CN104137594A - 在移动设备或其它系统中使用传感器追踪活动、速度和前进方向 - Google Patents
在移动设备或其它系统中使用传感器追踪活动、速度和前进方向 Download PDFInfo
- Publication number
- CN104137594A CN104137594A CN201280062283.1A CN201280062283A CN104137594A CN 104137594 A CN104137594 A CN 104137594A CN 201280062283 A CN201280062283 A CN 201280062283A CN 104137594 A CN104137594 A CN 104137594A
- Authority
- CN
- China
- Prior art keywords
- mobile device
- advance
- vector
- described mobile
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
Abstract
本发明的实施方式提供了用于使用移动设备内的传感器且无需使用外部信号来追踪所述移动设备以确定位置、速度和前进方向的系统和方法。根据一个实施方式,定位和追踪移动设备可包括从移动设备内的多个传感器中的每个传感器读取传感器数据。传感器可以提供传感器数据而不依赖于来自移动设备外部的设备的信号。例如,多个传感器可包括指南针、回转仪和加速度计。基于传感器数据,可以确定移动设备的运动、速度和前进方向。
Description
相关申请的交叉引用
该PCT申请要求2012年10月16日递交的美国专利申请No.13/653,009的优先权,本申请根据35USC119(e)要求通过Fauci等在2011年10月17日递交的名称为“Tracking Activity,Velocity,and Heading Using Sensors in MobileDevices or Other Systems,”的美国临时申请No.61/547,969的权益,出于所有目的,该美国临时申请的全部公开内容以引用方式并入本文。
背景技术
本发明的实施方式总体涉及用于追踪移动设备的系统和方法,尤其涉及使用移动设备内的传感器且无需使用外部信号来追踪该移动设备以确定位置、速度和前进方向。
存在各种用于确定人的位置、或者更具体地该人携带的移动设备的位置的技术。一个熟知的方法包括:使用移动设备中的全球定位系统(GPS)接收器,其检测并三角测量全球广播卫星信号。在另一方法中,来自蜂窝基站的信号的三角测量可以用来确定移动设备的位置。在另一方法中,来自本地WiFi设备的信号的三角测量可以用来确定移动设备的位置。在一些情况下,通过使用特定区域的预定义地图可以增强这些不同的方法,基于该地图可以调整通过这些方法所确定的设备的位置。例如,在大型购物中心用于提供基于位置的广告或其他功能所采用的系统可以使用该购物中心的内部的预定义地图。由于购物者不能站在墙壁所在的位置且购物者不能站在或者移动通过喷泉或装饰物所在的位置,对于该设备所确定的位置可以相应地调整以校正错误。
然而,这些方法中的每个方法具有一些明显的缺点。例如,手机信号的三角测量对于定位和/或追踪行人不是很精确。GPS较精确但对于定位和追踪行人仍不是很精确且通常在室内或其他情形中是不可用的。WiFi是高度局域化的而仅在有限的情形中可用。简而言之,这些方法中的每个方法依赖于外部信号或设备,即,移动设备外部的设备,该外部设备在某些情形下可以是不精确的、不可靠的或者完全不可用的。因此,需要改善的用于追踪移动设备的方法和系统。
发明内容
本发明的实施方式提供了用于使用移动设备内的传感器且无需使用外部信号来追踪该移动设备以确定位置、速度和前进方向的系统和方法。根据一个实施方式,定位和追踪移动设备可包括从移动设备内的多个传感器中的每个传感器读取传感器数据。传感器可以提供传感器数据而不依赖于来自移动设备外部的设备的信号。例如,多个传感器可包括指南针、回转仪和加速度计。基于传感器数据,可以确定移动设备的运动、速度和前进方向。更具体地,基于所述传感器数据确定所述移动设备的运动、速度和前进方向包括:将所述移动设备的活动分类为运动或静止。响应于将所述移动设备的活动分类为运动,基于所述传感器数据可以确定所述移动设备的速度且基于所述传感器数据可以确定所述移动设备的前进方向。
将所述移动设备的活动分类可包括:在一时段内从所述多个传感器中的每个传感器采集传感器数据。传感器数据可以被融合以产生对于与所述移动设备的方向有关的多个指示中的每个指示的估值。每个估值可以被归一化并且基于所归一化的估值可以形成表示移动设备的活动的多个向量。然后,基于所述多个向量,可以将在所述时段内的移动设备的活动分类。
确定所述移动设备的速度可包括:对多个传感器数据读数中的每个计算平均值和标准偏差。基于每个所计算的平均值和标准偏差,可以生成特征向量。所生成的特征向量可以与参考数据集比较且基于所述比较,将每个特征向量分配至集群。然后,基于所集群的特征向量数据,可以确定所述移动设备的速度。
确定所述移动设备的前进方向可以包括:确定一组角速度数据的大小。可以确定所述大小是否超出预定义的阈值。响应于确定所述大小超出预定义的阈值,可以将所述移动设备视为正在旋转。然后,针对随时间的漂移可以校正所述传感器数据,以及将所校正的传感器数据记录为所述移动设备的前进方向。
根据一个实施方式,可以绘制移动设备的路径。绘制所述路径可以包括:识别所述移动设备所移动的平面的多个轴线中的每个轴线。基于所述传感器数据,可以确定沿着所识别的轴线的第一前进方向向量和沿着所识别的轴线的第二前进方向向量。所确定的前进方向向量可以被滤波以及基于所滤波的前进方向向量,可以在所述平面上绘出所述移动设备的路径的地图。
例如,过滤所确定的前进方向向量可以包括:当在所述第一前进方向向量和所述第二前进方向向量之间的差值被确定为大时,将所述第一前进方向向量存储为第三前进方向向量。当前一点的前进方向与当前点的前进方向一致时,所述第三前进方向向量可以被拷贝到第四前进方向向量。当在所述第一前进方向向量和所述第四前进方向向量之间存在大的一致的差值时,可以将所述第一前进方向向量存储为第五前进方向向量。指示快速变化的前进方向向量可以被丢弃,以及基于所丢弃的前进方向向量的前面的前进方向向量和之后的前进方向向量,通过所述丢弃所产生的间隙可以被填充。
绘出所述移动设备的路径的地图可以包括:对于所接收的信息,找到当前的最佳拟合线。将所述当前的最佳拟合线与前面保存的线比较。响应于确定所述当前的最佳拟合线接近平行于所述前面保存的线,可以将所述当前的最佳拟合线调整为平行于所述前面保存的线。响应于确定所述当前的最佳拟合线的位置接近所述前面保存的线,可以调整所述当前的最佳拟合线的位置以匹配所述前面保存的线的位置。响应于确定所述当前的最佳拟合线包括角点以及响应于确定所述当前的最佳拟合线的角点匹配所述前面保存的线的角点,可以调整所述当前的最佳拟合线的点以匹配所述前面保存的线的点。
附图说明
图1是示出可以实现本发明的多个实施方式的示例性操作环境的部件的框图。
图2是示出可以实现本发明的实施方式的示例性计算机系统的框图。
图3是以高层次示出根据本发明的一个实施方式的用于追踪移动设备的系统的功能部件的框图。
图4是示出根据本发明的一个实施方式的用于追踪移动设备的方法的流程图。
图5是示出根据本发明的一个实施方式的用于将传感器数据分类的方法的流程图。
图6是示意性地示出根据本发明的一个实施方式的传感器数据的集群的框图。
图7是示出根据本发明的一个实施方式的用于确定速度的方法的流程图。
图8是示出根据本发明的一个实施方式的用于确定前进方向的方法的流程图。
图9是示出根据本发明的一个实施方式的用于绘制位置信息的方法的流程图。
图10是示出根据本发明的一个实施方式的用于滤波前进方向信息的示例性方法的流程图。
图11是示出根据本发明的一个实施方式的用于绘出位置信息的地图的示例性方法的流程图。
具体实施方式
在以下描述中,出于说明的目的,列举了大量具体细节以便提供对本发明的各个实施方式的透彻理解。然而,本领域的技术人员应理解,可无需这些具体细节来实施本发明的所述实施方式。在其他情况下,以框图形式示出了熟知的结构和设备。
接下来的描述仅提供了示例性实施方式,但其目的不是限制本发明的范围、适用性或配置。此外,接下来的示例性实施方式的描述将向本领域技术人员提供用于执行示例性实施方式的可能的描述。应该理解,在不脱离所附权利要求中所提出的本发明的精神和范围的情况下,可对元件的功能和布置进行各种变化。
在上述描述中给出了具体细节以提供对实施方式的透彻理解。然而,本发明的普通技术人员应理解,在不存在这些具体细节的情况下也可实施这些实施方式。例如,电路、系统、网络、方法和其它元件可示为方框图形式中的组件,以免不必要的细节使实施方式不清楚。在其它情况下,可示出众所周知的电路、方法、算法、结构和技术,而没有不必要的细节,以避免使实施方式不清楚。。
另外,应注意到,各种实施方式可被描述为过程,该过程可描述成流程图、流程示意图、数据流程图、结构图或方框图。尽管流程图可将操作描述为连续的过程,但是许多操作可以并行地或同时地进行。另外,操作的次序可被重排。当操作完成时终止过程,但可包括未包括在图中的额外的步骤。一个过程可对应于方法、函数、程序、子程序、辅程序等。当过程对应于函数时,其终止对应于该函数返回至调用函数或主函数。
术语“机器可读介质”包括但不限于便携式或固定的存储设备、光学存储设备、无线信道和各种能够存储、容纳或携带指令和/或数据的其它介质。代码段或机器可执行指令可表示步骤、函数、辅程序、程序、例行程序、子程序、模块、软件包、级、或者指令、数据结构或者程序语句的任意组合。代码段可通过传递和/或接收信息、数据、自变量、参数或存储内容与另一代码段或硬件电路联接。信息、自变量、参数、数据等可通过任何合适的方式(包括存储器共享、消息传递、令牌传递、网络传输等)被传递、转发或传输。
