CN104713554B - 一种基于mems惯性器件与安卓智能手机融合的室内定位方法 - Google Patents

Abstract

一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法属于数据处理和移动终端应用领域。本发明在利用MEMS惯性传感器与安卓智能手机融合定位的前提下，基于室内定位行人的运动特征和MEMS惯性器件中本身的漂移误差，采用了基于卡尔曼滤波的零速度修正累积误差消除算法；在行人运动航向角的确定中，基于陀螺仪和电子罗盘的优缺点以及行人的运动特点，本课题设计了不同数据采样方式并融合粒子滤波的航向角确定算法，进一步增加了行人航向的精度。该方法能降低惯导解算过程中的累积误差，并得出较精确的行人位移信息和航向角信息。

Description

一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法

技术领域：

本发明属于数据处理和移动终端应用领域。是一种利用传感器技术、蓝牙数据传输技术、计算机技术、数字信号处理技术、android编程技术等实现的MEMS惯性器件与安卓智能手机融合的室内定位方法。该方法能降低惯导解算过程中的累积误差，并得出较精确的行人位移信息和航向角信息。

背景技术：

室内是人类活动最密集的场所，因此对于室内位置服务的研究具有重要意义。由于室内环境存在多径、非视距、复杂多变等特点，因此室内不能应用像GPS等广泛用于室外的定位技术。基于MEMS惯性传感器的室内定位与导航技术因其设备简单，工作时完全独立于外界环境，且抗干扰，而成为近年来室内定位技术研究的焦点。而累积误差的消除方法是决定惯性导航成功与否的关键因素。

目前基于MEMS惯性传感器的定位技术以航迹推算定位技术为主，按照计算运动距离的方法来分类，基于MEMS传感器的定位技术主要又可以分为两类，惯性导航系统INS(Inertial Navigation System)和基于运动模型的航迹推算技术(Dead-reckoning)。惯性导航系统INS主要依靠对传感器加速度或者速度的积分来计算运动距离，它主要用于车载、飞机、武器等导航领域，而基于运动模型的航迹推算技术主要依靠运动模型来计算人的运动步长，从而估算运动距离，该技术主要用于室内的行人定位和导航系统中。

对于室内的行人定位与导航系统，国际上有许多学者做了大量的研究工作。美国卡内基梅隆大学的机器人工程中心研究人员研究出一款基于IMU(Inertial measurementunit)的鞋式个人导航系统，此系统正常行走一小时定位误差可控制在一米之内。德国航空航天中心DLR实验室在2008年提出了一种基于鞋绑式惯性传感器的双层贝叶斯-位置估计框架算法，此算法主要由底层卡尔曼滤波和顶层粒子滤波算法组成。瑞典皇家工学院信号处理实验室在2012年提出了一个开源的、实时的基于鞋绑式的惯性导航系统，其样本造价800美元，在100米内导航误差范围为(0.2％-1％)。国内西北工业、国防科技、上海交通等大学也陆续开展了一些基础理论、算法的研究和实验研制工作，部分研究单位取得了初步的实验室成果，但相对国外成熟产品的性能还有较大的差距。

综上可知：惯性导航技术对于短期定位是一种很好的定位方法。该技术的优点是定位方法简单、易实现且价格便宜,但存在累积误差且随着行人移动距离和航向角的增加,其累积误差越来越大进而导致定位精度下降。各研究机构通过设计各种修正算法，消除系统的累积误差。目前，在考虑系统实时性及计算复杂度的前提下，最普遍的方法是基于卡尔曼滤波来消除漂移误差，100m范围内定位精度控制在1m内。但长时间工作后，系统误差无法维持收敛状态，定位误差将急剧升高，导致室内定位的失败。本文提出了一种基于MEMS惯性器件与安卓智能手机融合来消除累积误差的室内定位方法。

发明内容：

针对MEMS惯性传感器在导航算法中存在累积误差而导致定位失败，本发明提出了一种基于MEMS惯性器件与安卓智能手机融合来消除累积误差的室内定位方法。

本发明基于MEMS惯性器件的室内定位与导航方法的研究，定位系统主要由MPU6050MEMS数据采集模块、蓝牙数据无线传输模块、安卓智能手机数据采集与处理模块组成。通过相应的导航解算算法，最终在手机上显示行人的三维空间运动轨迹，实现行人的定位与导航功能。

本发明在利用MEMS惯性传感器与安卓智能手机融合定位的前提下，基于室内定位行人的运动特征和MEMS惯性器件中本身的漂移误差，采用了基于卡尔曼滤波的零速度修正累积误差消除算法；在行人运动航向角的确定中，基于陀螺仪和电子罗盘的优缺点以及行人的运动特点，本课题设计了不同数据采样方式并融合粒子滤波的航向角确定算法，进一步增加了行人航向的精度。本发明包括以下内容：

