CN103968827A - 一种可穿戴式人体步态检测的自主定位方法 - Google Patents

Abstract

一种可穿戴式人体步态检测的自主定位方法，包括：（1）针对人体的运动建立状态转移模型，并进行捷联惯性导航系统位置、速度及姿态的解算；（2）利用人体行为检测约束条件，并对人体静止步态特征进行捕捉与提取；（3）根据零速、零角速度及姿态校正的方式进行姿态误差集成；（4）利用智能滤波器进行误差估计；（5）利用估计误差修正人体运动的姿态和位置。该发明在面向室内定位方面，从便捷度和精准度两个角度都提供了有力支持。

Description

一种可穿戴式人体步态检测的自主定位方法

技术领域

本发明属于导航定位技术领域，特别是涉及一种可穿戴式人体步态检测的自主定位方法。

背景技术

目前，室外导航已经成为了一项比较成熟和实用的技术。该技术用于向人们在楼宇林立的城市内推荐从起点到终点的优化线路，同时会为人们提供多种不同的线路选择。室外导航系统的成品有诸如：百度地图，谷歌地图等系统；这些系统经过多年的发展，技术已经比较成熟。人们也已经习惯了使用这些系统。

然而，随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，现今的导航系统往往显得力不从心，存在下述问题：首先，室内定位不够精准，一般民用导航系统精度在10m左右，相对于室内精确导航的要求还有一段距离；其次，室内经常会出现诸如墙、禁止通行路标、栏杆等障碍物，室外导航系统基本不会考虑这些细微的障碍物，因而会出现诸如穿墙、跨栏等问题，给用户造成不好的应用体验。

随着智能手机的普及以及移动互联网的发展，地图与导航类软件将进入一个新时代：室内导航。近几年来，包括谷歌、微软、苹果、博通等科技巨头及一些世界有名的大学，都在积极研究室内定位导航方面的相关技术。目前，专家学者提出的室内定位技术解决方案包括：A-GPS定位技术（室内GPS定位技术）、超声波定位技术、蓝牙技术、红外线技术、射频识别技术、超宽带技术、无线局域网络、光跟踪定位和ZigBee技术，以及图像分析、信标定位、计算机视觉定位技术等。然而，直到目前还没有人提出一种低成本、好实现、易操作，拥有高精度、高可靠性的室内自主定位的方法，鉴于此，本发明利用零速和全姿态校正的方式，将误差向量通过智能滤波器对MEMS惯性测量单元IMU（Inertial Measurement Units，以下文字和附图中均将MEMS IMU简写为IMU）的定位及姿态信息进行校准，从而完成拥有上述几个特点的室内定位工作。

与同领域的相关申请专利进行对比，本发明的创造性及优点较为明显。比如，申请号为：201110106566.9，专利名称是《行人惯性导航装置和方法》的专利，其采用的是利用安装位于鞋子脚掌与脚跟部位的微动开关，来进行数据采集的通断过程。此设计引入了硬件设备，从而可靠性和成本问题就随之暴露了出来。然而本发明是采用软件算法来作为后期校正算法的触发开关，几乎无需成本，并且根据多条件判定的方法，使得开关的准确性及稳定性均有了很强的保障。再比如，申请号为：201310144213.7，专利名称是《一种穿戴式的人员步态检测室内定位系统及方法》的专利，其校正模块所采用的是标签法来进行后期的相关校正，这就需要提前预知要定位的室内位置信息以及提前设立预置节点。其成本、操作复杂度以及定位所需条件要求高等问题，到最终都是需要反复考量并解决的难题。而本发明，只需用户佩戴好含有本发明相关方法的IMU，而且无需提前预知当地的地理信息以及设立节点，便可直接在陌生的环境中进行定位测试，人为所需操作的复杂度也基本降至为零。最后，再比较一个欧洲的相关专利。其申请号为：11184048.4，专利名称是《System and method for wavelet-based gait classification》。此专利实现的方法是要首先建立起一个步态模型库，然后再根据IMU所测量的数据进行之后的步态匹配，接着再根据特定的步态对应特定的步长，进而得到相关的航位推算。它的局限性就在于步态模型库建立的复杂度很高，很难建全建准，而且步态匹配度以及步长对应关系也很可能难以达到足够高的精度，从而所推算出来的航位信息精度也会随之受到很大的影响。而本发明，无需建立步态模型库，这样便首先降低了系统组建的复杂程度。而且所用的校准环节是利用各个零瞬态触发，通过零速及全姿态校正的智能滤波器来对载体的姿态、速度以及位置进行相关的推算和校正，其精度绝对可以得到很高的保障。