另外,实施方式可通过硬件、软件、固件、中间件、微码、硬件描述语言、和/或它们的任意组合而实施。当以软件、固件、中间件、或微码实施时,用以执行必要的任务的程序代码或代码段被保存在机器可读介质中。处理器可以执行必要的任务。
本发明的实施方式提供了用于使用设备内的传感器且无需使用外部信号来追踪移动设备以确定位置、速度和前进方向的系统和方法。更具体地,本发明的实施方式提供了使用传感器获取可以使移动设备的活动类型、速度和前进方向分类的信息,这些传感器逐渐集成在移动电话、平板电脑和其他设备中。在一些实施方式中,该信息可以用于携带该设备的用户的远程追踪。存在多种类型的应用,其中可以部署这样的系统。这些应用包括但不限于,远程监控老年家庭用户以测量他们的活动且确保他们的健康和安全。同样可以应用到在外科手术或其他手术之后从医院最近出院的患者。在本发明的范围内构思和考虑了本文描述的实施方式的多个其他实现和用途。下文将结合附图来描述本发明的实施方式的各个另外的细节。
图1是示出可以实现本发明的各个实施方式的示例性操作环境的部件的框图。系统100可包括一个或多个用户计算机105、110,其可以用来操作客户端,而不论专用应用程序、web浏览器等。用户计算机105、110可以是通用个人计算机(仅举例而言,包括:运行微软公司的Windows和/或苹果公司的Macintosh操作系统的各种版本的个人计算机和/或便携计算机)和/或运行多个市售的UNIX或者类似UNIX的操作系统(包括但不限于各种GNU/Linux操作系统)中的任一操作系统的工作站计算机。这些用户计算机105、110还可具有多种应用程序中的任一应用程序,包括一个或多个开发系统、数据库客户端和/或服务器应用程序和web浏览器应用程序。可替选地,用户计算机105、110可以是任何其他的电子设备,诸如瘦客户端计算机、支持互联网的移动电话、和/或个人数字助理,这些电子设备能够借助网络(例如,下文描述的网络115)通信和/或显示和导航网页或其他类型的电子文件。尽管示例性系统100示出具有两个用户计算机,然而,可以支持任何数量的用户计算机。
在一些实施方式中,系统100还可包括网络115。网络可以是本领域的技术人员熟悉的任一类型的网络,该网络可以使用多种市售协议(包括但不限于TCP/IP、SNA、IPX、AppleTalk等)中的任一协议支持数据通信。仅通过举例,网络115可以是局域网(“LAN”),诸如,以太网、令牌环网和/或类似网络;广域网;虚拟网络,包括但不限于虚拟专用网络(“VPN”);互联网;内联网;外联网;公共交换电话网络(“PSTN”);红外网络;无线网络(例如,在IEEE802.11协议组中的任一协议、现有技术中已知的蓝牙协议、和/或任何其它无线协议下操作的网络);和/或这些网络和/或诸如GSM、GPRS、EDGE、UMTS、3G、2.5G、CDMA、CDMA2000、WCDMA、EVDO等的其他网络的任一组合。
该系统还可包括一个或多个服务器计算机120、125、130,该服务器计算机120、125、130可以是通用计算机和/或专用服务器计算机(仅通过举例,包括:PC服务器、UNIX服务器、中档服务器、大型计算机机架式服务器,等)。一个或多个服务器(例如,130)可以专用于运行应用程序,诸如,商务应用程序、web服务器、应用程序服务器等。这样的服务器可以用来处理来自用户计算机105、110的请求。应用程序还可以包括任何数量的用于控制访问服务器120、125、130的资源的应用程序。
web服务器可以运行包括如上文所讨论的任一操作系统的操作系统、以及任一市售的服务器操作系统。web服务器还可以运行各种服务器应用程序和/或中间层应用程序中的任一种应用程序,其包括HTTP服务器、FTP服务器、CGI服务器、数据库服务器、Java服务器、商务应用程序等。服务器还可以是一个或多个计算机,该计算机能够响应于用户计算机105、110执行程序或脚本。举一个例子,服务器可以执行一个或多个网络应用程序。该网络应用程序可以实现为以任何编程语言(例如,JavaTM、C、C#或C++)和/或任何脚本语言(诸如,Perl、Python或TCL)以及任何编程/脚本语言的组合写成的一个或多个脚本或程序。服务器还可包括数据库服务器,包括但不限于可从 等购买的数据库服务器,其可以处理来自运行在用户计算机105、110上的数据库客户端的请求。
在一些实施方式中,应用程序服务器可以动态地创建用于在终端用户(客户端)系统上显示的网页。通过web应用程序服务器所创建的网页借助web服务器可以被转发到用户计算机105。类似地,web服务器可以接收来自用户计算机的网页请求和/或输入数据且可以将网页请求和/或输入数据转发到应用程序和/或数据库服务器。本领域的技术人员可以看出,根据实施特定的需要和参数,通过单一的服务器和/或多个专用服务器可以执行关于各种类型的服务器所描述的功能。
系统100还可包括一个或多个数据库135。数据库135可以处于多个位置。举例而言,数据库135可以处于一个或多个计算机105、110、115、125、130本机的(和/或处于一个或多个计算机105、110、115、125、130中)的存储介质上。可替选地,数据库135可以远离计算机105、110、115、125、130中的任一个或者全部,和/或(例如,通过网络120)与一个或多个计算机105、110、115、125、130通信。在一组特定的实施方式中,数据库135可以处于本领域的技术人员熟悉的存储区域网络(“SAN”)中。类似地,用于执行计算机105、110、115、125、130具有的功能的任何必要的文件可以本地存储在相应的计算机上和/或适当地远程存储。在一组实施方式中,数据库135可以是关系数据库,诸如Oracle10g,其适于响应于SQL格式的命令而存储、更新和检索数据。
图2示出可以实现本发明的多个实施方式的示例性计算机系统200的框图。系统200可以用来实现上文描述的任一计算机系统。所示出的计算机系统200包括可以借助总线255电联接的硬件元件。硬件元件可包括一个或多个中央处理单元(CPU)205、一个或多个输入设备210(例如,鼠标、键盘等)、以及一个或多个输出设备215(例如,显示设备、打印机等)。计算机系统200还可包括一个或多个存储设备220。通过举例,存储设备220可以是磁盘驱动器、光存储设备、固态存储设备,诸如随机存取存储器(“RAM”)和/或只读存储器(“ROM”),这些存储设备可以是可编程的、可闪速更新的和/或类似性能。
计算机系统200还可以包括计算机可读存储介质读取器225a、通信系统230(例如,调制解调器、网络卡(无线的或者有线的)、红外通信设备等)、和工作存储器240,其可包括如上文所述的RAM和ROM设备。在一些实施方式中,计算机系统200还可包括处理加速单元235,其可包括DSP、专用处理器和/或类似器件。
计算机可读存储介质读取器225a还可以被连接到计算机可读存储介质225b,它们一起(以及,可选地,与存储设备220组合)综合地表示远程的、本地的、固定的、和/或可移动的存储设备以及用于临时和/或更永久地包含计算机可读信息的存储介质。通信系统230可允许数据在网络220和/或上文关于系统200所述的任何其他计算机中交换。
计算机系统200还可包括当前示出的位于工作存储器240内的软件元件,其包括操作系统245和/或其他代码250、诸如应用程序(其可以是客户端应用程序、web浏览器、中间层应用程序、RDBMS等)。应该理解,计算机系统200的替选实施方式可具有来自上文描述的计算机系统200的大量变型。例如,自定义的硬件还可以被使用和/或特定的元件可以以硬件、软件(包括可移植软件,诸如,小应用程序)或者两者来实现。此外,可以采用与诸如网络输入/输出设备的其他计算设备的连接。计算机系统200的软件可包括用于实现如本文所描述的本发明的实施方式的代码250。
图3是以高层次示出根据本发明的一个实施方式的用于追踪移动设备的系统的功能部件的框图。在该示例中,系统300包括移动设备305,诸如蜂窝电话、平板计算机、便携式计算机或者诸如上文所描述的任何其他计算设备。在一些情况中,移动设备305可包括特别设计用于系统300的设备,用户可以方便地佩戴或者携带该设备。除了关于追踪该设备本文所描述的功能,该专用设备可以或可以不包括或提供通常与更通用的移动设备关联的特征或功能。例如且在一个实施方式中,移动设备305可包括具有类似于微型蓝牙耳机的外形的头戴式设备。以该外形的该设备可包含诸如通过本文所述的实施方式所使用的传感器以及足够的内存和CPU功率以执行计算和下文描述的其他功能,但携带该微型设备(而不是智能电话或其他移动设备),然后借助移动电话或者无需移动电话将信息传达到网络。然而,在本发明的范围内可以构思和考虑其他外形和多种其他实现方式。
不管设备的确切类型如何,无线设备305可以与一个或多个通信网络310可通信地联接。例如,网络310可包括蜂窝通信网络和/或一个或多个其他有线或无线网络(诸如如上文所述的互联网或者另一网络)。此外,网络310可以与一个或多个服务器315和其他计算机325或设备连接。服务器315可包括诸如上文描述的任何一个或多个计算机,其执行一个或多个功能和/或提供一个或多个与定位和追踪移动设备305有关的服务,这一点将在本文描述。服务器315可以维护如上文指出的一个或多个数据库320,其可包括与移动设备的位置、所提供的服务的订户、策略(诸如访问控制策略)等有关的信息。其他计算机325可包括上文所述的多个计算设备中的任一计算设备,例如,其他计算机325可以由感兴趣的第三方使用以定位和/或追踪,即,监控移动设备305的位置和移动。
