随着时间而积累,提出了基于双MIMU的单兵导航位置校正方法,通过将两个MIMU分别固联在单兵的双脚上,根据行走时候的步态特性,利用基于假设检验和极大似然估计的零速检测器,进行零速检测修正。结合单兵行走时最大步长约束,设计一种最大步长分解约束下的卡尔曼滤波椭球约束算法,进一步校正单兵导航位置估计。研究结果表明,采用最大步长分解约束不等式卡尔曼滤波的双MIMU单兵导航方案,与未加约束时相比双脚位置均方根误差下降了41.46%。     

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%。     

基于虚拟力概念的柔性臂空间机器人模糊退步自适应控制算法设计

讨论了漂浮基柔性臂空间机器人系统的动力学模拟、运动轨迹跟踪控制算法设计及柔性振动主动抑制。采用多体动力学建模方法并结合假设模态法,建立了漂浮基柔性臂空间机器人的系统动力学模型。基于该模型,针对系统惯性参数未知情况,提出了刚性运动基于模糊基函数网络自适应调节的退步控制算法,以完成柔性臂空间机器人载体姿态及机械臂各关节铰的协调运动。然后,为了主动抑制系统柔性振动,运用虚拟力的概念,构造了同时反映柔性模态和刚性运动轨迹的混合期望轨迹,通过改造原有的控制算法,提出了基于虚拟力概念的模糊退步自适应控制算法;这样不但保证了之前刚性运动控制方案对模型不确定的鲁棒性,而且能主动抑制柔性振动,从而提高了轨迹跟踪性能。理论分析及数值仿真算例均表明了控制方法的可行性。     

时间相关噪声条件下的捷联惯导/星敏感器组合导航方法

针对星敏感器测量信息含有时间相关测量噪声和振动环境下惯性传感器带来的时间相关系统噪声问题,在不增加滤波维数的基础上,提出了一种基于改进卡尔曼滤波的捷联惯导/星敏感器组合导航方法。分析了时间相关噪声对状态估计的影响,构建了基于时间相关噪声模型下的状态方程和量测方程,详细推导了改进卡尔曼滤波方程,给出了组合导航方法。利用仿真对所提方法进行了验证,仿真结果表明,组合导航方法取得了400 m/1200 s的导航精度;在时间相关噪声条件下,与标准卡尔曼滤波相比,基于改进卡尔曼滤波的组合导航方法定位精度提高了50 m,是有效可行的。     

室内环境下基于图优化的视觉惯性SLAM方法

基于图优化的即时定位与同步构图(SLAM)方法是在视觉里程计运动估计的基础上通过增加一个回环检测,从而对非线性多约束进行优化来提高定位精度。在视觉运动估计中,针对视觉特征点匹配错误率高的问题,提出了一种ORB特征点聚类抽样匹配跟踪的方法。在位姿图优化上,提出了一种改进型的回环检测方法,减少了两种错误匹配的可能性。最后将视觉SLAM与惯性导航进行组合,提高了系统的稳定性和定位精度。使用公开的室内SLAM测试数据集进行仿真,结果表明,该方法的定位均方根误差在厘米级,生成的点云地图清晰可见。     

基于非线性优化的单目视觉/惯性组合导航算法

针对自主移动机器人在GPS拒止环境下准确实时定位的问题,提出一种单目视觉/惯性组合导航算法。为解决视觉/惯导工作频率不一致问题,利用预积分技术预先处理惯性测量值;引入了一种快速高精度线性初始化方法,分步估计初始系统尺度、重力方向、速度及零偏;结合全局地图三维点约束削弱累积误差,基于是否更新地图点,构建了两种基于非线性优化的单目视觉/惯性紧耦合模型,以保证导航的局部精度及全局一致性。实验结果表明:初始化方法可快速(15 s内)实现高精度状态初始化;与单目视觉导航算法相比,提出的算法不仅可获取绝对尺度信息,且导航精度更高;与传统滑动窗口非线性优化方法相比,提出的算法在窗口优化过程中加入全局地图三维点约束,可有效削弱累积误差,验证了算法的正确性和可行性。     

