CN104237952A - 一种墙内物体的识别方法 - Google Patents

Abstract

本发明公开了一种墙内物体的识别方法，包括如下步骤：S1、智能手机在操作者的带动下扫过墙面，并在运动过程中获取内置于所述智能手机中的加速度计、陀螺仪和磁传感器所检测到的数据；其中，所述磁传感器用于检测墙内的铁磁性物体在地磁场的磁化作用下所产生的感应磁场的场强；S2、根据所述加速度计和所述陀螺仪所检测到的数据，计算得到所述智能手机在运动过程中的位移数据；S3、根据所述位移数据和所述磁传感器所检测到的数据建立墙内物体的特征曲线，从所述特征曲线中识别出墙内的铁磁性物体。本发明的硬件成本低，设备和系统简单，使用方便，能够实现简单快速的墙体物体探测识别的功能，适合家居使用。

Description

一种墙内物体的识别方法

技术领域

本发明涉及电子技术领域，具体是一种墙内物体的识别方法。

背景技术

如今，随着人们对于空间利用率和美观的要求不断提高，室内装修在安装家用管道诸如排水给水管道等时更加倾向于将管道埋在墙体内部以节约空间和不影响室内美观。同时，现代建筑大都是采用钢筋混凝土的形式构成，也即是在墙体内埋设钢筋以增强墙体的机械强度。然而，这种设计带来的问题便是当我们需要知道墙体内的有何物体时，我们就需要将墙体进行一定破坏才能货获知，此种情况尤其在室内装修图纸丢失或者不易获取的情况下显得更为迫切。

日常生活中经常碰到如此情形：当我们需要在墙壁上钉入物体时，由于事先不知该处墙体内存在何物，经常出现钉入墙体内已存在物体上，从而轻则使得工具损毁，重则伤害到人。在此种情况下，低成本、便捷获得此种信息的方法或系统无疑具有很强的实用价值。

为了解决物体探测识别的问题，目前的商用产品比如Wall Scanner,RadarScanner等产品中多采用雷达技术、多传感器技术等一些高端技术。尽管这些产品在探测和识别墙内物体具有较高的准确度，然而由于其采用的技术和设备比较高端，因而价格不菲，而且往往便携性较差。

针对于墙体内物体探测这一问题，已有的技术多采用GPR(透地雷达技术)，或者机械小猪(Mechanical Pig),或者采用传感器胶囊遍历整个管道网络的方式进行墙内物体的探测。以上几种方法中：GPR与机械小猪两种技术均需要采用较精密复杂的设备或者系统，其缺点有二：其一，成本很高，不易获取；其二，设备或者系统复杂笨重，不适合家居使用。而针对采用传感器胶囊遍历的方式，该方法对于管网具有多重限制，比如：整个管网的管径大小须相等；管径需要较大以防止传感器胶囊阻塞管道；整个管网需要是一个连通的系统等。

发明内容

本发明的目的在于克服现有技术的不足，提供一种墙内物体的识别方法，硬件成本低，设备和系统简单，使用方便，适合家居使用。

为了达到上述目的，本发明实施例提供一种墙内物体的识别方法，包括如下步骤：

S1、智能手机在操作者的带动下扫过墙面，并在运动过程中获取内置于所述智能手机中的加速度计、陀螺仪和磁传感器所检测到的数据；其中，所述磁传感器用于检测墙内的铁磁性物体在地磁场的磁化作用下所产生的感应磁场的场强；

S2、根据所述加速度计和所述陀螺仪所检测到的数据，计算得到所述智能手机在运动过程中的位移数据；

S3、根据所述位移数据和所述磁传感器所检测到的数据建立墙内物体的特征曲线，从所述特征曲线中识别出墙内的铁磁性物体。

进一步地，在步骤S1中，所述智能手机在操作者的带动下，以冲程运动的形式扫过墙面；所述冲程运动是指智能手机起始于静止状态而终止静止状态的短暂快速运动。

进一步地，在步骤S1中，所述智能手机在操作者的带动下通过多次冲程运动扫过墙面；相邻两次所述的冲程运动之间留有时间间隔。相邻两次所述的冲程运动之间留有时间间隔可以使加速度和速度的校准更准确。