一般而言且如上文指出,本发明的实施方式提供了用于使用设备内的传感器且无需使用外部信号来追踪移动设备305以确定位置、速度和前进方向的系统和方法。用于远程追踪携带移动设备305的用户的服务器315和/或其他计算机325可以使用该信息。该应用程序可包括但不限于:服务器315所提供的用于远程监控年老的家庭用户以测量他们的活动和确保他们的健康和安全的服务。通过其他计算机系统325通过订阅服务和/或经过各种访问控制,这些服务可以提供到感兴趣的各方,诸如看护者、健康护理专业人员、亲属等,这一点可以被构思。
图4是示出根据本发明的一个实施方式的用于追踪移动设备的方法的流程图。在该示例中,处理开始于读取405来自移动设备内的多个传感器中的每个传感器的传感器数据。传感器可以提供传感器数据而不依赖于来自移动设备外部的设备的信号。例如,多个传感器可包括指南针、回转仪和加速度计。基于传感器数据,可以确定移动设备的运动、速度和前进方向。更具体地,基于所述传感器数据确定所述移动设备的运动、速度和前进方向包括:将所述移动设备的活动分类410为运动或静止。响应于将所述移动设备的活动分类410为运动,基于所述传感器数据可以确定420所述移动设备的速度且基于所述传感器数据可以确定425所述移动设备的前进方向。
将活动类型分类
该部分解决了移动设备的用户正在参与的活动类型的算法区分。该功能可以用于从测量和表征卡路里消耗到跌倒检测的各种应用,或者例如,用户在跌倒后会无法行动的情况。
活动类型可以分成两类,即,静止和运动,这些类别中的每个类别被分成多个子类别。例如,该算法可以在坐着不动的人或者站着不动的人之间加以区分且可以区分当移动设备被遗留在书架或桌子上时从所测量的“行为”类型得到的那些情况。通过算法所识别的运动类别可以在慢走、快走和跑之间加以区分。
基于通过移动设备中的传感器(即,加速度计、回转仪、磁力计等)所提供的数据,本发明的实施方式可以实现统计机器学习方法。该数据可以被建模以在这些不同的活动类型之间加以区分。为了建立该模型,可以分析一组n个特征。当绘出所分析的数据时,根据当前正在执行的不同活动(坐着、站着、行走等),在n维特征空间的不同区域中可以持续累积(群集)这些数据。获得这样的特征向量的示例性方法可以总结如下:
1.从设备的加速度计、回转仪和磁力计采集原始的传感器数据。这些传感器分别沿设备的X轴线、Y轴线和Z轴线测量加速度、旋转速度和周围磁场。
2.采用原始的传感器数据的组合且将其融合以产生以下数据的估值:滚转(Roll)、俯仰(Pitch)、偏航(Yaw)、旋转矩阵(3*3矩阵,即,9个值)、四元数(4个值)、旋转速度(X轴线、Y轴线和Z轴线,即,3个值)、重力(X轴线、Y轴线和Z轴线,即,3个值)和用户加速度(User Acceleration)(X轴线、Y轴线和Z轴线,即,3个值)。
3.为了不归一化该设备的方向,使用X值、Y值和Z值的L2范数(Norm)。给出如下公式:
4.在时段(t=1,2,...,T)中的数据可以被采集且形成两个向量,下文中这两个向量被称为NormUserAccel和NormGyro。在该模型中所用的特征向量可以根据下式来计算:
特征向量的第一项和第三项分别简单地为NormUserAccel向量和NormGyro向量的平均值。第二项是NormUserAccel向量的标准偏差。
图5是示出根据本发明的一个实施方式的用于将传感器数据分类的方法的流程图。如此处所示出的,将移动设备的活动分类可以包括:在一个时段中从多个传感器中的每个传感器采集505传感器数据。可以融合510传感器数据以产生与移动设备的方向有关的多个指示中的每个指示的估值。每个估值可以被归一化515,以及可以基于所归一化的估值形成520表示移动设备的活动的多个向量。然后可以基于所述多个向量将在该时段中移动设备的活动分类525。
例如,分类方法可以在二维图形表示或者三维图形表示上绘出数据点。大量的分类技术可以做到这一点。示例性算法是k-最近邻算法。对于新的未分类的点,该算法找到k-最近点,其中所用的距离的量度是欧几里得距离。然后应用多数决定原则,即,如果与组B相比,该新的未分类的点更靠近组A中更多的点,则其将被分类为组A的部分。这些组可包括上文提到的任一类别(即,运动或者静止)或者子类别。
确定速度
如果移动设备的用户的当前活动级别被确定为运动(即,不是静止的),则本发明的实施方式可以继续进行以确定用户的速度。此处描述的实施方式可以用来区分用户步行时的速度,以及识别和区分徒步和轮式运输(轮椅、自行车等)方法。正如所描述的与运动状态(运动与静止)有关的实施方式,当运动发生时,这些实施方式关注通过分析由传感器(加速度计、回转仪、磁力计)所提供的特定数据模式确定速度,以表征不同速度下所生成的模式。机器学习算法根据重复的复核试验可以将这些值表示为数据集群,这可以针对每个新的数据值预测速度。
图6示出用来表征每个数据集的机器学习算法的结果。例如,对于特定的速度,来自加速度计和回转仪中的每一个的读数的平均值和标准偏差可以用来表征该速度。这些数字可以采集在特征向量中。然后,每个速度可以通过其唯一的特征向量集群来表征。这构成参考数据集群605、610或者615。当采集一些新数据620和625时,其特征向量可以被计算,然后通过将其分配至数据集群605、610、615之一,与参考数据集比较以确定速度。
图7是示出根据本发明的一个实施方式的用于确定速度的方法的流程图。如在该示例中所示出的,确定移动设备的速度可以包括:针对多个传感器数据读数中的每个读数计算705平均值和标准偏差。基于每个所计算的平均值和标准偏差,可以生成710特征向量。所生成的特征向量可以与参考数据集比较715,以及基于所述比较,每个特征向量可以被分配720到一个集群。然后基于集群的特征向量数据可以确定725移动设备的速度。可以使用各种方法完成将新值分配到其中一个参考集群的过程。下文描述一些方法,但不是所有的方法。
最小平方误差–在该方法中,可以从每个训练向量减去测试特征向量。得到的向量可以被求平方值,然后可以计算元素的总和。具有最小值的结果可以被选择作为对于该数据集的预测速度。下列方法与上述方法的不同之处在于:对于上述方法,每个速度可以通过唯一的特征向量来分类。在以下描述的方法中,每个速度可以通过点云而不是在特征空间中的单一点来分类。对于每个速度的云可以与高维特征空间中的其他云分开,从而当新特征点出现时,其相对于云而不是单一点的位置决定其属于哪个速度分类。在高维特征空间中,属于不同速度的云是可分离的,使得新的数据可以根据其最靠近的云来分类。
K-最近邻–给定类似于上文描述的训练集云,如果新的测试特征向量需要被分类,则找到其在特征空间中最近邻的‘k’(其中‘k’是某个整数)。根据大多数的“k”近邻属于哪一类,测试特征向量可以相应地被分类。
朴素贝叶斯分类–朴素贝叶斯分类器是基于概率建立在贝叶斯定理上的统计技术。他们假设:给定类变量,类的特定特征的存在(或者不存在)与任何其他特征的存在(或者不存在)无关。
来自MATLAB的统计工具箱的线性分类器和二次分类器–这些分类器是在概念上类似于上文提到的在高维特征空间中具有点云的技术的技术。它们的不同之处在于决定两个云之间的边界的方式。在前者中边界是线性的,而在后者中边界是二次的。
本发明的实施方式还可以解释与行人运动关联的连续的速度变化。例如,回归算法模型可以被实施以便能够预测这些连续而非离散的速度。在这样的模型中,特征的集合可以用来表征在特定速度下运动的模式。这些特征可包括:
1.X、Y和Z用户加速度(User Acceleration)的标准偏差。
2.X、Y和Z回转仪的标准偏差。
3.利用傅里叶变换,X、Y和Z磁力计的原理频率。
4.利用傅里叶变换,X、Y和Z重力读数的原理频率。
5.使用不同的计算方法(下文描述)的X、Y和Z磁力计的原理频率。
6.利用与(5)相同的计算方法的X、Y和Z重力的原理频率。
这些量的不同排列可以用来构成训练特征向量。对于新的测试数据集,在每一时刻,特征向量可以被计算(使用对应于在训练集中所用的特征的特征)以及可以被输入不同的机器学习模型以从每个方法返回所预测的速度。
如上文所述,在计算速度值中可以使用这些特征。此外,可以采用这些特征的不同组合运行计算以进一步改善该算法。然而,在每个情况中,该模型可包括在上文提到的每个特征组中的来自所有三个轴线的数据。这有助于防止该模型朝向该设备的特定方向偏离。下文描述了在开发这些模型中可以使用的一些可能的机器学习方法。
分类模型
最小均方误差方法。可以对用于每个速度的训练数据求平均值以发现表征该特定速度的平均训练速度向量。在某种意义上,在高维特征空间中,这可以表示特定速度集群的集群中心。对于测试特征向量,可以计算其到每个训练集群中心的欧几里得距离。特定测试特征向量最靠近的集群中心可以被预测为对于该特定测试特征向量的速度。
K-最近邻预测。训练数据在高维特征空间中可以如同前一情况中一样分布。对于测试特征向量,其最近邻可以被发现,以及那些最近邻的大多数的速度可以被用作特定测试特征向量的预测速度。
线性分类。这是来自MATLAB库函数的算法。在高维特征空间中,其绘出在不同的训练速度集群之间的线性判别边界,且根据新的测试特征向量位于哪个区域中预测该新的测试特征向量的速度。
2.回归模型
未加权的线性回归。这是机器学习中的通过训练数据的不同集群大体绘出直线的方法。在关于数据的某些统计假设下,未加权的线性回归导致数据的最优拟合线(在较高的维数中,其将不是直线而是超平面)。训练数据表示在各个速度下的运动。因此采用通过线性回归所产生的超平面,预测具有合理精度的中间速度是可行的。
加权线性回归。该方法理论上解释了在某些情况中严重影响线性回归的性能的变化。例如,在不同速度下的训练集群可能不是线性相关的。因此,用于这样的数据的最佳拟合直线将不充分地捕获数据中的关系。因此,在加权的线性回归中,当对给定的测试特征向量做出预测时,该过程是不同的。该方法将更多的权重置于更接近测试特征向量(在一些欧几里得的意义中)的那些训练样本上,且将它们用作比更远离的那些样本更重要的预测因子。在该情况中的权重基于通过下式给出的指数函数来决定:
这看上去非常类似于高斯分布,但是不相同。值σ是控制随着项值的增大权重下降多快的下降参数。对于该组实验,发现σ=0.1给出了合理的结果。