综上便是本发明的研究背景技术以及相较同领域研究的一些优点和创造性。可以说，在某种程度上本发明从成本、可靠性、复杂性以及精确性等角度都给予了其它相关研究所不具备或不同时具备的先进性、新颖性和创造性。

发明内容

本发明的主要目的在于：面向室内定位，在无卫星定位的情况下，利用设备可穿戴的特点，根据人体步态静止特征，提取步态状态，通过零速、零角速度、地磁和智能滤波器等手段对微惯导系统的定位信息进行修正，有效解决惯导器件的长时漂移问题，从而提高定位精度。综合来看，本发明采用SINS+IF+ZUPT+ZARU+COMPASS算法框架，其中SINS为捷联惯性导航系统，IF为智能滤波器，ZUPT为基于人体步态的零速修正，ZARU为基于人体步态的零角速度修正，COMPASS为地磁导航单元。

为了实现上述目的，本发明采用如下技术方案：

一种可穿戴式人体步态检测的自主定位方法，包括以下步骤：

步骤1，针对人体的运动建立状态转移模型，并进行捷联惯性导航系统位置、速度及姿态的解算；

步骤2，利用人体行为检测约束条件，并对人体静止步态特征进行捕捉与提取；

步骤3，根据零速、零角速度及姿态校正的方式进行姿态误差集成；

步骤4，利用智能滤波器进行误差估计；

步骤5，利用估计误差修正人体运动的姿态和位置。

进一步的，通过可穿戴于人体上的测量传感器件测量出步骤1中所述的位置、速度及姿态；测量传感器件包括加速度计、陀螺仪、地磁传感器。

进一步的，所述步骤2中，利用步态检测模块进行静态步态的捕捉与提取，步态检测模块包括三轴加速度计、三轴陀螺仪及三轴磁强计。

进一步的，所述的步骤2中对于人体静止步态特征捕捉与提取，其检测约束的条件为四个：（1）三轴加速度计合成的加速度幅值，其输出量满足静态阈值条件；（2）加速度合成幅值的局部方差输出量满足静态阈值条件；（3）三轴陀螺仪合成的角速度幅值，其输出量满足静态阈值条件；（4）三轴磁强计合成的地磁幅值，其输出量满足静态阈值条件；当上述四条件同时满足时，便可判定此时为步态的绝对静止时刻。

进一步的，所述步骤3中，将检测为静止的时间区间内的解算速度偏差、测量角速度偏差、解算的方位和根据地磁传感器输出计算得到的方位一起构成观测量，通过设计智能滤波器进行估计。

进一步的，所述的步骤4中，采用基于粒子滤波的Kalman滤波方法进行误差估计，使每个步态静止时刻均可对应全姿态信息，进行实时校准，提高定位精度。

由于被测载体是人，对象较为特殊，而且在定位过程中处于运动状态；那么，建立一个合适的状态转移模型，对于提高后期误差估计等相关信息解算的精度，就显得尤为重要了；因而根据人体运动的特点，最终建立了针对于人体运动的状态转移模型。

与现有技术相比，本发明的有益效果是：

（1） 本发明根据人体运动状态所建立的状态转移模型更加适用于人体在运动过程当中的精准定位；

（2） 本发明相较已有的那些无线及设立预知节点等相关的室内定位方法，其可靠性相对更高，而且无需预先知道当地的室内结构及布局，使用灵活性也较好；

（3） 本发明采用多条件检测法，所提取出的绝对静止步态用来进行步态触发工作，其可靠性和实时性都有了更高层次的保障及支持；所采用的零速和全姿态校正的方式更好地收集了观测误差向量，并通过拓展型的智能滤波器更加准确地校正了惯性器件的累计误差，从而可以得出更好的定位结果。