进一步地，所述步骤S2包括：

S21、分别对所述加速度计、所述磁传感器和所述陀螺仪所检测到的数据进行滤波处理，获得加速度数据、磁场数据和角速度数据；

S22、利用所述加速度数据和所述角速度数据，采用互补滤波器的方式估计所述智能手机在运动过程中的姿态角；其中，当所述智能手机被判定处于静止状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.98，利用所述角速度数据对姿态角估计值所占权重为0.02；当所述智能手机被判定处于运动状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.02，利用所述角速度数据对姿态角的估计值所占权重为0.98；

S23、利用所估计的所述智能手机在运动过程中的姿态角，根据力学原理消除掉所述智能手机的重力在运动方向投射的分量，获得所述智能手机自身运动所产生的加速度值；

S24、对所述加速度值进行积分计算，获得所述智能手机运动的速度值；

S25、对所得速度值进行一次积分，得到所述智能手机运动的位移数据。

进一步地，所述步骤S3包括：

S31、将所述智能手机运动的位移数据作为横轴，将滤波后的所述磁场数据作为纵轴，为墙体内物体建立特征曲线；

S32、将所述特征曲线与数据库中的各种类型的铁磁性物体的标准曲线进行对比，通过比较曲线的相似度，识别出墙内的铁磁性物体的类型。

进一步地，所述步骤S24包括：

判断所述智能手机的运动状态；

当所述智能手机处于静止状态下，所述智能手机的加速度值和速度值被视为零值；

当所述智能手机处于运动状态下，对所述加速度值进行一次积分计算，获得所述智能手机运动的速度值。此改进的有益效果在于通过校准加速度来获得更精准的速度值，并通过强制将静止状态下的速度值设为0值，减少积分过程速度的漂移。因而可以获得精准的位移数据。

进一步，所述判断所述智能手机的运动状态的方法，包括：

根据指数均值EMA计算公式，获得所述智能手机的加速度对应的指数均值EMA；其中，所述指数均值EMA计算公式为：

${\mathrm{EMA}}_i=\frac{{\mathrm{\Σ}}_{k=i}^{i+N-1}[{(1-\mathrm{\μ})}^{k-i}\×\sqrt{{a_x}_k^2+{a_y}_k^2}]}{{\mathrm{\Σ}}_{k=i}^{i+N-1}{(1-\mathrm{\μ})}^{k-i}}$

其中，μ是一个常数；和分别表示第i个x和y方向上的加速度值，N是滤波器窗口内加速度数据点数；

当所述指数均值EMA大于阈值时，判定所述智能手机处于运动状态；当所述指数均值EMA小于或等于阈值时，判定所述智能手机处于静止状态。

进一步地，在步骤S21中，是通过滑动均值滤波器，分别对所述加速度计、所述磁传感器和所述陀螺仪所检测到的数据进行滤波处理；所述滑动均值滤波器的滑动窗口为7。

进一步地，在步骤S22中，所述互补滤波器包括第一计算单元、第二计算单元以及加法器；则步骤S22具体包括：

通过所述第一计算单元对所述加速度数据进行换算处理，获得加速度计所对应的姿态角；

通过所述第二计算单元对所述角速度数据进行积分，获得陀螺仪所对应的姿态角；

通过所述加法器将所述加速度计所对应的姿态角与所述陀螺仪所对应的姿态角按照所设定的权重进行加法运算，得到所述智能手机在运动过程中的姿态角。

进一步地，在步骤S32中，通过判断不同曲线间的欧氏距离来判断其相似度。

相比于现有技术，本发明所提供的一种墙内物体的识别方法通过综合利用内置于智能手机内的多种传感器，也即：加速度计，磁场感应器和陀螺仪，实现简单快速地识别墙内物体的功能。所述方法包含的步骤主要包括：以特定动作移动手机在墙面扫过以获取手机内置三种传感器的数据；通过采用滑动均值滤波和互补滤波器等方法对加速计和陀螺仪读数的精细校准，以及对一次积分后所得的速度进行漂移处理，准确地计算出手机移动的位移；将以上步骤产生的位移与磁感应器的读数结合，从而能够为每一类墙体内不同的物体建立相应的特征以作物体分类识别之用。本发明的有益效果在于硬件成本低，设备和系统简单，使用方便，适合家居使用。由于智能手机具有广泛的使用人群，因而本发明所提供的一种墙内物体的识别方法的适用人群也很广，相比现有技术具有重要的改进意义。