与之前的方法不同,在之前的方法中,与真实值相比,距离估值通常以指数方式增长较大(且较不精确),此处描述的方法在速度范围上提供了明显更精确的速度估值。此外,当训练数据的数据库增大以考虑个人的身体类型和在对象的人上的设备布置之间的变化时,结果的总精度将改善。
确定前进方向
在所有时刻(包括当设备不旋转时)在回转数据中存在少量的噪声,因此,单纯的集成会导致不可接受的漂移。为了防止这一点,当角速度的大小超过一定阈值时,前进方向算法可以考虑待旋转的设备。噪声大小在这些设备之间变化,因此,基于从每个设备或者设备类型检查噪声的样品,该阈值可以被硬编码成程序。当然,当设备正在旋转时,该噪声仍然存在,因此,前进方向仍会随着时间漂移。在计算前进方向的初始估值之后,下文将描述的各种方法可以用来帮助校正该漂移。
图8是示出根据本发明的一个实施方式的用于确定前进方向的方法的流程图。如在该示例中所示出的,确定移动设备的前进方向可以包括:确定805一组角速度数据的大小。可以确定810该大小是否超出预定义的阈值。响应于确定810该大小超出预定义的阈值,可以将移动设备视为815正在旋转。然后针对随时间的漂移可以校正820传感器数据,以及可以将校正后的传感器数据记录825为移动设备的前进方向。在前进方向的初始估值被计算之后,以下方法可以用来帮助校正该漂移。
采用磁力计的传感器融合
从理论上来说,通过使用移动设备的磁力计来测量地球的磁场,该磁场随后可以用来找到该设备的绝对方向,前进方向也可以被计算。该方法的问题是,磁力计获得所有的磁场,而不仅仅是地球的磁场,因此由于金属和电子设备所产生的磁场而在读数中存在大量的噪声。当设备改变其与这些磁场的距离时,该噪声也变化很大,因此,滤除该噪声极其困难,尤其是在没有一些在环境中存在的磁场的先验知识的情况下。
然而,磁力计确实提供当设备旋转时经历一系列最大值和最小值的信号。由于在最日常的环境中存在的磁场的最大分量仍然是不变的地球磁场,故在信号中的这些极值通常发生在同一方向,即,如果磁力计读数在135°的前进方向处达到最大值,则在该设备下一次处于135°的前进方向时,该读数也将处于最大值。如果前进方向的估值已经建立,则本发明的实施方式可以通过寻找磁力计读数中的极值,使用磁力计读数来校正漂移。当发现最大值时,本发明的实施方式可以将当前的前进方向设置成等于最后的最大值处的该设备的前进方向。
然而,由于噪声将总是产生一系列不可预测地产生的局部极值,因此该方法不是非常简单。通过应用低通滤波器和计算移动平均值,至少一些该噪声可以被去除。为了处理剩余的噪声,当极值被检测到时以及在调整前进方向之前,本发明的实施方式可以检查两个条件。
一个检查可以被表达为:在最新极值处的前进方向的初始估值在最后的类似极值(“类似”极值是指,如果处于最大值,则寻找最后一个最大值)处所发现的前进方向的一定公差内吗?如果当前前进方向与最后的前进方向相差非常大的量,大于约30度,则该差值可能不是由于漂移。更可能是,在磁力计读数中两个最大值中的至少一个最大值是由于噪声产生的局部最大值。
另一个检查可以被表达为:在两个极值处,前进方向的估值是否相当稳定?由于所施加到磁力计信号的滤波技术,故信号通常滞后于前进方向估值,使得当到达磁力计信号中的极值时,前进方向已经恒定一两秒钟。如果在磁力计信号到达其极值之前的某一时刻,前进方向将再次开始改变,则在当前极值处的前进方向会仍然在前一极值处的前进方向的公差内,但是因为当前的极值不是真实地对应当前的前进方向,故当前在调整中将存在误差;其对应于0.5秒以前的前进方向。例如,假设,所计算的前进方向在第一最大值处是75°且在第二最大值处是80°。由于80近似等于75,故认为这两个最大值是合法的(即,不是噪声的结果)且在5度之内的差值是由于漂移,因此将当前前进方向从80°变化至75°。但是如果在第二最大值之前该设备旋转10度,那么在该最大值处前进方向估值实际上是70°将会怎样?这仍然在公差内,因此假定该差值是由于漂移而非噪声,但是如果用75°代替70°的估值,则因为在错误的方向上做出校正,故这将加重漂移。该估值实际上漂移+5度,但是由于在磁力计信号中的滞后,做出-5度的漂移校正。因此,实际的当前前进方向是65°但是记录75°的前进方向,在该估值中加倍了该漂移。为了防止该误差,本发明的实施方式可以检查在每个最大值处的前进方向在过去的x个取样中没有明显改变。
环境映射
该方法利用这样的事实:人的运动通常被限制到非常明确的路径。例如,在办公大楼中的人一定是被墙壁、走廊和其他障碍物所限定的步行模式。当算法追踪对象的位置和位移时,其可以检查位置的当前估值与之前计算的位置。如果对象沿着类似于对象已经采用的路径的方向和位置的路径行进,则本发明的实施方式可以推断,这是由于物理限制(例如,走廊)或者习惯或习俗,对象通常采用的明确的路径。因此,当估计对象的运动类似于前面所建立的模式时,本发明的实施方式可以认为,对象实际上重复相同的模式且在前进方向或者位置中的任一小的差值是误差。这提供了帮助防止计算中的漂移的另一方法。如果算法最初估计用户沿着所建立的路径行走但是估计前进方向与路径的方向相差20°(如当用户首先建立该路径时所估计的),则在前进方向估值中的一些漂移已经发生是可能的,本发明的实施方式可以解释这一点。
基于关于路径往往是有组织的的假设,本发明的实施方式也可以对我们的位置计算进行调整。例如,在办公大楼中的走廊可能平行于或者垂直于彼此。尤其两个走廊不可能彼此成小的角度,如10度。这意味着,本发明的实施方式可以将用户的当前路径的前进方向与用户已经采用的所有前面的路径比较。如果当前路径接近平行于前一路径,则本发明的实施方式可以推断,两个路径最可能被认为是平行的且前进方向中的小的差值是由于本发明的实施方式可以校正的漂移。
方法的比较
磁力计方法的最大优势是所做出的假设比在环境映射方法中的那些假设通常更有效。所做出的唯一假设是在环境中的磁场是相当恒定的,且量级的变化小于磁场的平均强度。由于在最日常的环境中的主导磁场源是地球的磁场,本发明的实施方式将该地球的磁场看做是恒定的(其是变化的,但是其不是足够快以与本申请相关),该假设通常有效的。普通人例如当他们走过打开的电视机时仍然可能偶然经历他们所处的磁场中的大的波动,但是上述保障措施看起来可靠地忽略这些事件,虽然来自磁力计的原始数据充满噪声,但是该算法不曲解任一该噪声。
该方法的缺点是由于其寻找磁力计数据中的极值,因此在算法可以校正任一漂移之前,对象应该旋转180度。上述算法将最大值与其他最大值比较以及将最小值与其他最小值比较,但是由于那些前进方向应该彼此成180度,故可以校正在最小值处的前进方向以及在最大值处的前进方向。
相比之下,采用环境映射方法的校正的质量非常依赖于关于对象移动的方式所做出的假设的有效性。这可以是优点,因为该方法不易受到噪声数据的影响,但是在大量的环境变量中的算法因子是一致的,这导致其比磁力计算法更复杂。
用于确定行人前进方向的细化
该部分描述了对前进方向算法的改进使得其可以估计用户所采用的路径,该用户在其口袋中携带设备(电话)或者在其肩部上的计算机包中携带设备(平板电脑)。如果满足下列两个条件,则采用用户的口袋中的设备,本发明的实施方式可以获得前进方向的估值:
1.在每个步骤所采用的一些点处,该设备被取向使得其轴线之一接近对齐于地球的重力。
2.每当该设备以该方式对齐时,其处于相对于所采用的路径的同一方向上。
当该设备竖向对齐时,本发明的实施方式可知与重力没有对齐的两个轴线处于水平面上,以及本发明的实施方式可以使用这些轴线上的磁力读数以计算前进方向。即使该前进方向与用户的实际前进方向不同,然而如果在用户的前进方向和设备的前进方向之间的差值是恒定的,则其仍然可以用来绘出所采用的路径的形状。
下文给出在算法中的步骤概要:
1.识别当用户行走时将与水平面对齐的两个轴线,且使用在这些轴线上的磁力计读数以获得前进方向估值。在该步骤中创建的向量将称为原始前进方向(raw_heading)。
2.对于每个数据点,如果在第三轴线上所测量的重力向量的大小接近1g,则将该点处的原始前进方向保存在新前进方向向量中。另外,将新前进方向向量中的最后的输入保存为该点的前进方向。在该步骤中所创建的向量将被称为第一前进方向(first_heading)。
3.计算新向量的移动中值以滤除噪声。在该步骤中所创建的向量将被称为第二前进方向(second_heading)。
4.使用以下方法进一步对前进方向向量滤波:
(a)重建在一些点处的第一前进方向估值,在这些点处,在第一前进方向和第二前进方向之间存在大的差值(这是第三前进方向(third_heading))。
(b)对于每个点,将在该点处的原始前进方向信号与在之前的点中的原始前进方向比较。如果发现前一点类似于当前点,则拷贝在前一点处的第三前进方向估值且将其保存作为在当前点处的前进方向估值(这是第四前进方向(fourth_heading))。
(c)重建在一些点处的第一前进方向估值,在这些点处,在第四前进方向和第一前进方向的估值之间存在大的一致的差值(这是第五前进方向(fifth_heading))。
(d)舍弃在前进方向快速变化的区域中的前进方向估值。采用间隙之前的估值填充间隙的第一半,采用间隙之后的前进方向填充第二半(这是最后的前进方向(final_heading))。
5.通过使用最后的前进方向以及假定用户以恒定的速度移动,开始绘出所采用路径的地图。
(a)对于到目前为止所计算的坐标,找到最佳拟合(直)线。
(b)如果所计算的路径开始改变使得单一的直线不能充分地表示它,则保存最佳地表示到目前为止所收集的数据的线,开始新的最佳拟合线以表示自前一线结束以来所计算的位置点。
(c)当最佳拟合线结束且被保存时,将其与已经保存的最佳拟合线比较,检查平行的线或者相同的线。
(d)如果发现前一线接近平行于第一线,则假定两个路径实际上平行以及计算中的差值是由于误差。调整与当前的最佳拟合线相关的位置点使得平行于前一线。
