An Indoor Pedestrian Localization Algorithm Based on Multi-Sensor Information Fusion

For existing indoor localization algorithm has low accuracy, high cost in deployment and maintenance, lack of robustness, and low sensor utilization, this paper proposes a particle filter algorithm based on multi-sensor fusion. The pedestrian’s localization in indoor environment is described as dynamic system state estimation problem. The algorithm combines the smart mobile terminal with indoor localization, and filters the result of localization with the particle filter. In this paper, a dynamic interval particle filter algorithm based on pedestrian dead reckoning (PDR) information and RSSI localization information have been used to improve the filtering precision and the stability. Moreover, the localization results will be uploaded to the server in time, and the location fingerprint database will be built incrementally, which can adapt the dynamic changes of the indoor environment. Experimental results show that the algorithm based on multi-sensor improves the localization accuracy and robustness compared with the location algorithm based on Wi-Fi.

Map Aided Pedestrian Dead Reckoning Using Buildings Information for Indoor Navigation Applications

Navigation systems play an important role in many vital disciplines. Determining the location of a user relative to its physical environment is an important part of many indoor-based navigation services such as user navigation, enhanced 911 (E911), law enforcement, location-based and marketing services. Indoor navigation applications require a reliable, trustful and continuous navigation solution that overcomes the challenge of Global Navigation Satellite System (GNSS) signal unavailability. To compensate for this issue, other navigation systems such as Inertial Navigation System (INS) are introduced, however, over time there is a significant amount of drift especially in common with low-cost commercial sensors. In this paper, a map aided navigation solution is developed. This research develops an aiding system that utilizes geospatial data to assist the navigation solution by providing virtual boundaries for the navigation trajectories and limits its possibilities only when it is logical to locate the user on a map. The algorithm develops a Pedestrian Dead Reckoning (PDR) based on smart-phone accelerometer and magnetometer sensors to provide the navigation solution. Geospatial model for two indoor environments with a developed map matching algorithm was used to match and project navigation position estimates on the geospatial map. The developed algorithms were field tested in indoor environments and yielded accurate matching results as well as a significant enhancement to positional accuracy. The achieved results demonstrate that the contribution of the developed map aided system enhances the reliability, usability, and accuracy of navigation trajectories in indoor environments.

地磁序列辅助修正的PSO-PF室内行人定位方法

室内行人定位是位置服务的重要基础,地磁信号具有被随时感知的特点,基于地磁信号的定位方法一直是室内行人定位研究的一个热点。针对当前基于粒子滤波融合定位存在累计误差大、定位精度较低的问题,本文提出变长地磁序列辅助PSO-PF的室内行人定位方法。首先,在传统粒子滤波算法的基础上,融合粒子群算法进行最佳位置寻优提升实时定位的准确性;然后,建立了DTW-A^(*)算法获取变长地磁序列对一段时间累计误差进行修正,以解决基于粒子滤波定位方法的累计误差问题;最后,通过试验将本文方法与现有主流定位方法进行比较。结果表明,本文方法在室内行人定位方面平均误差为0.90 m,比PDR、MaLoc和Magicol方法分别降低了73.1%、68.0%和63.8%。其中,本文方法1.43 m定位精度达90%,比PDR、MaLoc和Magicol方法分别提升了75.1%、68.4%和67.7%。此外,在不同型号手机上进行的试验结果表明,本文方法不仅适用且表现稳定,有望为不同设备的室内定位提供支持。

面向室内语音导航的“附近”关系协同定位方法

针对传统室内定位模式单一,且单一“附近”空间关系无法满足定位需求的问题,提出一种融合“附近”空间关系/无线保真(WiFi)/行人航迹推算(PDR)/地磁的室内定位方法:阐述多源融合语音交互室内定位方法框架;并针对室内环境,建立“附近”空间关系概率密度函数;然后步行构建地磁/WiFi指纹库;最后后通过“附近”空间关系约束粒子及指纹匹配空间范围,在PDR推算位置基础上,利用WiFi/地磁/“附近”空间关系更新粒子权重,实现最优位置估计。实验结果表明,基于粒子滤波融合单一“附近”空间关系/WiFi/PDR/地磁为一种低成本可行的定位方法,平均定位精度1.93 m,有90%可能性定位精度可达2.52 m。

基于人体运动识别约束的室内定位方法

针对传统的行人航迹推算(Pedestrian Dead Reckoning,PDR)方法无法满足多运动状态下的定位问题,提出了一种基于神经网络运动识别辅助室内定位的方法。构建出卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)组合的神经网络模型,用于识别人体的运动状态并完成分类。根据运动分类的结果应用到行人航迹推算中,分析和筛选运动参数特征作为算法的阈值约束条件来提高定位精度。在算法中运动步数由合加速度计数据波形检测得到,步长由运动状态的特征自适应调整步长模型。通过实验验证,CNN-GRU模型在自建数据集上的准确率达到99.6%。将识别结果应用到PDR中,在112 m 4种动作的矩形路线中定位误差为1.8 m,误差远低于传统PDR定位的19.9 m。实验结果验证了该方法的可行性。