附图说明

图1是本发明实施例提供的一种墙内物体的识别方法的流程图；

图2是图1中的步骤S2的具体流程图；

图3是图2中的互补滤波器的结构框图；

图4a、图4b与图4c是手机的三个姿态角的示意图；

图5是图1中的步骤S3的具体流程图；

图6是通过本发明实施例所提供的一种墙内物体的识别方法测得的管道、钢筋和铁棒的特征曲线图。

具体实施方式

请参阅图1，其是本发明实施例提供一种墙内物体的识别方法的流程图。本发明实施例提供一种墙内物体的识别方法，包括如下步骤：

S1、智能手机在操作者的带动下扫过墙面，并在运动过程中获取内置于所述智能手机中的加速度计、陀螺仪和磁传感器所检测到的数据；其中，所述磁传感器用于检测墙内的铁磁性物体在地磁场的磁化作用下所产生的感应磁场的场强；

S2、根据所述加速度计和所述陀螺仪所检测到的数据，计算得到所述智能手机在运动过程中的位移数据；

S3、根据所述位移数据和所述磁传感器所检测到的数据建立墙内物体的特征曲线，从所述特征曲线中识别出墙内的铁磁性物体。

具体地，在步骤S1中，所述智能手机以冲程运动的形式扫过墙面；所述冲程运动是指智能手机起始于静止状态而终止静止状态的短暂快速运动。并且在步骤S1中，所述智能手机在操作者的带动下通过多次冲程运动扫过墙面；相邻两次所述的冲程运动之间留有时间间隔以备加速度和速度校核。在本实施例中，所述时间间隔是1秒至2秒。

请参阅图2，其是图1中的步骤S2的具体流程图。所述步骤S2具体包括：

S21、分别对所述加速度计、所述磁传感器和所述陀螺仪所检测到的数据进行滤波处理，获得加速度数据、磁场数据和角速度数据。在本实施例中，所用滤波器为滑动均值滤波器，且所述滑动均值滤波器的窗口宽度为7。作为变形实施例，该处也可以采用平滑滤波器,窗口宽度为5，阶数为3。

S22、利用所述加速度数据和所述角速度数据，采用互补滤波器的方式估计所述智能手机在运动过程中的姿态角；其中，当所述智能手机被判定处于静止状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.98，利用所述角速度数据对姿态角估计值所占权重为0.02；当所述智能手机被判定处于运动状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.02，利用所述角速度数据对姿态角的估计值所占权重为0.98。加速度计是极易受外部干扰的传感器，但是测量值随时间的变化相对较小。而陀螺仪可以积分得到角度关系，动态性能好，受外部干扰小，但测量值随时间变化比较大。可以看出，它们优缺点互补，结合起来才能有好的效果。所以两个数据融合的方法就是设计算法在短时间尺度内增加陀螺仪的权值，在更长时间尺度内增加加速度权值，这样系统输出角度就更真实了。

请参阅图3，其是图2中的互补滤波器的结构框图。在步骤S22中，所述互补滤波器包括第一计算单元1、第二计算单元2以及加法器3。步骤S22具体包括：

通过所述第一计算单元1对所述加速度数据进行换算处理，获得加速度计所对应的姿态角θacce；

通过所述第二计算单元2对所述角速度数据进行积分，获得陀螺仪所对应的姿态角θgyro；

通过所述加法器3将所述加速度计所对应的姿态角θacce与所述陀螺仪所对应的姿态角θgyro按照所设定的权重进行加法运算，得到所述智能手机在运动过程中的姿态角θ，实现对姿态角θ的校准。

S23、利用所估计的所述智能手机在运动过程中的姿态角θ，根据力学原理消除掉所述智能手机的重力在运动方向投射的分量，获得所述智能手机自身运动所产生的加速度值，以实现加速度校准的目的。如图4a至图4b所示，其是手机的三个姿态角的示意图。图4a表示在xoy平面上绕z轴旋转的姿态角为Yaw(偏航角)；图4b表示在xoz平面上绕y轴旋转的姿态角为Roll(横滚角)；图4c表示在zoy平面上绕x轴旋转的姿态角为Pitch(俯仰角)。在消除重力引起的加速度分量时，考虑到手机的移动是紧贴墙壁进行的，所以认为手机的旋转只在一个平面上(即与墙面平行的平面)进行。若定义墙面所在平面为xoy平面，即手机的旋转是围绕z轴进行的，而所用到的姿态角θ即为绕z轴的旋转角,如图4a所示的情况。