(e)如果前一线被发现接近平行于当前线且位置也靠近当前线,则假定这两条线实际上是同一路径。调整与当前的最佳拟合线相关的位置点使得它们处于与前一线相同的路径上。
(f)检查开始最新的最佳拟合线的点是否是角点,如果是,则检查其是否匹配任一前面的角点。如果确实是这样,则移动最新的角点以与所发现的前面的角点重叠。
使用以下逻辑,可以计算原始前进方向:
如果在轴线1(m1)上的磁力计读数大于零
原始前进方向=-90-atan(m2/m1)
否则
原始前进方向=90–atan(m2/m1)
如此处的描述,通过视觉检查在所有的三个轴线上采集的重力数据,识别与水平面对齐的两个轴线。不接近1g的这两个轴线被识别为穿过水平面的轴线。通过采用在三个轴线中所测量的重力平均值的绝对值以及选择具有较小值的两个轴线,可以将该识别编码。
图9是示出根据本发明的一个实施方式的用于绘制位置信息的方法的流程图。如在该示例中所示,绘制移动设备的路径可以包括:识别905移动设备所移动的平面的多个轴线中的每个轴线。基于传感器数据,可以确定910和915沿着所识别的轴线的第一前进方向向量和沿着所识别的轴线的第二前进方向向量。所确定910和915的前进方向向量可以被滤波920,以及基于滤波后的前进方向向量,在平面上可以绘出移动设备的路径的地图。
图10是示出根据本发明的一个实施方式的用于滤波前进方向信息的示例性方法的流程图。如此处所示出的,滤波所确定的前进方向向量可以包括:当第一前进方向向量和第二前进方向向量之间的差值被确定为大时,将第一前进方向向量存储1005为第三前进方向向量。当前一点的前进方向与当前点的前进方向一致时,第三前进方向向量可以被拷贝1010到第四前进方向向量。当在第一前进方向向量和第四前进方向向量之间存在大的一致的差值时,可以将第一前进方向向量存储1015为第五前进方向向量。指示快速变化的前进方向向量可以被丢弃1020,以及基于所丢弃的前进方向向量的前面的前进方向向量和之后的前进方向向量,通过所述丢弃所创建的间隙可以被填充。
图11是示出根据本发明的一个实施方式的用于绘出位置信息的地图的示例性方法的流程图。如在该示例中所示,绘出移动设备的路径的地图可以包括:找到1105用于所接收的信息的当前的最佳拟合线。当前的最佳拟合线可以与前面保存的线比较1110。响应于确定1115当前的最佳拟合线接近平行于前面保存的线,当前的最佳拟合线可以被调整1120成平行于前面保存的线。响应于确定1125当前的最佳拟合线的位置接近前面保存的线,当前的最佳拟合线的位置可以被调整1130以匹配前面保存的线的位置。响应于确定1135当前的最佳拟合线包括角点以及响应于确定1140当前的最佳拟合线的角点匹配前面保存的线的角点,当前的最佳拟合线的点可以被调整1145以匹配前面保存的线的点。
获得第一前进方向–除了检查在第三轴线上所测量的重力是否接近1g之外,该算法还可以检查更多个条件,这些条件有助于指示在该点的前进方向估值多么精确。例如,可以检查在该轴线上的重力信号是否处于最大值。如果是,则该设备与将进行的特定步骤一样接近竖向,这意味着其将可能提供最佳的前进方向估值。如果重力信号不处于最大值,则可以忽略在该点处的前进方向估值。算法还可以检查磁场强度信号的斜度。理论上来说,如果仅存在的磁场是地球的磁场,则当用户四处走动时磁场强度不应该改变成足以通过磁力计获取。由于小磁噪声的各种来源以及磁力计中的缺陷,所测量的强度将几乎总是变化小的但明显的量,但是如果强度快速变化大的量,则这最可能是由于大的噪声源,这将致使前进方向估值不可靠。如果磁场强度的斜度超过一定阈值,则在该点处的前进方向可以被忽略。在水平面中所测量的磁场强度也可以被检查,因为如果在轴线之一上的测量在正数和负数之间波动,则这会导致不可靠的前进方向测量。为了说明这一点,假设,在水平轴线上的磁力计测量1uT和1uT的磁场强度,但是1uT读数之一有时跳跃到-1uT。在第一种情况下,所测量的前进方向将计算为-90-atan(1),其是-135度,但是在第二种情况中,前进方向将是90-atan(-1),其是135度。如果在水平面中的磁场强度低于一定阈值,则本发明的实施方式可以忽略在该点处的前进方向计算值。
获得第二前进方向–移动中值是感兴趣的数据点周围的数据点的集合的中值。例如,每次考虑向量[7 3 11 -2 5 6]且采用三个数据点的移动中值,得到的向量将是[7 7 3 5 5 5]。对于每个数据点,采用由所考虑的点以及其之前和之后的点组成的样本的中值,所以对于第三输入11,对于该点的中值是样本[3 11-2]的中值。对于第一向量的开始和结束时的数据点,其中没有足够的周围数据点以得到足够大的样本尺寸,代用具有足够大的样本的最接近数据点的中值。对于在向量中的第一输入7,在其之前不存在数据点,使得下一输入3的中值被用作第一输入的中值。
获得第三前进方向-由于当在磁场强度中存在大的峰值时,该算法忽略前进方向计算,故不应该存在剩余噪声的极大的任何峰值。因此,如果在任一点处的第一前进方向和第二前进方向之间存在异常大的差值(大约90度),则变化可能是由于前进方向中的真实变化,因此本发明的实施方式可以取消通过采用该点处的中值产生的滤波,以及重建在第一前进方向中存在的前进方向估值。
获得第四前进方向–如果对于信号的一些部分,滤波迄今不产生非常好的结果,则该步骤是冗余的形式。数学上识别原始前进方向信号的两部分表示相同的前进方向的最简单的方式是比较在每个部分处的移动平均值。本发明的实施方式将在当前点处的原始前进方向的移动平均值与直到目前索引之前的五十个样本的之前的点处的移动平均值比较。如果发现移动平均值接近当前的移动平均值的部分以及在两部分处的平均值相当稳定(通过比较移动平均值的斜度与阈值所确定的),则本发明的实施方式可以假设用户在两个部分处处于同一前进方向上,因此本发明的实施方式可以采用在前一部分处所确定的前进方向且将其记录作为当前索引处的前进方向。确保在每个点处平均值变化不太大是重要的,这是因为当信号改变时,前进方向估值不是非常可靠。
获得第五前进方向–在被滤除的变化可能不是噪声的情况下,该步骤是取消中值滤波的另一尝试。当用户在右转后不久(大约2秒)进行左转时,或者反之亦然,原始前进方向将显示通过采用移动中值得到去除的驼峰。通常,当所滤波的前进方向和原始前进方向叠置时,可以看出,原始前进方向信号总是穿过所滤波的前进方向信号,通常在每一脚步中。然而,在该情况中,对于异常长的时间(大约2秒),该驼峰停留在所滤波的前进方向的一侧上。通过追踪在所滤波的前进方向和原始前进方向之间的区域,该块检查这样的驼峰。如果存在对于长的时间段原始前进方向和所滤波的前进方向相差相当多的部分,则该部分可能指示快速左转或者右转,以及第一前进方向估值被重建。
获得最后的前进方向–当设备的方向改变时,磁力计读数常常不是可靠到足以获得良好的前进方向估值。本发明的实施方式通过忽略当信号非常快速地改变时的前进方向计算解决了该问题以及通过将间隙之前的前进方向分配到间隙的第一半以及将间隙之后的前进方向分配到间隙的第二半来填充该间隙。本发明的实施方式通过采用移动平均值以及将每个点处的移动平均值的斜度与阈值比较,确定信号是否变化太快。例如,如果前进方向在点99处是0度以及在点151处是90度以及点100至点150的标准偏差超过阈值,则点100至点125将给予0的前进方向,以及点126至点150将给予90的前进方向。
找到最佳拟合线–当每个新的点被添加到地图时,发现用于当前路径的最佳拟合线。为了找到该线,构建两个矩阵。一个矩阵只是包含y坐标值的竖向向量。第二个矩阵是具有两列的矩阵,其中,第一列包含这些y坐标值的竖向向量以及第二列包含x坐标值。MATLAB已经重载反斜杠符使得执行X\Y将返回矩阵A、2x1矩阵,其中,第一项是y轴截距以及第二项是最佳拟合线的斜率。然后使用以下等式来计算关联系数r2:
其中 ssxx=∑(xi-xavg)2
ssyy=∑(yi-yavg)2
ssxy=∑(xi-xavg)(yi-yavg)
开始新的最佳拟合线-程序必须能够识别何时结束一最佳拟合线和开始一新的最佳拟合线以表示路径。该程序必须能够辨认。程序决定开始新线的时刻存在两种不同的方式:
1.如果关联系数(r2)低于一定阈值。
2.不管关联性如何好,关联系数连续下降一定次数。r2的连续下降通常指示用户在角点的周围。
在每个情况中,在算法决定开始新线之前,用来计算最佳拟合线的样本数量必须满足某一最小值。该规则的原因是:当尝试将线拟合到少量的数据点时,当添加更多的数据点时,差的拟合通常变好,所以如果被拟合的点的数量小于样本最小值(min_samples),则本发明的实施方式可以继续添加更多的数据点到该拟合,即使r2值是低的。
寻找平行线-一旦一条最佳拟合线已经结束并且保存,则将其与迄今为止已经采集的描述所采用的路径的拟合线比较以观看其是否与其中的任一条平行。由于室内环境通常布置成使得人在平行或者垂直于彼此的路径中移动,因此该算法假定:如果两条线的前进方向在彼此的一定公差内,则它们表示的路径可能平行。对于被认为是平行于前一线的当前线,前一线必须表示样本的最小数量。对于这一点的原因是,偶然地,当用户的方向急剧变化时,产生非常短的最佳拟合线。然而,该短的线不表示任一所行进的真实距离,因此其前进方向可能不反映房间中可用路径的特征。例如,如果用户以方形行走,则所采用的路径将具有0度、90度、180度和-90度的前进方向。可能是,当尝试绘出角点时,该算法将0度的路径和90度的路径与非常短的60度线连接。稍后,当用户沿着-90度的路径行走时,该算法不应该决定该路径平行于60度的路径,因为60度的前进方向不反映关于用户采用的真实路径的任何信息。如果发现平行线,则对应于最新的最佳拟合线的数据点围绕恰好与较老的线平行的线的开始点旋转。
当找到平行线时,该算法还可以检查所设计的多个条件以确定两个路径是否实际上为相同的路径。这些条件(点A和点B为新线的端点;点1和点2为前一线的端点)为:
1.点A接近点1以及点B接近点2?