多维信息感知地标匹配的PDR定位算法

针对行人航位推算(Pedestrian Dead Reckoning,PDR)室内定位系统的累计误差问题,提出了一种多维信息感知地标匹配的PDR定位算法(PDR positioning algorithm based Multi-imensional Information Perception Landmark Matching,MIPLM)。算法利用行人在室内走廊环境下的众包轨迹,并基于突出性路口结构,从位置、航向、影响范围以及WiFi特征指纹等方面构建多维信息感知地标库。给出的自适应地标检测算法,结合航向约束轨迹相似度匹配模型,更新行人位置和航向,避免了本地化匹配过程对空间位置的强依赖性。实验结果表明,相比于其他地标构建及匹配算法,所提算法更好地反映了行人活动与室内空间结构的相关性,且在未知起始位置时,算法能够快速收敛并提供较高的定位精度,对于室内行人连续定位具有较高的应用价值。

基于连续动作空间深度强化学习的多数据融合室内定位方法

基于智能手机的室内定位在研究和工业领域都引起了相当大的关注。然而在复杂的定位环境中,定位的准确性和鲁棒性仍然是具有挑战性的问题。考虑到行人航位推算(PDR,pedestrian dead reckoning)算法被广泛配备在最近的智能手机上,提出了一种基于双延迟深度确定性策略梯度(TD3,twin delayed deep deterministic policy gradient)的室内定位融合方法,该方法集成了Wi-Fi信息和PDR数据,将PDR的定位过程建模为马尔可夫过程并引入了智能体的连续动作空间。最后,与3个最先进的深度Q网络(DQN,deep Q network)室内定位方法进行实验。实验结果表明,该方法能够显著减少定位误差,提高定位准确性。

双源信号下多元尺度融合室内位置测算方法

针对大型多接入点场景的指纹定位中存在的定位点区域归属误判、离群点干扰的问题,提出一种双源信号下多元尺度融合室内位置测算方法。指纹在线定位阶段,利用PDR信号的时空信息,将定位点归属分区内的参考点数量进行扩展,缓解邻界区域误判带来的负效益;此外,利用多元距离与卡方距离代替传统欧氏距离,结合空间域物理距离尺度,实现多元尺度下的近邻筛选,有效克服离群点干扰;引入K值动态适配,并基于此进行Wi-Fi与PDR预定位的动态链接式融合,进一步提高定位算法的准确性。实验结果表明,在引入双源信号的相同条件下,相比其他多元尺度与动态K值算法,所提方案综合性能较优,平均定位精度优于其他算法6.6%~23.1%。

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。

改进FSM步态检测的行人航位推算方法

针对传统波峰检测法的步态识别率低以及普适性和稳定性较差等问题,提出改进FSM步态检测的行人航位推算方法。该方法关注当前的步伐状态,将一个步态周期划分为5种状态并引入峰值阈值限制,从用户不同运动状态和手机模态进行实验分析。结果表明,该算法不但具有较高的步态识别准确率,而且可减小航位推算时间累积误差,具有一定的可靠性和稳定性,能够满足室内定位需求。

双目视觉辅助PDR的组合导航定位方法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算(Pedestrian Dead Reckoning,PDR)与双目视觉组合,提出一种双目视觉辅助PDR的组合导航定位方法.该方法通过选取或布置地标建立了地标位置数据表;基于轻量化目标检测实现了对地标实时双目测距,保证定位的实时性;利用PDR位置信息得到检出地标类别对应坐标,基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合,提高了定位精度并抑制PDR累计误差,同时对PDR中航向和单参数模型中单位转换常数进行误差补偿,提高PDR定位精度.实验结果表明,在地标纹理清晰且分布合理情况下,该方法能有效解决室内复杂环境下单一PDR累积误差问题,此外,对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.

基于自适应粒子滤波的WiFi与PDR融合定位算法

针对室内复杂环境下单一定位算法精度低的问题,提出基于自适应粒子滤波的WiFi与行人航位推算(PDR)融合定位算法。针对WiFi定位固定K最近邻(KNN)导致精度变差的问题,采用优选动态KNN进行加权KNN(WKNN)算法定位估计;对于PDR定位累积误差的问题,通过动态阈值的波峰波谷步频检测、最小二乘法拟合修正非线性步长模型进行改善;在此基础上,采用自适应粒子滤波进行WiFi与PDR融合定位。实验结果表明:所提算法在3 dBm噪声标准差条件下,均方根误差(RMSE)为0.95 m,精度达到0.89 m,可有效改善在室内环境下定位系统的定位精度和鲁棒性。

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EKF融合的室内定位技术研究

针对单一室内定位技术的局限性,提出了一种基于扩展卡尔曼滤波(EKF)融合WiFi和行人航位推算(PDR)的定位方法。不同于传统WiFi指纹定位,本文基于随机森林(RF)模型建立多个基分类器,取投票结果的众数作为输出结果;通过采集手机内置传感器数据解算行人的步频、步长,并基于四元数进行航向估计。本文在EKF融合定位时,根据状态模型得到状态的预测值,RF模型输出观测值,根据观测值更新状态估计,推算下一时刻位置。试验表明,本文研究的融合算法的定位精度可达到1.26 m,比单一定位算法定位精度提高了1.07 m。

A Study on the Methods for Estimating the Distribution of Pedestrians in an Underground Mall by Use of Watch Cameras

This paper shows the method of estimating spatiotemporal distribution of pedestrians by using watch cameras. We estimate the distribution without tracking technology, with pedestrian＇s privacy protected and in Umeda underground mall. Lately spatiotemporal distribution of pedestrians has being increasingly important in the field of urban planning, disaster prevention planning, marketing and so on. Although many researchers have tried to capture the information of location as dealing with some sensors, some problems still remain, such as the investment of sensors, the restriction of the number of people who has the device they are able to capture. From such background, we develop an original labelling algorithm and estimate the spatiotemporal distribution of pedestrians and the information of the passing time and the direction of pedestrians from sequential images of a watch camera.

室内步行街火灾烟气温度和蔓延速度的试验研究

室内步行街内可燃物众多、人员密集,又存在特殊的狭长结构,一旦发生火灾,往往会导致建筑内局部温度急剧升高,同时火灾产生的高温烟气会快速在整个建筑内蔓延且难以排出,极易造成大规模的人员伤亡和财产损失。通过全尺寸火灾试验研究了4种不同机械排烟模式下室内步行街火灾烟气温度和蔓延速度的变化规律。结果表明:房间内天花板下方火灾烟气温升随时间的变化存在明显的稳定阶段,该稳定阶段在点火后的出现时间与机械排烟模式、火灾烟气蔓延方向以及距火源的距离有关;机械排烟系统的开启对房间内通风控制火灾燃烧的促进作用大于对火灾烟气的冷却作用,进而使火灾烟气温度升高;机械排烟系统对火灾烟气蔓延速度有限制作用,但不同方向火灾烟气蔓延速度的变化需要综合考虑机械排烟模式、排烟口的位置以及火源功率的变化;现有的挡烟垂壁设置难以有效限制火灾烟气的蔓延速度,需要进行改进以保障人员的安全疏散。

一种调频广播信号辅助PDR的室内定位技术

针对室内定位系统中现有的行人航位推算(pedestrian dead reckoning,PDR)方法存在加速度计适用性较差,以及基于惯性和磁传感器的航向估计易受器件误差和磁场环境的影响,导致精度较低的问题,在不增加基础设施成本和现场勘察工作的前提下,提出一种调频(frequencymodulation,FM)广播信号辅助PDR的室内行人定位技术:在传播模型理论基础上探究FM信号接收信号强度指数(RSSI)与步长的关系,将其与加速度组合以提升步长估计的适用性;然后通过分析FM信号在直线/转弯运动模式下的变化,将其与角速度组合以提升模式识别准确率,并使用模式识别结果约束航向漂移误差;最后,综合步长与航向估计结果实现定位。实验结果表明,引入FM信号后定位误差均值可分别减小36.1%、78.9%。

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。

室内步行街中庭火灾温度场特征及烟气蔓延控制全尺寸试验研究

通过开展一系列全尺寸火灾试验,研究室内步行街中庭火灾的烟气蔓延特征和温度分布规律,讨论不同排烟模式下中庭火灾的羽流轴向温升、横向温升分布、远火源处垂直方向温升的变化规律。研究结果表明中庭火灾的烟气蔓延范围、烟气层高度、温度分布规律与排烟模式及建筑结构特征有关,烟气横向温升衰减速率则与火源功率、排烟模式以及距地面的高度有关。基于Zukoski模型分别建立了自然排烟和机械排烟模式下的火源上方羽流轴向温升的修正模型。文章中自然排烟方法对中庭火灾烟气整体温升控制效果较好,但对烟气蔓延范围的控制效果有限;而机械排烟方法对烟气整体温升的控制效果不佳,对烟气蔓延范围的控制效果较好。

基于数字孪生的室内行人监测系统设计

对展馆内行人进行高效的位置监测,分析人群密集区域及感兴趣区域,提高监测系统的实时性与可视化程度,可以有效提升展馆管理效率、优化业务布局,以及避免踩踏事件等安全问题的发生。文中将数字孪生概念与行人监测过程相结合,设计一种基于数字孪生的室内行人监测系统。该系统架构分为业务应用层、数据通信层、数据管理层和设备支持层。数字孪生展馆可视化基于Three.js引擎构建孪生场景以及人机交互。使用Vue和Koa框架完成对综合管控系统数据通信模块、数据管理模块、数据展示模块和系统管理模块等四大功能模块的实现。系统使用毫米波雷达作为行人监测传感器,提出一种基于雷达数据的人群密度预警数字孪生模型,并对三维场景实时目标显示方法进行优化。实际运行测试结果表明,所提系统运行帧数稳定、实时性好、可视化程度高、用户交互性良好,管理人员能够实时有效地监控人群情况,掌握人群密集区域、感兴趣区域;并且该设计能降低管理成本,提高管理效率。