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。     

基于蜂窝网格粒子滤波的行人导航航向估计方法

为了提高低成本行人惯性导航系统的实时导航精度,针对行人惯性导航系统航向角发散问题,提出一种适用于实时行人导航系统的蜂窝网格粒子滤波算法(CSPF,cellular structure particle filter)。该方法将二维平面划分为紧密相连的蜂窝六边形区域,记录行人运动的历史轨迹信息,采用粒子滤波方法对航向误差补偿量进行估计。蜂窝网格粒子滤波算法在行人惯性导航系统的实验结果表明,引入了蜂窝网格粒子滤波的行人惯性导航方法与常规方法相比能有效改善实时行人惯性导航精度。在二维行走实验中,水平位置误差百分比由5.3%改进到1.7%;三维行走实验中,水平误差百分比由4.2%改进到2.9%。     

融合底层和中层字典特征的行人重识别

针对当前行人重识别方法采用单一底层特征识别率较低的问题,提出一种融合底层和中层特征的识别方法,由粗到精对人体目标进行匹配识别。首先提取目标的颜色直方图和纹理直方图进行粗分类;然后将人体目标分为头部、躯干和腿部3个部分。忽略包含信息量较少的头部,对躯干和腿部,提出一种中层图像块字典提取方法,并对照该字典生成中层特征,进行精确分类。底层特征结合中层特征使算法既具有较好的区分度,又具有良好的泛化能力。实验结果表明本文算法在VIPeR数据库上的n AUC比已有方法提高6.3%,对遮挡和背景粘连的鲁棒性更好。     

基于元胞自动机的行人视线受影响的疏散流仿真研究

基于元胞自动机对视线受影响的行人疏散流进行仿真研究.模型根据行人视野半径将疏散空间划分为可见安全出口区域、可见墙壁区域和盲目区域;利用两个动态参数描述行人在不同移动区域内的疏散特征,从而决定行人的行为选择,包括行人定向移动、沿墙移动和正常疏散移动等行为.仿真研究了行人在墙壁上存在疏散指示标志的疏散空间内,视线受影响时采用随机定向寻墙沿墙移动疏散策略的情况下,行人视野半径对行人疏散时间的影响.研究表明,行人疏散时间不仅受行人视野半径的影响,而且还与安全出口的宽度和安全出口利用率有关.     

基于元胞自动机和复杂网络理论的双向行人流建模

通过设计行人行走倾向性调查实验,分析了行人的行走倾向性特征. 引入前进系数、右倾系数、超越系数以及影响修正系数等对元胞自动机(CA) 基本模型中的转移概率进行修正,建立了考虑行人行走倾向性特征的CA行人仿真模型. 针对该模型中的行人群体,依据k-近邻作用原理,构建行人复杂网络. 通过计算机仿真,揭示了行人流密度、速度和流量的关系以及仿真过程中出现的自组织现象.进一步分析仿真输出的行人流基本参数和行人复杂网络主要特征参数,发现对同一行人流,其平均速度和网络平均路径长度均随着行人流状态的改变而变化.最后, 通过平均路径长度和平均速度的数据拟合,得出两者之间存在着线性负相关关系的结论, 即具有较小网络平均路径长度的行人流具有较高的平均速度.     

一种采用足部航姿参考和肩部航向参考的室内个人导航方法（英文）

为了解决传统足部航姿参考系统中航向信息可观性较差的问题,提出了一种采用足部航姿参考系统和肩部电子罗盘的室内个人导航方法。在这种模式下,肩部电子罗盘测量得到的航向信息被直接用于计算足部航姿参考系统的姿态转移矩阵。在此基础上,通过在行人在行走过程中足部处于静止状态时采用卡尔曼滤波器被用来限制惯性导航系统的误差漂移。实验结果显示,本文提出的方法平均位置误差与不使用肩部电子罗盘的方法相比降低了30%左右。     

基于多源信息融合的行人航位推算室内定位方法

传统行人航位推算(Pedestrian Dead Reckoning,PDR)定位技术存在严重的误差累积问题。针对因航向偏差引起的误差累积,提出一种借助建筑几何信息实现行人航向的实时补偿方案,通过提高定向精度来抑制定位误差的累积传递。分析利用外源绝对位置改善PDR定位结果,试验一种自适应模型噪声的扩展卡尔曼滤波(Extended Kalman Filter,EKF)滤波算法,实现PDR与WIFI定位源的滤波融合。通过实验对比分析,基于改正航向的PDR相较于传统PDR,有效抑制了误差的累积,将整体误差控制在5 m左右;传统PDR与WIFI源滤波融合,比单纯传统PDR提高了82.8%的精确度;航向改正PDR与WIFI源相融合,则比单纯传统PDR和航向改正PDR分别提高了90.2%和49.5%的精确度。结果表明:补偿改正航向和借助外源绝对位置滤波融合均可有效控制传统PDR的误差累积,根据条件约束可知航向改正PDR及其与WIFI源融合方案较适用于规则室内环境,而原始航向PDR与WIFI源融合方案则不受室内结构影响,在多次滤波后逐渐提高行人定位精度,从而可满足行人室内定位精度需求。     

基于WiFi/PDR的室内行人组合定位算法

对当前室内行人定位算法进行了研究。针对WiFi定位稳定性差的问题,提出了一种改进的K最近邻(Improved K-Nearest Neighbor,IKNN)算法。针对行人航位推算(Pedestrian Dead Reckoning,PDR)算法中步长模型及航向估计不准确的问题,提出了一种实时更新的步长模型及基于室内环境特征的航向估计算法。在改进的WiFi定位算法与PDR算法的基础上,提出了一种基于自适应粒子滤波的室内行人WiFi与PDR组合定位算法,通过自适应因子自动调节观测量对粒子分布的影响。通过智能手机在实际室内环境中对定位方法进行了测试,实验结果表明:组合定位系统定位精度为0.66 m,高于普通的粒子滤波算法,是一种准确高效的室内行人定位算法。     

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。