2.点A接近点2以及点B接近点1?
3.点A的x值在点1的x值和点2的x值之间?
4.点B的x值在点1的x值和点2的x值之间?
5.当前线的新y轴截距在前一线的y轴截距的一定公差内?
如果满足条件(1)至条件(4)中的任一条件以及满足条件(5),则两个路径可以被视为是相同的,在新线中包含的坐标可以与旧线对齐。
与前面的角点比较–角点被定义成在两个路径之间的点,其前进方向相差至少45度。如果倒数第二个端点是角点,则检查其是否靠近前一角点且两个角点是否具有相同的形状,即,路径的通向角点1的前进方向类似于路径的通向角点2的前进方向以及同样适用于角点之后的路径?如果这样,两个角点可能是相同的,较新的角点可以被切换以匹配前一角点。这基本上是用来匹配当前路径与前面的路径的相同的方法,但是因为本发明的实施方式是比较形状而非仅比较直线,故角点被错误地确认为与另一角点相同是不太可能的。这意味着,用来比较两个角点的斜度和位置的公差会较大,这使得可以校正漂移的更多极端的情况。
使用局部磁场波动作为地标–如上文的讨论,在多数环境中的磁场通常是均匀的,且地球的磁场是某一数量级的主导信号。然而,可能存在其他源,其出现明显的偏差。例如,冰箱或电视产生明显的高度局部化的磁场,我们已经证明该磁场可以使用所测试的设备中的磁力计来测量。因此,通过绘制这些磁性波动的区域以及将它们用作“磁性地标”,可以扩展和校正位置估值上的漂移,因此基本上绘出比较所估计的设备位置的磁性地形。换句话说,本发明的一个实施方式可包括:检测移动设备周围的磁场中的波动,基于所检测的波动扩展路径的地图,其中扩展地图包括:基于所检测的波动,将一个或多个磁性地标添加到地图,以及基于所扩展的地图和当前检测的波动,校正用于移动设备的位置估值。
在以上描述中,出于说明的目的,以特定的次序描述了方法。应该理解,在替选实施方式中,方法可以以与所描述的次序不同的次序执行。还应该理解,上文所描述的方法可以通过硬件部件来执行或者可以体现为机器可执行指令序列,其可以用来使机器(诸如通用或专用处理器或采用指令编程的逻辑电路)执行该方法。这些机器可执行指令可以存储在一个或多个机器可读介质上,该机器可读介质例如为:CD-ROM或者其他类型的光盘、软盘、ROM、RAM、EPROM、EEPROM、磁卡或光卡、闪速存储器、或者适于存储电子指令的其他类型的机器可读介质。可替选地,方法可以通过硬件和软件的组合来执行。
尽管本文已经详细描述了本发明的说明性的、当前优选的实施方式,然而应该理解,另外可以以多种方式呈现和采用这些发明构思,除了现有技术的限制之外,所附的权利要求书旨在理解成包括这样的变型。
Claims (30)
1.一种用于定位和追踪移动设备的方法,所述方法包括:
从所述移动设备内的多个传感器中的每个传感器读取传感器数据,所述传感器提供所述传感器数据而不依赖于来自所述移动设备外部的设备的信号;和
基于所述传感器数据确定所述移动设备的运动、速度和前进方向。
2.根据权利要求1所述的方法,其中,所述多个传感器包括:指南针、回转仪和加速度计。
3.根据权利要求1所述的方法,其中,基于所述传感器数据确定所述移动设备的运动、速度和前进方向包括:
将所述移动设备的活动分类为运动或静止;和
响应于将所述移动设备的活动分类为运动,基于所述传感器数据确定所述移动设备的速度且基于所述传感器数据确定所述移动设备的前进方向。
4.根据权利要求3所述的方法,其中,将所述移动设备的活动分类包括:
在一时段内从所述多个传感器中的每个传感器采集传感器数据;
融合所述传感器数据以产生对于与所述移动设备的取向有关的多个指示中的每个指示的估值;
归一化每个所述估值;
基于所归一化的估值形成表示所述移动设备的活动的多个向量;以及
基于所述多个向量,将在所述时段内的所述移动设备的活动分类。
5.根据权利要求3所述的方法,其中,确定所述移动设备的速度包括:
针对多个传感器数据读数中的每个传感器数据读数计算平均值和标准偏差;
基于每个所计算的平均值和标准偏差生成特征向量;
将所生成的特征向量与参考数据集进行比较;
基于所述比较将每个特征向量分配至集群;
基于所集群的特征向量数据确定所述移动设备的速度。
6.根据权利要求3所述的方法,其中,确定所述移动设备的前进方向包括:
确定一组角速度数据的大小;
确定所述大小是否超出预定义的阈值;以及
响应于确定所述大小超出所述预定义的阈值,将所述移动设备视为正在旋转,针对随时间的漂移校正所述传感器数据,以及将所校正的传感器数据记录为所述移动设备的前进方向。
7.根据权利要求3所述的方法,还包括绘制所述移动设备的路径,其中绘制所述路径包括:
识别所述移动设备所移动的平面的多个轴线中的每个轴线;
基于所述传感器数据确定沿着所识别的轴线的第一前进方向向量;
基于所述传感器数据确定沿着所识别的轴线的第二前进方向向量;
对所确定的前进方向向量进行滤波;以及
基于所滤波的前进方向向量在所述平面上绘出所述移动设备的路径的地图。
8.根据权利要求7所述的方法,其中,对所确定的前进方向向量进行滤波包括:
当在所述第一前进方向向量和所述第二前进方向向量之间的差值被确定为大时,将所述第一前进方向向量存储为第三前进方向向量;
当前一点的前进方向与当前点的前进方向一致时,将所述第三前进方向向量拷贝到第四前进方向向量;
当在所述第一前进方向向量和所述第四前进方向向量之间存在大的一致的差值时,将所述第一前进方向向量存储为第五前进方向向量;
丢弃指示快速变化的前进方向向量;以及
基于所丢弃的前进方向向量的前面的前进方向向量和之后的前进方向向量,填充通过所述丢弃所产生的间隙。
9.根据权利要求7所述的方法,其中,绘出所述移动设备的路径的地图包括:
对于所接收的信息,找到当前的最佳拟合线;
将所述当前的最佳拟合线与前面保存的线比较;
响应于确定所述当前的最佳拟合线接近平行于前面保存的线,将所述当前的最佳拟合线调整为平行于所述前面保存的线;
响应于确定所述当前的最佳拟合线的位置接近前面保存的线,调整所述当前的最佳拟合线的位置以匹配所述前面保存的线的位置;以及
响应于确定所述当前的最佳拟合线包括角点以及响应于确定所述当前的最佳拟合线的角点匹配前面保存的线的角点,调整所述当前的最佳拟合线的点以匹配所述前面保存的线的点。
10.根据权利要求7所述的方法,还包括:
检测所述移动设备周围的磁场中的波动;
基于所检测的波动扩展所述路径的地图,其中,扩展所述地图包括:基于所检测的波动将一个或多个磁性地标添加到所述地图;以及
基于所扩展的地图和当前检测的波动,校正所述移动设备的位置估值。
11.一种系统,包括:
处理器;和
存储器,所述存储器联接到所述处理器且能够通过所述处理器读取且所述存储器中存储有指令序列,所述指令序列当通过所述处理器执行时使所述处理器通过下列操作定位和追踪移动设备:
从所述移动设备内的多个传感器中的每个传感器读取传感器数据,所述传感器提供所述传感器数据而不依赖于来自所述移动设备外部的设备的信号;和
基于所述传感器数据确定所述移动设备的运动、速度和前进方向。
12.根据权利要求11所述的系统,其中,所述多个传感器包括:指南针、回转仪和加速度计。
13.根据权利要求11所述的系统,其中,基于所述传感器数据确定所述移动设备的运动、速度和前进方向包括:
将所述移动设备的活动分类为运动或静止;和
响应于将所述移动设备的活动分类为运动,基于所述传感器数据确定所述移动设备的速度且基于所述传感器数据确定所述移动设备的前进方向。
14.根据权利要求13所述的系统,其中,将所述移动设备的活动分类包括:
在一时段内从所述多个传感器中的每个传感器采集传感器数据;
融合所述传感器数据以产生对于与所述移动设备的取向有关的多个指示中的每个指示的估值;
归一化每个所述估值;
基于所归一化的估值形成表示所述移动设备的活动的多个向量;以及
基于所述多个向量,将在所述时段内的所述移动设备的活动分类。
15.根据权利要求13所述的系统,其中,确定所述移动设备的速度包括:
针对多个传感器数据读数中的每个传感器数据读数计算平均值和标准偏差;
基于每个所计算的平均值和标准偏差生成特征向量;
将所生成的特征向量与参考数据集进行比较;
基于所述比较将每个特征向量分配至集群;
基于所集群的特征向量数据确定所述移动设备的速度。
16.根据权利要求13所述的系统,其中,确定所述移动设备的前进方向包括:
确定一组角速度数据的大小;
确定所述大小是否超出预定义的阈值;以及
响应于确定所述大小超出所述预定义的阈值,将所述移动设备视为正在旋转,针对随时间的漂移校正所述传感器数据,以及将所校正的传感器数据记录为所述移动设备的前进方向。
17.根据权利要求13所述的系统,还包括绘制所述移动设备的路径,其中绘制所述路径包括:
识别所述移动设备所移动的平面的多个轴线中的每个轴线;
基于所述传感器数据确定沿着所识别的轴线的第一前进方向向量;
基于所述传感器数据确定沿着所识别的轴线的第二前进方向向量;
对所确定的前进方向向量进行滤波;以及
基于所滤波的前进方向向量在所述平面上绘出所述移动设备的路径的地图。
18.根据权利要求17所述的系统,其中,对所确定的前进方向向量进行滤波包括:
当在所述第一前进方向向量和所述第二前进方向向量之间的差值被确定为大时,将所述第一前进方向向量存储为第三前进方向向量;
当前一点的前进方向与当前点的前进方向一致时,将所述第三前进方向向量拷贝到第四前进方向向量;
当在所述第一前进方向向量和所述第四前进方向向量之间存在大的一致的差值时,将所述第一前进方向向量存储为第五前进方向向量;
丢弃指示快速变化的前进方向向量;以及
基于所丢弃的前进方向向量的前面的前进方向向量和之后的前进方向向量,填充通过所述丢弃所产生的间隙。
19.根据权利要求17所述的系统,其中,绘出所述移动设备的路径的地图包括:
对于所接收的信息,找到当前的最佳拟合线;
将所述当前的最佳拟合线与前面保存的线比较;
响应于确定所述当前的最佳拟合线接近平行于前面保存的线,将所述当前的最佳拟合线调整为平行于所述前面保存的线;
响应于确定所述当前的最佳拟合线的位置接近前面保存的线,调整所述当前的最佳拟合线的位置以匹配所述前面保存的线的位置;以及
响应于确定所述当前的最佳拟合线包括角点以及响应于确定所述当前的最佳拟合线的角点匹配前面保存的线的角点,调整所述当前的最佳拟合线的点以匹配所述前面保存的线的点。
20.根据权利要求17所述的系统,还包括:
检测所述移动设备周围的磁场中的波动;
基于所检测的波动扩展所述路径的地图,其中,扩展所述地图包括:基于所检测的波动将一个或多个磁性地标添加到所述地图;以及
基于所扩展的地图和当前检测的波动,校正所述移动设备的位置估值。
21.一种计算机可读存储器,所述计算机可读存储器上存储有指令序列,所述指令序列当通过处理器执行使所述处理器通过下列操作定位和追踪移动设备:
从所述移动设备内的多个传感器中的每个传感器读取传感器数据,所述传感器提供所述传感器数据而不依赖于来自所述移动设备外部的设备的信号;和
基于所述传感器数据确定所述移动设备的运动、速度和前进方向。
22.根据权利要求21所述的计算机可读存储器,其中,所述多个传感器包括:指南针、回转仪和加速度计。
23.根据权利要求21所述的计算机可读存储器,其中,基于所述传感器数据确定所述移动设备的运动、速度和前进方向包括:
将所述移动设备的活动分类为运动或静止;和
响应于将所述移动设备的活动分类为运动,基于所述传感器数据确定所述移动设备的速度且基于所述传感器数据确定所述移动设备的前进方向。
24.根据权利要求23所述的计算机可读存储器,其中,将所述移动设备的活动分类包括:
在一时段内从所述多个传感器中的每个传感器采集传感器数据;
融合所述传感器数据以产生对于与所述移动设备的取方向有关的多个指示中的每个指示的估值;
归一化每个所述估值;
基于所归一化的估值形成表示所述移动设备的活动的多个向量;以及
基于所述多个向量,将在所述时段内的所述移动设备的活动分类。
25.根据权利要求23所述的计算机可读存储器,其中,确定所述移动设备的速度包括:
针对多个传感器数据读数中的每个传感器数据读数计算平均值和标准偏差;
基于每个所计算的平均值和标准偏差生成特征向量;
将所生成的特征向量与参考数据集进行比较;
基于所述比较将每个特征向量分配至集群;
基于所集群的特征向量数据确定所述移动设备的速度。
26.根据权利要求23所述的计算机可读存储器,其中,确定所述移动设备的前进方向包括:
确定一组角速度数据的大小;
确定所述大小是否超出预定义的阈值;以及
响应于确定所述大小超出所述预定义的阈值,将所述移动设备视为正在旋转,针对随时间的漂移校正所述传感器数据,以及将所校正的传感器数据记录为所述移动设备的前进方向。
27.根据权利要求23所述的计算机可读存储器,还包括绘制所述移动设备的路径,其中绘制所述路径包括:
识别所述移动设备所移动的平面的多个轴线中的每个轴线;
基于所述传感器数据确定沿着所识别的轴线的第一前进方向向量;
基于所述传感器数据确定沿着所识别的轴线的第二前进方向向量;
对所确定的前进方向向量进行滤波;以及
基于所滤波的前进方向向量在所述平面上绘出所述移动设备的路径的地图。
28.根据权利要求27所述的计算机可读存储器,其中,对所确定的前进方向向量进行滤波包括:
当在所述第一前进方向向量和所述第二前进方向向量之间的差值被确定为大时,将所述第一前进方向向量存储为第三前进方向向量;
当前一点的前进方向与当前点的前进方向一致时,将所述第三前进方向向量拷贝到第四前进方向向量;