基于鲁棒滤波的无人机着陆相对导航方法

针对无人机在移动平台上进行起降时的相对导航问题,提出了一种基于鲁棒高阶容积滤波的惯导/视觉相对导航方法。建立了相对导航系统模型,基于无人机与移动平台之间的相对运动给出了系统的相对惯导方程,并针对系统中传感器的量测特性给出了导航敏感器的测量方程。针对相对导航系统非线性较强且量测噪声不符合高斯分布等问题,在高阶容积滤波的基础上,结合Huber-based量测更新方程,设计了鲁棒高阶容积滤波相对导航滤波器,该方法具有较高的估计精度,且对混合高斯噪声有鲁棒性。相对姿态采用四元数表示,为保证四元数的归一化,在设计相对导航滤波器时采用修正的罗德里格斯参数表示姿态误差。仿真结果表明,该方法可以准确地给出无人机与移动平台之间的相对位置、速度和姿态信息,且估计精度高于扩展卡尔曼滤波、Huber-Based滤波以及高阶容积卡尔曼滤波。     

室内惯性/视觉组合导航地面图像分割算法

导航技术是机器人实现自主移动的关键技术之一。针对惯性导航创建全局导航地图困难等问题,提出一种新的惯性/视觉组合导航室内全局地图创建方法。规定机器人只能在地面区域中移动,并利用室内俯视图像建立全局地图,提出一种俯视图像地面区域的自动分割算法。首先,利用主元分析算法对图像的局部颜色特征进行降维;其次,利用聚类算法对地面区域进行自动分割;最后,建立了室内俯视图像数据库并对算法的性能进行了验证。由于第四组图像中包含反光区域,算法的分割结果较差,平均正确分辨率为75%。算法在其他各组的平均正确分割率为85%左右。为提高算法的性能,可在应用本算法前利用反光区域检测算法对图像进行预处理。     

踝关节外骨骼人机耦合动力学与助力性能分析

踝关节在人体下肢运动过程中提供了最大的关节力矩, 因此在下肢增强型外骨骼的研究中, 踝关节外骨骼受到了重点关注. 穿戴外骨骼的人体的行走是典型的动力学问题, 但目前人机耦合动力学的相关研究还处于早期阶段. 本文以绳驱踝关节外骨骼为研究对象, 融合机器人正运动学方法和拉格朗日方程建立了考虑足?地交互力、人体关节力矩和外骨骼力矩的人?机耦合动力学模型. 模型中, 足?地交互力由Kelvin-Voigt模型结合库伦摩擦模型描述, 人体关节力矩由基于粒子群优化的PD控制生成, 外骨骼期望力矩由上层控制器依据人体步态周期确定. 通过基于模型的动力学仿真, 本文从人体踝关节角度、踝关节力矩、踝关节功率和踝关节做功多个角度系统分析了踝关节外骨骼对人体行走的助力效果. 研究表明, 在2.0 km/h到6.5 km/h的人体步行速度下, 穿戴外骨骼可以实现至少24.84%的人体踝关节平均力矩下降和至少24.69%的踝关节做功下降. 本文也开展了基于SCONE平台的肌肉骨骼建模和预测仿真. 仿真结果表明, 在3.6 km/h的步行速度下, 穿戴外骨骼可以有效降低比目鱼肌的激活度峰值, 并使肌电信号的RMS值下降了6.21%, 从而从生理学的角度证实了踝关节外骨骼的助力效果. 本文的结果进一步完善了人体下肢?外骨骼耦合系统的动力学建模和分析方法, 从动力学和生理学角度证实和解释了踝关节外骨骼对行走的助力机制, 也为今后下肢外骨骼的实验研究提供了理论支撑.      

基于车辆运动模型辅助的智能手机平台车载组合导航算法

随着智能手机硬件性能的提升以及MEMS传感器技术的发展和应用普及,现有中高端智能手机平台中大多安装有消费级的微惯性测量单元和GPS接收机模块,将这两者相互结合,利用一定的信息融合方法,即可实现连续的车载导航定位。在智能手机平台中所采用的消费级MEMS惯性传感器模块其精度很低,通常难以满足车载DR导航算法的性能需求;同时在车辆行驶过程中,不可避免会经过高架、隧道等路径,也会导致GPS信号受到遮挡和屏蔽从而无法定位。针对以上问题,设计了适用于智能手机平台的基于车辆运动模型辅助的车载DR/GPS组合导航方案,推导建立了基于车辆侧向速度约束的组合导航算法模型,并以智能手机作为验证平台,测试验证了所设计的算法在无GPS环境下,采用智能手机平台中的消费级MEMS惯性测量组件,仍然可以在短时间内维持较高的导航定位性能。