（4） 本发明具有可穿戴的特点，使用户操作起来更加便捷，且无需进行复杂的预先设置以及背负较大的定位装备，真正实现了小巧便捷、灵活好用的技术效果。

附图说明

图1为惯性测量单元（IMU）安置脚部示意图；

图2为惯性测量单元（IMU）安置腰部示意图；

图3为惯性测量单元（IMU）安置胸部示意图；

图4为可穿戴式人体步态检测的自主定位方法流程图；

图5为捷联惯性导航算法流程图；

图6为静止步态检测捕捉示意图；

图7为人体运动步态检测方框图；

图8为C1条件下脚部合成加速度幅值检测图；

图9为C1条件下腰部合成加速度幅值检测图。

具体实施方式

本发明提供的一种可穿戴式人体步态检测的自主定位方法的流程如图4所示：

4-1：为IMU惯性测量单元，用其测量出未经校正的位置、速度、姿态等相关信息和地磁角度。4-1-1为加速度计：用其测量出三轴加速度的值；4-1-2为陀螺仪：用其测量出三轴角速度的值；4-1-3为地磁传感器：用其测量出三轴的地磁角度，目的是为4-3-3中的地磁角度更新模块服务；

4-2：为步态检测模块：通过4-1中的测量值，进行多条件判断，进行静止步态的捕捉与提取；

4-3：为校正数据更新模块。4-3-1：通过静止步态触发零速度更新模块；4-3-2：通过静止步态触发零角速度更新模块；4-3-3：通过静止步态触发地磁角度更新模块；

4-4：通过4-3的数据更新来进行观测误差的集成工作；

4-5：为智能滤波器：用其进行误差估计，将估计值以状态误差向量的形式传递给4-6模块，与原始数据进行核算，得出精度相对较高的定位信息；

4-6：为位置、速度及姿态等定位信息的计算模块；

具体步骤如下：

步骤1，针对人体的运动建立状态转移模型以及进行捷联惯性导航系统位置和姿态的解算；

在进行行人室内定位的过程当中，其状态模型是非线性的，但是可以运用状态估计的方式将其线性化。在此，本发明设立一个15维的状态误差向量，在其k时刻的表达式如下：

（1）

其中，分别表示为姿态误差，陀螺仪零偏误差，位置误差，速度误差以及加速度计零偏误差。之后根据上述状态误差向量矩阵所得的线性化状态转移模型如下所示：

（2）

其中为所预测的状态误差，是在k-1时刻滤波后的状态误差，是过程噪声，其用一个协方差矩阵表示为：

（3）

而针对人体运动状态的特殊性，所建立的相关状态转移矩阵如下所示：

（4）

其中为一个加速度的斜对称矩阵，其作用是用来估计传感器的俯仰角及横滚角的。其具体表示为：

（5）

其中是已转移到导航坐标系下的已被校正过零偏误差的加速度值。其具体表示为：

（6）

状态转移模型建立好后，便可通过固连于行人的陀螺仪、加速度计，利用捷联惯性导航原理，计算行人的实时位置、速度和姿态。针对于室内环境的捷联惯性导航算法，具体流程如图5所示：

5-1：为捷联惯性测量器件。5-1-1：为固连于载体的加速度计，用于测量载体三轴的加速度值；5-1-2：为固连于载体的陀螺仪，用于测量载体三轴的角速度值；

5-2：为姿态计算机，用其算出各姿态角；

5-3：为比力测量值的分解模块，用其将比力由载体坐标系转换至惯性坐标系；

5-4：为重力计算机，其作用是进行重力补偿；

5-5：为导航计算机，其作用是算出速度及位置的估计值。

导航更新解算采用传统的捷联惯性导航计算方法。这里需要指出的是，初始对准过程中，由于选用的小型MEMS陀螺仪的精度较低，不能有效敏感地球的自转角速度，因此惯性自主定位测量单元的初始对准可简化为：通过水平加速度计的输出估算俯仰角和滚转角，然后由地磁传感器的输出估算出偏航角：计算出的导航坐标系下的磁场强度，从而算出偏航角，然后完成初始对准。具体步骤如下：