当在所述第一前进方向向量和所述第四前进方向向量之间存在大的一致的差值时,将所述第一前进方向向量存储为第五前进方向向量;
丢弃指示快速变化的前进方向向量;以及
基于所丢弃的前进方向向量的前面的前进方向向量和之后的前进方向向量,填充通过所述丢弃所产生的间隙。
29.根据权利要求27所述的计算机可读存储器,其中,绘出所述移动设备的路径的地图包括:
对于所接收的信息,找到当前的最佳拟合线;
将所述当前的最佳拟合线与前面保存的线比较;
响应于确定所述当前的最佳拟合线接近平行于前面保存的线,将所述当前的最佳拟合线调整为平行于所述前面保存的线;
响应于确定所述当前的最佳拟合线的位置接近前面保存的线,调整所述当前的最佳拟合线的位置以匹配所述前面保存的线的位置;
响应于确定所述当前的最佳拟合线包括角点以及响应于确定所述当前的最佳拟合线的角点匹配前面保存的线的角点,调整所述当前的最佳拟合线的点以匹配所述前面保存的线的点。
30.根据权利要求27所述的计算机可读存储器,还包括:
检测所述移动设备周围的磁场中的波动;
基于所检测的波动扩展所述路径的地图,其中,扩展所述地图包括:基于所检测的波动将一个或多个磁性地标添加到所述地图;以及
基于所扩展的地图和当前检测的波动,校正所述移动设备的位置估值。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161547969P | 2011-10-17 | 2011-10-17 | |
US61/547,969 | 2011-10-17 | ||
US13/653,009 US8788193B2 (en) | 2011-10-17 | 2012-10-16 | Tracking activity, velocity, and heading using sensors in mobile devices or other systems |
US13/653,009 | 2012-10-16 | ||
PCT/US2012/060509 WO2013059246A1 (en) | 2011-10-17 | 2012-10-17 | Tracking activity, velocity, and heading using sensors in mobile devices or other systems |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104137594A true CN104137594A (zh) | 2014-11-05 |
CN104137594B CN104137594B (zh) | 2018-03-02 |
Family
ID=48086547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280062283.1A Active CN104137594B (zh) | 2011-10-17 | 2012-10-17 | 在移动设备或其它系统中使用传感器追踪活动、速度和前进方向 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8788193B2 (zh) |
EP (1) | EP2769574B1 (zh) |
CN (1) | CN104137594B (zh) |
WO (1) | WO2013059246A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105629324A (zh) * | 2014-12-01 | 2016-06-01 | 丰唐物联技术(深圳)有限公司 | 一种检测门开关状态的方法及装置 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9395190B1 (en) * | 2007-05-31 | 2016-07-19 | Trx Systems, Inc. | Crowd sourced mapping with robust structural features |
US8751151B2 (en) * | 2012-06-12 | 2014-06-10 | Trx Systems, Inc. | System and method for localizing a trackee at a location and mapping the location using inertial sensor information |
KR101960280B1 (ko) * | 2012-07-23 | 2019-03-20 | 삼성전자주식회사 | 자기장 지도를 수정하는 방법, 자기장 지도를 수정하는 사용자 단말 및 서버 |
US20140143184A1 (en) * | 2012-11-21 | 2014-05-22 | Microsoft Corporation | Turn restriction inferencing |
US9080878B2 (en) | 2013-02-21 | 2015-07-14 | Apple Inc. | Automatic identification of vehicle location |
US11268818B2 (en) | 2013-03-14 | 2022-03-08 | Trx Systems, Inc. | Crowd sourced mapping with robust structural features |
US11156464B2 (en) | 2013-03-14 | 2021-10-26 | Trx Systems, Inc. | Crowd sourced mapping with robust structural features |
US9585768B2 (en) | 2013-03-15 | 2017-03-07 | DePuy Synthes Products, Inc. | Acetabular cup prosthesis alignment system and method |
US9699739B2 (en) | 2013-06-07 | 2017-07-04 | Apple Inc. | Determination of device body location |
US10716073B2 (en) * | 2013-06-07 | 2020-07-14 | Apple Inc. | Determination of device placement using pose angle |
US9264862B2 (en) | 2013-08-15 | 2016-02-16 | Apple Inc. | Determining exit from a vehicle |
WO2015061712A1 (en) | 2013-10-24 | 2015-04-30 | Tourmaline Labs, Inc. | Systems and methods for collecting and transmitting telematics data from a mobile device |
US9288630B2 (en) * | 2013-10-28 | 2016-03-15 | Verizon Patent And Licensing Inc. | Method and apparatus for providing positioning services using multi-spacing clustering |
US9363654B2 (en) * | 2013-10-28 | 2016-06-07 | At&T Intellectual Property I, L.P. | Virtual historical displays |
US9301082B2 (en) | 2013-12-06 | 2016-03-29 | Apple Inc. | Mobile device sensor data subscribing and sharing |
US9360323B2 (en) | 2014-02-17 | 2016-06-07 | Tourmaline Labs, Inc. | Systems and methods for estimating movements of a vehicle using a mobile device |
US10043112B2 (en) * | 2014-03-07 | 2018-08-07 | Qualcomm Incorporated | Photo management |
GB201410612D0 (en) * | 2014-06-13 | 2014-07-30 | Tomtom Int Bv | Methods and systems for generating route data |
US9544419B2 (en) * | 2014-12-24 | 2017-01-10 | Intel Corporation | Methods and systems for configuring a mobile device based on an orientation-based usage context |
US9759561B2 (en) | 2015-01-06 | 2017-09-12 | Trx Systems, Inc. | Heading constraints in a particle filter |
JP6644480B2 (ja) * | 2015-06-01 | 2020-02-12 | 株式会社イトーキ | 姿勢判別方法、姿勢判別プログラム、活動量計測方法、及び、活動量計測プログラム。 |
US10438131B1 (en) * | 2015-12-14 | 2019-10-08 | Google Llc | Spherical random features for polynomial kernels |
US10121374B2 (en) | 2016-06-10 | 2018-11-06 | Apple Inc. | Parking event detection and location estimation |
US10003924B2 (en) | 2016-08-10 | 2018-06-19 | Yandex Europe Ag | Method of and server for processing wireless device sensor data to generate an entity vector associated with a physical location |
US9924320B1 (en) * | 2016-12-30 | 2018-03-20 | Uber Technologies, Inc. | Locating a user device |
US11341512B2 (en) | 2018-12-20 | 2022-05-24 | Here Global B.V. | Distinguishing between pedestrian and vehicle travel modes by mining mix-mode trajectory probe data |
WO2020139093A1 (en) * | 2018-12-26 | 2020-07-02 | SWORD Health S.A. | Magnetometerless detection of incorrect attachment and calibration of motion tracking system |
JP6804599B2 (ja) * | 2019-08-28 | 2020-12-23 | 株式会社イトーキ | 姿勢判別方法、姿勢判別プログラム、活動量計測方法、及び、活動量計測プログラム。 |
US11410178B2 (en) | 2020-04-01 | 2022-08-09 | Mastercard International Incorporated | Systems and methods for message tracking using real-time normalized scoring |
US11715106B2 (en) | 2020-04-01 | 2023-08-01 | Mastercard International Incorporated | Systems and methods for real-time institution analysis based on message traffic |
CN111966130B (zh) * | 2020-06-28 | 2023-06-27 | 上海伊涵家居饰品有限公司 | 座椅自动归位控制方法、系统及其存储介质 |
KR102576664B1 (ko) * | 2023-03-08 | 2023-09-13 | 스튜디오씨드코리아 주식회사 | 그래픽 사용자 인터페이스의 프로토타입 제작 방법 및 그 시스템 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195475B1 (en) * | 1998-09-15 | 2001-02-27 | Hewlett-Packard Company | Navigation system for handheld scanner |