S24、对所述加速度值进行积分计算，获得所述智能手机运动的速度值。

为了减少积分后的速度漂移，实现速度的校准，步骤S24具体包括：

判断所述智能手机的运动状态；

当所述智能手机处于静止状态下，所述智能手机的加速度值和速度值被视为零值；

当所述智能手机处于运动状态下，对所述加速度值进行一次积分计算，获得所述智能手机运动的速度值。

其中，所述判断所述智能手机的运动状态的方法，包括：

根据指数均值EMA(Exponential Moving Average)计算公式，获得所述智能手机的加速度对应的指数均值EMA；其中，所述指数均值EMA计算公式为：

${\mathrm{EMA}}_i=\frac{{\mathrm{\Σ}}_{k=i}^{i+N-1}[{(1-\mathrm{\μ})}^{k-i}\×\sqrt{{a_x}_k^2+{a_y}_k^2}]}{{\mathrm{\Σ}}_{k=i}^{i+N-1}{(1-\mathrm{\μ})}^{k-i}}$

其中，μ是一个常数，此处取0.1；和分别指的是第i个x和y方向上的加速度值，N是滤波器窗口内加速度数据点数，此处若采用滑动均值滤波器则N＝7；指数均值EMA的阈值为5.4m/s²。

当所述指数均值EMA大于阈值时，判定所述智能手机处于运动状态；当所述指数均值EMA小于或等于阈值时，判定所述智能手机处于静止状态。

S25、对所得速度值进行一次积分，得到所述智能手机运动的位移数据。

请参阅图5，其是图1中的步骤S3的具体流程图。所述步骤S3具体包括：

S31、将所述智能手机运动的位移数据作为横轴，将滤波后的所述磁场数据作为纵轴，为墙体内物体建立特征曲线。

S32、将所述特征曲线与数据库中的各种类型的铁磁性物体的标准曲线进行对比，通过比较曲线的相似度，识别出墙内的铁磁性物体的类型。

如图6所示，其是通过本发明实施例所提供的一种墙内物体的识别方法测得的管道、钢筋和铁棒的特征曲线图。在图6中,Pipe曲线即为管道的特征曲线，Rebar曲线即为钢筋的特征曲线，Rod曲线即为铁棒的特征曲线。通过比较曲线的相似度，从而对物体进行判别；在本实施例中，通过判断不同曲线间的欧氏距离来判断其相似度。

相比与现有技术，本发明所提供的一种墙内物体的识别方法通过综合利用内置于智能手机内的多种传感器，也即：加速度计，磁场感应器和陀螺仪，实现简单快速地识别墙内物体的功能。所述方法包含的步骤主要包括：以特定动作移动手机在墙面扫过以获取手机内置三种传感器的数据；通过采用滑动均值滤波和互补滤波器等方法对加速计和陀螺仪读数的精细校准，以及对一次积分后所得的速度进行漂移处理，准确地计算出手机移动的位移；将以上步骤产生的位移与磁感应器的读数结合，从而能够为每一类墙体内不同的物体建立相应的特征以作物体分类识别之用。本发明的有益效果在于硬件成本低，设备和系统简单，使用方便，适合家居使用。由于智能手机具有广泛的使用人群，因而本发明所提供的一种墙内物体的识别方法的适用人群也很广，相比现有技术具有重要的改进意义。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制。本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种墙内物体的识别方法，其特征在于，包括如下步骤：

S1、智能手机在操作者的带动下扫过墙面，并在运动过程中获取内置于所述智能手机中的加速度计、陀螺仪和磁传感器所检测到的数据；其中，所述磁传感器用于检测墙内的铁磁性物体在地磁场的磁化作用下所产生的感应磁场的场强；

S2、根据所述加速度计和所述陀螺仪所检测到的数据，计算得到所述智能手机在运动过程中的位移数据；

S3、根据所述位移数据和所述磁传感器所检测到的数据建立墙内物体的特征曲线，从所述特征曲线中识别出墙内的铁磁性物体。

2.根据权利要求1所述的一种墙内物体的识别方法，其特征在于：

在步骤S1中，所述智能手机在操作者的带动下，以冲程运动的形式扫过墙面；所述冲程运动是指智能手机起始于静止状态而终止静止状态的短暂快速运动。

3.根据权利要求2所述的一种墙内物体的识别方法，其特征在于：

在步骤S1中，所述智能手机在操作者的带动下通过多次冲程运动扫过墙面；相邻两次所述的冲程运动之间留有时间间隔。

4.根据权利要求3所述的一种墙内物体的识别方法，其特征在于，所述步骤S2包括：

S21、分别对所述加速度计、所述磁传感器和所述陀螺仪所检测到的数据进行滤波处理，获得加速度数据、磁场数据和角速度数据；

S22、利用所述加速度数据和所述角速度数据，采用互补滤波器的方式估计所述智能手机在运动过程中的姿态角；其中，当所述智能手机被判定处于静止状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.98，利用所述角速度数据对姿态角估计值所占权重为0.02；当所述智能手机被判定处于运动状态时，利用所述加速度数据对姿态角的估计值在互补滤波器中所占权重设置为0.02，利用所述角速度数据对姿态角的估计值所占权重为0.98；

S23、利用所估计的所述智能手机在运动过程中的姿态角，根据力学原理消除掉所述智能手机的重力在运动方向投射的分量，获得所述智能手机自身运动所产生的加速度值；

S24、对所述加速度值进行积分计算，获得所述智能手机运动的速度值；

S25、对所得速度值进行一次积分，得到所述智能手机运动的位移数据。

5.根据权利要求4所述的一种墙内物体的识别方法，其特征在于，所述步骤S3包括：

S31、将所述智能手机运动的位移数据作为横轴，将滤波后的所述磁场数据作为纵轴，为墙体内物体建立特征曲线；

S32、将所述特征曲线与数据库中的各种类型的铁磁性物体的标准曲线进行对比，通过比较曲线的相似度，识别出墙内的铁磁性物体的类型。

6.根据权利要求4所述的一种墙内物体的识别方法，其特征在于，所述步骤S24包括：

判断所述智能手机的运动状态；

当所述智能手机处于静止状态下，所述智能手机的加速度值和速度值被视为零值；

当所述智能手机处于运动状态下，对所述加速度值进行一次积分计算，获得所述智能手机运动的速度值。

7.根据权利要求6所述的一种墙内物体的识别方法，其特征在于，所述判断所述智能手机的运动状态的方法，包括：

根据指数均值EMA计算公式，获得所述智能手机的加速度对应的指数均值EMA；其中，所述指数均值EMA计算公式为：

${\mathrm{EMA}}_i=\frac{{\mathrm{\Σ}}_{k=i}^{i+N-1}[{(1-\mathrm{\μ})}^{k-i}\×\sqrt{a_{x_k}^2+a_{y_k}^2}]}{{\mathrm{\Σ}}_{k=i}^{i+N-1}{(1-\mathrm{\μ})}^{k-i}}$

其中，μ是一个常数；和分别表示第i个x和y方向上的加速度值，N是滤波器窗口内加速度数据点数；

当所述指数均值EMA大于阈值时，判定所述智能手机处于运动状态；当所述指数均值EMA小于或等于阈值时，判定所述智能手机处于静止状态。

8.根据权利要求4所述的一种墙内物体的识别方法，其特征在于：

在步骤S21中，是通过滑动均值滤波器，分别对所述加速度计、所述磁传感器和所述陀螺仪所检测到的数据进行滤波处理；所述滑动均值滤波器的滑动窗口为7。

9.根据权利要求4所述的一种墙内物体的识别方法，其特征在于，所述互补滤波器包括第一计算单元、第二计算单元以及加法器；则步骤S22具体包括：

通过所述第一计算单元对所述加速度数据进行换算处理，获得加速度计所对应的姿态角；

通过所述第二计算单元对所述角速度数据进行积分，获得陀螺仪所对应的姿态角；

通过所述加法器将所述加速度计所对应的姿态角与所述陀螺仪所对应的姿态角按照所设定的权重进行加法运算，得到所述智能手机在运动过程中的姿态角。

10.根据权利要求5所述的一种墙内物体的识别方法，其特征在于：

在步骤S32中，通过判断不同曲线间的欧氏距离来判断其相似度。