首先，根据获得的x、y、z轴向上的加速度计信息，估算俯仰角和滚转角：

（7）

（8）

其中，、、为经过补偿后的加速度计输出值。

根据计算出俯仰角和滚转角，计算导航坐标系下的磁场强度为：

（9）

则可得到偏航角为：

（10）

从而完成了系统的初始对准，获得行人坐标系（b系）到导航坐标系（n系）的方向余弦矩阵：

（11）

完成初始对准后，根据获得的角速率信息，利用四元数方法，对行人的运行姿态进行更新，四元数更新算法如下，首先计算角增量：

（12）

其中，为角增量，、、分别为三轴角速度标量值，为采样时间。

之后进行四元数更新：

（13）

其中，为k+1时刻四元数的第一个值，之后的以此类推；为k时刻四元数的第一个值，之后的依旧以此类推。然后将其四元数归一化：

(14)

（15）

其中A为k+1时刻四元数的平方和；为k+1时刻四元数的第一个归一化的值，之后的以此类推。然后便可得到方向余弦矩阵，如下：

（16）

之后，则可以得到相应的姿态信息：

(17)

根据上述矩阵信息和比力信息对重力进行补偿，获得n系下的加速度，同时计算速度和位置信息。

（18）

（19）

（20）

其中，为根据补偿滤波后的加速度计输出值。

之后，再来建立捷联惯性自主定位导航的误差方程。其状态向量包括3个姿态误差（俯仰角、滚转角和偏航角）、三轴陀螺仪零偏误差、3个位置误差、3个速度误差和三轴加速度计零偏误差共计15维的状态空间方程即滤波模型，利用人体运动步态检测获得的触发信息，驱动智能滤波器，完成各状态向量的估计，反馈校正加速度计输出、陀螺仪输出和相关导航输出结果。状态空间方程为：

（21）

其中，，为姿态角误差，为陀螺仪零偏误差，为加速度计零偏误差，为速度误差，为位置误差；为系统噪声矩阵，其表达式为：；为对应的噪声矩阵系数；为系统状态矩阵；为观测量；为观测向量；为观测噪声。

步骤2，利用人体行为检测约束条件对人体静止步态特征进行捕捉与提取；

提取点的示意图如图6所示：

6-1：为右脚步态静止阶段，红色圆点为绝对静止点；6-2：为左脚步态静止阶段，红色圆点亦为绝对静止点。

人体运动步态检测利用MEMS惯导器件的三轴加速度计、三轴陀螺仪以及三轴磁强计的数据，进行步态判断，具体流程如图7所示：

7-1：为IMU惯性测量单元，其作用是为之后的判断条件，传输加速度值、角速度值以及地磁值等相关的测量信息；

7-2：为步态检测判断条件，7-2-1：为C1条件，根据合成加速度的幅值来进行步态判断；7-2-2：为C2条件，根据合成加速度幅值的局部方差来进行步态判断；7-2-3：为C3条件，根据合成角速度的幅值来进行步态判断；7-2-4：为C4条件，根据合成地磁的幅值来进行步态判断；

7-3：为逻辑“与”，当上述7-2中所有条件均满足时，即“与”后结果为1，则可判断此时为步态静止阶段；

7-4：为中值滤波器，用其将多条件判断法“与”后的波形进行波形修复，使绝对静止状态的统计更加精确；

7-5：为步态检测环节，根据最终滤波后的波形，即静止步态的检测结果来进行后期的步态触发工作。

在零速修正方面，步态检测是至关重要的一个环节。为了保证其检测的准确性，同时利用加速度计、陀螺仪以及磁强计的输出数据，采用四条件（C1，C2，C3和C4）判断算法，同时利用中值滤波方法，有效判断人体运动步态，以状态“0”表示运动，状态“1”表示静止。

条件1(C1)：加速度计输出合成幅值，处于给定的上下阈值之间，则人体静止；

定义加速度计的输出合成幅值为：，定义其给定阈值的C1表达式为：

（22）

此条件为检测静止步态相对最为重要也是信息较为准确的一个条件，故此处详细说明一下。通过仿真，其脚部和胸部的测试仿真图如图8至9所示。图8为脚部的C1条件仿真图，可以看出有很明显的一段时间其值约为9.8m/s²，图中对应为8-1至8-4用红色圆圈已圈出的部分，此阶段为行人步态的静止阶段。所以用此图可以很容易地捕捉到绝对的静止点，作为零速校正等修正算法的触发条件。而图9所示的是腰部C1条件的仿真图，通过仿真，发现胸部的此条件波形图与腰部的几乎一致，均呈现“M”状，故此处以腰部C1条件仿真图为例来进行分析说明。如图所示，绿色阶段9-1，为腰部与脚后跟第一次接触地面时的临界静止状态，其合成加速度幅值约等于g，即9.8m/s²。下方为此时刻对应的人体步态示意图。黄色圈出来的点9-2，是完成脚跟过度为全脚掌结束的标志。之后红色阶段9-3，为脚跟至全脚掌接触地面时腰部向下缓冲的阶段。再之后便为屈膝的缓冲过程。下方同样为此时刻对应的人体步态示意图。接着青色阶段9-4，为换脚阶段，因为要有向前蹬脚的力，所以其中还是有个膝部和腰部向下缓冲和向上蹬腿的运动过程。同样，下方为此时刻对应的人体步态示意图。最后的粉色阶段9-5，便是完成换腿，至另一只脚的脚跟触地，达到另一个新周期临界静止状态的过程。此时刻的人体步态对应示意图亦如下方所示。图中的9-6为图例说明部分，将红色圆圈代表测量时的惯性测量单元（IMU）。

上述的这几个阶段便组成了行人向前迈1步的整个过程，可以看出，绝对静止的点很难捕捉，更不可能是一条比较稳定的静止点群所组成的直线。因而将IMU安置在腰部，不易检测出静止状态，故不推荐使用该方案，即不推荐将IMU安置在行人腰部，进行人体步态静止状态的检测。不过根据步态波形图特定的周期规律，还是可以具有统计行人步数功能的。根据最终测试统计结果显示，其计步精度是相当可靠的。胸部仿真结果与腰部完全同理，分析过程也极其相似，此处就不再赘述了。

条件2（C2）：加速度计输出的局部方差，低于给定的阈值，则人体静止；

定义加速度计输出的局部方差为：，其中为此区间加速度计合成幅值的输出平均值，其表达式为：；s为半窗口采样数量，通常定义其值为15。C2关系式如下：

（23）

条件3（C3）：陀螺仪输出合成幅值，低于给定的阈值，则人体静止。

定义陀螺仪输出的合成幅值为：，其给定阈值C3表达式为：

（24）

条件4(C4)：磁强计输出合成幅值，处于给定的上下阈值之间，则人体静止；

定义加速度计的输出合成幅值为： ，定义其给定阈值C4表达式为：

（25）

四个条件之间采用“与”的逻辑，即只有当四个条件的判断结果都为“1”时才认为步行处于绝对静止状态。通过中值滤波方法，有效判断连续输出的运动结果，剔除噪点，获得有效、合理的步态检测数据。

步骤3，根据零速、零角速度与姿态校正的方式进行姿态误差集成；

角速度、速度、姿态辅助修正算法由检测出的静止步态来触发，即将检测为静止的时间区间内的解算速度偏差、测量角速度偏差、解算的方位和根据地磁传感器输出计算得到的方位一起构成观测量，通过设计智能滤波器进行估计，不仅可以修正行人的速度，而且还可以抑制位置和姿态误差以及估计传感器的零偏误差。

（a）角速度辅助修正

人体在正常运动过程中，与地面接触时间为毫秒级或更长，当检测到人体与地面接触达到瞬间静止时，其输出角速度、输出速度均为0。故角速度辅助修正就是利用这个原理，当检测到行人静止时，计算陀螺仪输出误差，作为滤波器的观测量。

当检测人体运动处于瞬间静止时，角速度输出误差为：

（26）

（b）速度辅助修正

同理，当检测到行人静止时，计算速度误差，作为滤波器的观测量：

（27）

（c）姿态辅助修正

当检测到行人静止时，根据地磁测量单元计算的航向角与惯性导航系统解算出的航向角，获得航向角误差；利用加速度计计算出的俯仰角和横滚角与惯性导航系统解算出的姿态角，获得俯仰角和横滚角误差。将俯仰角、横滚角、航向角误差作为滤波器的观测量。

（28）

其中，为在满足姿态修正条件下，通过对准方法解算出的姿态信息。

综合这三种修正方式，系统的量测矩阵为：

（29）

当获得了人体运动状态的误差方程，便可通过合理的滤波方法，实现人体的航位推算。

步骤4，利用智能滤波器进行误差估计；

滤波器所处应用环境的特点有：变积分时间、维数高、实时性要求高等，利用典型的Kalman滤波方法，难以达到其要求。所以这里引入一种改进的智能Kalman滤波方法，便可实时、高效地估计误差参数，合理优化输出结果。

目前，本方法采用的为基于粒子滤波的Kalman滤波方法，其原理是有当前k时刻的已有量测，构造后验分布函数，得到不同准则下状态量的理论最优估计值。但由于递推最优贝叶斯滤波算法中的积分式在通常情况下不可求，于是粒子滤波便应运而生，同时其也被称为一种次优数字替代算法。其本质是以序列蒙特卡洛的形式，用一组加权粒子来近似表示后验分布：

（30）

式中，为Dirac函数，为粒子的权值，所有权值之和为1。的递推表达式为：

（31）

其中，为重要性密度函数的两个分解量当中的一个。

粒子滤波器是一种完整意义上的对噪声不作要求的非线性估计器，但只有当粒子数时，粒子滤波的估计后验分布才能接近真实表达式，因此粒子滤波也只能算是一种次优滤波，在应用时需要在滤波性能和计算量之间权衡粒子数的取值。

步骤5，利用估计出的误差来修正人体运动的姿态和位置。

根据流程图4所示，将智能滤波器解算出的误差修正信息反馈给惯性测量器件所实测的测量值部分，进行误差消除计算，进而得出较高精度的室内行人的实时姿态及定位信息。

由上述五步，便可完成这种可穿戴式人体步态检测的自主定位方法的设计发明。

本发明提供的这种可穿戴式人体步态检测的自主定位方法，不仅提高了惯性器件的定位精度，并且还利用其可穿戴的特点，降低了用户使用其定位服务时的条件与难度，提升了其便捷度。

以上仅是本发明的具体应用范例，对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案，均落在本发明的权利保护范围之内。

Claims (6)

1.一种可穿戴式人体步态检测的自主定位方法，其特征在于：包括以下步骤：

步骤1，针对人体的运动建立状态转移模型，并进行捷联惯性导航系统位置、速度及姿态的解算；

步骤2，利用人体行为检测约束条件，并对人体静止步态特征进行捕捉与提取；

步骤3，根据零速、零角速度及姿态校正的方式进行姿态误差集成；

步骤4，利用智能滤波器进行误差估计；

步骤5，利用估计误差修正人体运动的姿态和位置。

2.根据权利要求1所述的可穿戴式人体步态检测自主定位的设计方法，其特征在于：通过可穿戴于人体上的测量传感器件测量出步骤1中所述的位置、速度及姿态；测量传感器件包括加速度计、陀螺仪、地磁传感器。

3.根据权利要求1所述的可穿戴式人体步态检测自主定位的设计方法，其特征在于：所述步骤2中，利用步态检测模块进行静态步态的捕捉与提取，步态检测模块包括三轴加速度计、三轴陀螺仪及三轴磁强计。

4.根据权利要求1所述的可穿戴式人体步态检测自主定位的设计方法，其特征在于：所述的步骤2中对于人体静止步态特征进行捕捉与提取，其检测约束条件包括：

（1）三轴加速度计合成的加速度幅值，其输出量满足静态阈值条件；

（2）加速度合成幅值的局部方差输出量满足静态阈值条件；

（3）三轴陀螺仪合成的角速度幅值，其输出量满足静态阈值条件；

（4）三轴磁强计合成的地磁幅值，其输出量满足静态阈值条件；

当上述四条件同时满足时，便可判定此时为步态的绝对静止时刻。

5.根据权利要求1所述的可穿戴式人体步态检测自主定位的设计方法，其特征在于：所述的步骤3中，将检测为静止的时间区间内的解算速度偏差、测量角速度偏差、解算的方位和根据地磁传感器输出计算得到的方位一起构成观测量，通过设计智能滤波器进行估计。

6.根据权利要求1所述的可穿戴式人体步态检测自主定位的设计方法，其特征在于：所述的步骤4中，采用基于粒子滤波的Kalman滤波方法进行误差估计，使每个步态静止时刻均可对应全姿态信息，进行实时校准，提高定位精度。