EP1132713A1 (en) * | 1999-08-24 | 2001-09-12 | Matsushita Electric Industrial Co., Ltd. | Position information system |
EP1253404A2 (en) * | 2001-04-23 | 2002-10-30 | Quentin Ladetto | Pedestrian navigation method and apparatus operative in a dead reckoning mode |
US6522266B1 (en) * | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
US20050033200A1 (en) * | 2003-08-05 | 2005-02-10 | Soehren Wayne A. | Human motion identification and measurement system and method |
CN1778598A (zh) * | 2004-11-17 | 2006-05-31 | 丰田自动车株式会社 | 电动汽车及其控制方法 |
WO2007010265A1 (en) * | 2005-07-22 | 2007-01-25 | University Of Newcastle Upon Tyne | Apparatus for determining the position of a moveable apparatus on a surface |
EP1847807A1 (en) * | 2006-04-20 | 2007-10-24 | Honeywell International Inc. | Motion classification methods for personal navigation |
CN101636637A (zh) * | 2007-03-23 | 2010-01-27 | 高通股份有限公司 | 多传感器数据采集和/或处理 |
US20100057359A1 (en) * | 2008-09-04 | 2010-03-04 | Ruben Caballero | Location systems for handheld electronic devices |
US20110241656A1 (en) * | 2010-03-30 | 2011-10-06 | Apple Inc. | Determining Heading Using Magnetometer Data and Angular Rate Data |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7640148B2 (en) * | 2005-01-07 | 2009-12-29 | Gm Global Technology Operations, Inc. | Method of modeling vehicle parameter cycles |
SG183690A1 (en) * | 2007-08-06 | 2012-09-27 | Trx Systems Inc | Locating, tracking, and/or monitoring personnel and/or assets both indoors and outdoors |
CN101836083B (zh) * | 2007-10-26 | 2015-03-18 | 通腾科技股份有限公司 | 创建地图数据的方法 |
US8898034B2 (en) | 2009-06-03 | 2014-11-25 | Apple Inc. | Automatically identifying geographic direction |
US20110238308A1 (en) | 2010-03-26 | 2011-09-29 | Isaac Thomas Miller | Pedal navigation using leo signals and body-mounted sensors |
-
2012
- 2012-10-16 US US13/653,009 patent/US8788193B2/en active Active
- 2012-10-17 EP EP12841080.0A patent/EP2769574B1/en active Active
- 2012-10-17 CN CN201280062283.1A patent/CN104137594B/zh active Active
- 2012-10-17 WO PCT/US2012/060509 patent/WO2013059246A1/en active Application Filing
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195475B1 (en) * | 1998-09-15 | 2001-02-27 | Hewlett-Packard Company | Navigation system for handheld scanner |
EP1132713A1 (en) * | 1999-08-24 | 2001-09-12 | Matsushita Electric Industrial Co., Ltd. | Position information system |
US6522266B1 (en) * | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
EP1253404A2 (en) * | 2001-04-23 | 2002-10-30 | Quentin Ladetto | Pedestrian navigation method and apparatus operative in a dead reckoning mode |
US20050033200A1 (en) * | 2003-08-05 | 2005-02-10 | Soehren Wayne A. | Human motion identification and measurement system and method |
CN1778598A (zh) * | 2004-11-17 | 2006-05-31 | 丰田自动车株式会社 | 电动汽车及其控制方法 |
WO2007010265A1 (en) * | 2005-07-22 | 2007-01-25 | University Of Newcastle Upon Tyne | Apparatus for determining the position of a moveable apparatus on a surface |
EP1847807A1 (en) * | 2006-04-20 | 2007-10-24 | Honeywell International Inc. | Motion classification methods for personal navigation |
CN101636637A (zh) * | 2007-03-23 | 2010-01-27 | 高通股份有限公司 | 多传感器数据采集和/或处理 |
US20100057359A1 (en) * | 2008-09-04 | 2010-03-04 | Ruben Caballero | Location systems for handheld electronic devices |
US20110241656A1 (en) * | 2010-03-30 | 2011-10-06 | Apple Inc. | Determining Heading Using Magnetometer Data and Angular Rate Data |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105629324A (zh) * | 2014-12-01 | 2016-06-01 | 丰唐物联技术(深圳)有限公司 | 一种检测门开关状态的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2013059246A1 (en) | 2013-04-25 |
EP2769574B1 (en) | 2019-01-02 |
EP2769574A4 (en) | 2016-06-15 |
EP2769574A1 (en) | 2014-08-27 |
US8788193B2 (en) | 2014-07-22 |
US20130096817A1 (en) | 2013-04-18 |
CN104137594B (zh) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104137594A (zh) | 在移动设备或其它系统中使用传感器追踪活动、速度和前进方向 | |
CN105637530B (zh) | 一种使用众包视频的3d模型更新的方法及系统 | |
US10423728B2 (en) | Clustering method for a point of interest and related apparatus | |
Ahn et al. | An indoor augmented-reality evacuation system for the Smartphone using personalized Pedometry | |
US9292936B2 (en) | Method and apparatus for determining location | |
Niu et al. | Resource-efficient and automated image-based indoor localization | |
CN110058694A (zh) | 视线追踪模型训练的方法、视线追踪的方法及装置 | |
CN103340634B (zh) | 一种基于加速度变化检测人运动状态的方法 | |
US20220189049A1 (en) | Self-Supervised Multi-Frame Monocular Depth Estimation Model | |
CN103582884A (zh) | 用于视觉搜索的稳健特征匹配 | |
CN103363990A (zh) | 信息处理装置、信息处理方法和程序 | |
US20190200169A1 (en) | System and method to localise an entity | |
CN111742540A (zh) | 检测模式和行为以避免移动终端掉落事件 | |
CN110008815A (zh) | 人脸识别融合模型的生成方法和装置 | |
CN113052198A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
Filus et al. | Cost-effective filtering of unreliable proximity detection results based on BLE RSSI and IMU readings using smartphones | |
Yang et al. | An energy-efficient step-counting algorithm for smartphones | |
Gil et al. | inContexto: A fusion architecture to obtain mobile context | |
US11275807B2 (en) | React to location changes on web pages | |
Konomi et al. | Rapid development of civic computing services: opportunities and challenges | |
KR101466668B1 (ko) | 위치정보 분류방법 및 이를 위한 장치 | |
CN115376192B (zh) | 用户异常行为确定方法、装置、计算机设备及存储介质 | |
Junoh et al. | Region Classification using Wi-Fi and Magnetic Field Strength. | |
Abdollahpour | Real-time safety alerting system for construction sites | |
CN107346010A (zh) | 用于定位电子设备所处的区域的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |