基于自适应UKF的UWB/PDR行人定位系统

UWB(Ultra-Wide Band)无线通讯技术在室内导航定位领域获得了广泛的应用,然而基于UWB的行人定位系统在复杂室内环境下的稳定性不佳,导致定位误差增大。为了解决这一问题,文中提出了一种基于自适应无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的UWB/PDR(Pedestrian Dead Reckoning)行人定位系统。该系统利用无迹卡尔曼滤波算法将PDR模型与UWB的定位信息进行融合,以得到最优位置估计,随后利用UWB定位与PDR系统所获得的步长差概率密度函数来计算定位点的非视距评估概率,并将评估结果作用于系统的自适应噪声调整,以此提高系统对环境的适应性。实验验证结果表明,该系统可有效降低复杂环境下定位误差,提高行人定位结果的精度和稳定性,平均定位精度达到10 cm以内。

基于自适应PDR补偿的UWB/MIMU组合行人定位算法

为提高室内环境下行人的定位精度,针对超宽带(UWB)和微型惯性测量单元(MIMU)在行人室内定位中存在的定位不连续和定位误差累计问题,提出一种自适应行人航位推算(PDR)补偿的UWB/MIMU组合方案。首先提出一种多约束的PDR计步算法,降低了对阈值设置准确性的要求,消除了伪波峰和伪波谷对计步结果的影响;接着通过引入零速更新(ZUPT)和零角速率更新(ZARU)组合的方法对航向角误差进行修正;最后基于自适应滤波算法解算行人的位姿并进行了实验验证。结果表明,所提方案有效抑制了定位轨迹误差增大趋势,使得偏航角误差减少2°。

基于地磁辅助的室内行人定位航向校正方法

在基于惯性传感器的室内人员自主定位系统中,由于陀螺仪存在随时间增长的漂移,需要依靠地磁场对航向校正。然而,室内场景中地磁场会受到比较严重的干扰,磁力计自身也存在一定误差,严重影响了地磁场辅助定位的航向校正效果。该文提出一种地磁辅助的室内定位航向校正方法,该方法首先结合人体运动模型对磁力计进行校准,获取相关校准系数,提高磁力计解算航向精度。在此基础上利用改进的磁场准静态检测方法提取可用的磁力计观测量,经校准系数校准后结合零速更新算法(Zero velocity UPda Te,ZUPT)辅助的扩展卡尔曼滤波(Extended Kalman Filter,EKF),对陀螺仪航向进行滤波校正。实验结果显示在长约684 m的轨迹下航向误差仅为3.2°定位误差小于0.5 m,定位精度优于0.2%,验证了该方法较传统的磁场辅助航向校正方法的优越性。

一种惯性/简化室内GIS组合的行人定位系统（英文）

惯性定位系统中的累积误差问题使得惯性定位系统无法长时间使用。室内地理信息系统(GIS)中的建筑物结构、地标点位置等信息可以用来修正和优化惯性定位算法,解决其累积误差问题,从而实现惯性定位系统的精度保持,延长系统使用时长。使用射频识别(RFID)系统和建筑物结构信息构建了简易室内地理信息系统,提出了一种基于GIS的增强型行人航迹推算(PDR)算法,通过该算法融合GIS与惯性定位系统。实验表明,融合简易室内GIS的惯性行人定位系统较传统行人定位系统性能更优。在GIS提供航向标定和步长估算系数标定的情况下,融合GIS的惯性系统能够在60 min之后,较惯性定位系统误差分别降低50%和67%;在GIS提供位置和高度标定的情况下,融合GIS的惯性系统并未出现误差累积的现象,在使用超过150 min后,依然能够将行人航迹推算误差保持在2 m范围之内(>80%概率)。

基于智能手机传感器的林区行人定位算法

针对林区卫星信号缺失、跟踪定位困难的问题,提出了基于智能手机传感器的林区行人定位算法(forest-pedestrian location,FPL)。算法在行人航位推算算法(pedestrian dead reckoning,PDR)基础上进行改进:采用扩展卡尔曼滤波(extended Kalman filter,EKF)与卡尔曼滤波(Kalman filter,KF)融合算法对磁力计、加速度计及陀螺仪输出进行多次融合,以提高方位角测量精度;随后,使用Savitzky-Golay(S-G)滤波处理方位角测量值,以提高PDR算法中方位角的估计精度;引入K邻近(K-nearest neighbor,KNN)算法估计步长,将拟合显式步长函数问题转化为"懒惰学习"问题;使用差分气压测高法求解行人高程信息,从而获取行人在林区内的3维定位信息。实验结果表明,该算法可以提高方位角及步长的估计精度,同时可以增加精准的高程定位信息,整体误差控制在5%以内,可以满足林区无信号条件下的定位需求。

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械(Micro-Electro-Mechanical System,MEMS)惯性导航系统(Inertial Navigation System,INS)的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无法准确地对误差进行估计建模,导致MEMS-INS的位置精度不高.本文从室内环境结构分析入手,提出了一种三维地图匹配的条件随机场算法.通过设计导航输出的位姿信息与室内状态点的数学关系,结合最佳轨迹求取的算法建立室内三维地图匹配的算法模型.最后通过算法求解出的最佳匹配点坐标修正惯性导航输出的位置误差.

基于磁强计阵列的室内行人定位算法研究

由于磁场信号无处不在的特点,磁场定位已经成为主流的消费类室内定位方法之一。针对1个磁强计观测的磁场指纹维度低等问题,本文使用由18个磁强计组成的阵列进行磁场匹配定位。通过增加单个位置的磁场指纹维度,提升磁场指纹的位置辨别度,达到提升定位系统的响应速度和定位性能的目的。实验结果表明,在磁场强度序列长度达到约3.5 m时,基于动态时间规整算法的磁强计阵列方法可达到90%的匹配成功率和0.5 m的定位精度。

用户行为感知辅助的室内行人定位

提出了一种用户行为感知辅助的室内行人定位方法。该方法采用行为感知技术,通过智能手机内置的传感器获取行人经过室内特殊位置(如电梯、转角等)的连续多个位置相关的行为状态,结合室内路网的拓扑结构,将行人的位置匹配到相应的特殊位置,以消除行人航位推算(PDR)的累积误差,同时可以在起始点未知的情况下实现行人的自主定位。试验验证了该方法的有效性。

基于因子图优化和李群空间表征的室内行人协同导航

在室内环境中为行人提供导航和定位服务一直具有很高的挑战性。针对无基础设施的室内环境中行人编队导航问题,提出基于因子图优化和李群空间表征的室内行人协同导航方法,采用李群中二维特殊欧式群(SE(2))空间描述行人的运动状态,利用多用户多历元PDR/UWB观测信息,通过非线性优化求解行人编队运动状态的最优估计。实验结果表明,相较于行人航位推算方法和基于EKF的协同导航方法,本文提出的协同导航方法平均定位误差分别减小了34.4%与10.4%,编队相对距离误差分别减小了76.2%与45.4%,能有效提高行人编队整体定位精度。

基于位姿图优化的MEMS-INS/GNSS行人融合定位方法

为了实现消防救援、反恐作战等应急任务复杂场景下行人的室内外无缝定位,提出了一种基于位姿图优化的综合利用微惯性导航系统和全球卫星导航系统的融合定位方法。首先利用经典的EKF滤波算法实现微惯导和卫导融合定位,结合卫导长期精度较高、误差稳定和不随时间累积的优点以及微惯导短时精度高、输出连续、自主定位的优点,实现行人在复杂环境中的室内外无缝定位。在此基础上,提出了一种图优化结合EKF的融合定位新框架,利用卫导定位终端和足部微惯导定位模块进行了实验,比较EKF、图优化-EKF两种算法的融合定位效果。实验结果显示,面对室内外复杂环境,单纯的EKF算法融合定位轨迹航向偏差较大,图优化-EKF算法在轨迹方向保持性上表现更佳,相比EKF算法其融合定位轨迹航向误差减小了48.87%,位姿图优化-EKF算法具有更好的全局稳定性和航向精准度,显著降低了卫星测量异常值对融合定位结果的影响。

基于历史信息约束的室内行人三维惯性定位误差修正方法

随着物联网技术的发展,室内位置服务将在未来生产生活中发挥至关重要的作用,惯性定位系统的累计误差是制约惯性室内定位技术应用的重要因素。为此,提出一种基于历史信息约束的室内行人三维惯性定位误差修正方法。利用惯性信息估计行人运动环境中的可通行区域,使用静态二值贝叶斯滤波器构建三维占用栅格地图;通过基于粒子滤波的FastSLAM方法利用行人的历史位姿信息获得当前时刻位姿和地图的最优估计,减少惯性系统的累计误差,在不依赖任何其他信息的情况下获得纯惯性行人定位系统长期误差的稳定性。所提出的算法能够有效地提升纯惯性行人导航系统的定位性能,实现封闭环境内长时间稳定定位,在34分钟1992米多层楼宇行走实验中,其定位误差不超过4 m(RMS),约为总路程的0.2%,相较足绑式零速修正惯性行人航位推算定位系统定位精度提升86.5%。

基于双目相机与改进YOLOv3算法的果园行人检测与定位

针对复杂果园环境中行人难以精确检测并定位的问题,提出了一种双目相机结合改进YOLOv3目标检测算法的行人障碍物检测和定位方法。该方法采用ZED双目相机采集左右视图,通过视差原理获取图像像素点的距离信息;将双目相机一侧的RGB图像作为用树形特征融合模块改进的YOLOv3算法的输入,得到行人障碍物在图像中的位置信息,结合双目相机获得的像素位置信息计算出相对于相机的三维坐标。用卡耐基梅隆大学国家机器人工程中心开放的果园行人检测数据集测试改进的YOLOv3算法,结果表明,准确率和召回率分别达到95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26 f/ms。行人检测与定位试验表明,行人障碍物的定位在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有快速性和准确性,可以较好地实现果园环境中的行人检测与定位,为无人驾驶农机的避障决策提供依据。

基于GLRT零速检测算法的行人室内定位系统

针对微机电系统中惯性传感器漂移大、精度低导致室内行人定位精度不高的问题,本系统在惯性导航解算算法的基础上,提出基于广义似然比检验的零速检测算法。该方法是利用广义似然比检验对行人处于站立相或摆动相的概率进行估计以及进行零速更新,提高行人定位精度。基于本文提出的行人室内定位模型,搭建以惯性测量单元为核心的实验平台,评估本文算法的可行性。实验结果表明行人定位的动态误差为-1.814 1 m^1.451 6 m,置信度为97.61%。表明本文的行人室内定位系统满足实际定位的要求。

基于惯性递推原理的行人自主定位方法综述及展望

在室内环境或者卫星信号遮挡环境下,如何实现单兵或者行人的自主定位是目前研究的热点问题。其中,基于惯性递推原理的行人自主定位方法由于无需提前布设基础设施,且具有体积小、成本低、完全自主、不受干扰、实时性高等特点,因此具有广泛的研究价值和意义。本文围绕基于惯性递推原理的行人自主定位方法展开介绍,针对动态步态分析、零速区间检测、惯性器件误差约束、运动误差约束方法和融合算法等方面技术进行了综述。最后,对基于惯性递推原理的行人自主定位方法的发展方向进行了展望。

基于改进的磁场检验和主方向算法的行人航向估计

针对以惯导为核心的行人定位算法存在航向角失真的问题,提出了一种融合惯性测量单元(IMU)和磁力计的行人导航算法,利用步幅航向的变化量将行人的运动分为直线行走和曲线行走两部分,当检测到行人直线行走时,提出一种实时建立主方向的自适应航向角漂移修正算法,对航行角误差进行补偿;当行人曲线行走时,辅助地磁场信息,使用磁场强度、地磁倾角、惯性导航系统(inertial navigation system, INS)与磁力计解算的航向角之差这三个特征值构建广义似然比检验量,对磁场进行判断获得稳定状态磁场信息,通过卡尔曼滤波对航向角误差进行补偿。将传感器置于足部进行实验,实验结果表明,两种算法可以实现优势互补,有效地抑制地磁信息的干扰,提高导航精度,算法结果相对于无航向角修正的零速修正算法、零角速度更新算法和单独使用磁力计进行融合的算法,定位误差分别降低了91.02%、82.93%和61.39%,室外和室内终点定位误差分别为4.545 4 m和0.543 6 m,占总路程的0.69%和0.17%。

地磁导航定位技术原理与方法综述

地磁导航定位是多源融合导航定位技术体系中重要的技术手段之一,具有适用范围广、抗电磁干扰能力强、可全天时全天候工作等优点,为运动载体特别在地下、水下等卫星信号接收受限的场景提供一条无源被动的自主导航定位技术途径.然而地磁场导航定位的实现过程通常因其应用的载体和场景不同而存在一定差异,本文将根据地磁导航定位的不同应用场景进行分类阐述,对其相应的原理与方法进行综述,以期助力地磁导航定位技术领域的后续推进.

基于加强抗差自适应卡尔曼滤波的行人室内定位系统

针对惯性测量单元定位存在累积误差和野值干扰等问题。本文对原始信号进行预处理,利用融合滤波和零速更新算法来抑制速度和位姿的累积误差。在自适应卡尔曼(Kalman)的基础上提出加强抗差自适应卡尔曼滤波算法,削弱了量测野值对状态估计的干扰,抑制滤波发散。实验结果表明:系统精度较高,实现了行人在封闭环境的较高精度定位。

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。

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。

基于MEMS/超声波双足足绑式定位系统的实现

作战救灾等复杂场景下环境干扰大且难以获取外界信号、定位困难。惯性系统因其特性成为复杂场景下不可或缺的自主定位方式,但惯性器件存在累计误差,长航时状态下难以满足定位精度需求。超声波测距受环境影响小,成本较低,已成为辅助惯性器件进行行人定位的重要方式。目前惯性与超声波组合导航多为理论研究及仿真验证,少量可实现系统不便于后续研究实验的进行。针对上述问题,实现了一种基于Xsens公司MtiG710型号微机电系统(micro-electromechanical systems,MEMS)和DAKOTA公司DJIN1002超声波模块的双足足绑式定位系统,并进行实测实验验证了系统的可行性。