(1)基于MPU6050加速度数据和陀螺仪数据的行人实时位移算法

本发明主要针对基于MEMS惯性器件的行人导航方法进行研究，由于惯性导航是一种推算方式的导航，加速度通过一次积分得到速度，通过二次积分得到位移，角速度通过一次积分得到旋转角度，进而确定目标的位移和方向。具体导航算法是从已知的位置出发，利用加速度和角速度信息估测下一个位置，进而连续估测目标的当前位置。由于导航结果是通过积分计算获得的，积分误差会随着时间的推移而累积，如何找到一个合适的方法来减少累积误差是定位成功与否的关键。本发明基于行人的运动特点，采用卡尔曼滤波的零速度修正算法，对定位过程产生的累积误差进行实时修正，从而提高算法的成功率与准确性。具体步骤如下：

1)首先对MPU6050采集的行人运动的初始数据滤波处理，降低漂移误差和行人行走带来的误差；

2)其次，对滤波处理的数据一方面进行惯性导航解算，一方面进行“三条件判断法”的零速度检测；

3)当检测到行人运动的“零速度”时，触发零速修正的卡尔曼滤波模块；

4)经过零速度修正的卡尔曼滤波模块的算法，求解出其它状态向量的误差信息，并以步数为单位划分，取出单步数据段的状态误差估计信息；

5)将4)步得出的状态误差估计信息反馈到位移解算单元对导航参数信息进行校正，最后输出相对精确的行人位置信息。

(2)基于MPU6050陀螺仪数据和手机电子罗盘数据的行人航向角算法

在个人航迹推算导航系统中，对运动方向的估算主要是使用陀螺仪和电子罗盘这两种航向传感器，这两种传感器的用法和特点各不相同。

根据以上两种传感器的用法和特点，本发明提出了鞋绑式陀螺仪结合手持手机中电子罗盘的指南针功能，并利用粒子滤波算法，得出较准确的行人运动航向。

基于陀螺仪数据和电子罗盘数据的行人航向角算法具体包括以下内容：

1)基于MPU6050陀螺仪和手机电子罗盘的融合方法对于陀螺仪和电子罗盘融合计算航向的方法，是采用交替使用的简单融合方法，对于陀螺仪积分的航向和手机电子罗盘的航向两个航向值，根据运动航向是否处于较大改变状态来选择使用陀螺仪积分航向还是选择使用电子罗盘的航向。

2)粒子滤波方法以提高电子罗盘的精度由于电子罗盘易受周围环境，包括墙壁、桌椅、磁场等的影响，使输出的航向角数据产生漂移，所以本系统采用粒子滤波的方法进一步减少漂移误差，输出相对精确的导航航向角数据。

(3)基于智能手机气压计数据的行人实时水平高度的算法

1)气压高度计是根据测量大气压、利用大气压与高度海拔之间的关系来计算海拔高度的传感器。在个人航迹推算系统中，高度计测量的高度信息可以帮助判断人的运动状态是否为爬楼、上坡等，还可以利用高度计判断行人所在的海拔高度、楼层信息等。

2)由于楼层高度一般在5m以上，而气压计的分辨率会在0.25m左右，所以高度计的高度结果精度足以判别出楼层，因此可以根据高度计的高度信息可以判别行人所在的楼层信息

本发明旨在消除MEMS惯性传感器在导航定位算法中存在累积误差，提高室内定位精度。本发明在前人研究的基础上提出了一种基于MEMS惯性器件与安卓智能手机融合来消除累积误差的室内定位方法。本发明相比于其它室内定位方式具有如下的优点和效果：

1)本系统利用MEMS惯导系统进行室内定位，具有完全独立于外界环境，不需要借助于系统外界任何的信号与装置，且结构简单、抗干扰等优点。

2)根据行人的运动特点及惯性传感器的误差产生原因，本系统采用鞋绑式惯性器件测位移；提出了采用手机传感器与惯性器件融合测航向角的数据采样方式。

3)本系统采用手机内核作为采样数据的处理器，且算法执行时间短，能够满足室内人员定位的实时性要求。

附图说明：

图1是本开发系统的总体框图；

图2是行人导航定位的总体流程图；

图3是位移解算算法原理图；

图4是陀螺仪与电子罗盘的融合算法框图；

具体实施方式：

下面结合附图和实施例对做进一步说明。本发明的系统的总体框图见图1。

本发明基于MEMS惯性器件的室内定位与导航方法的研究，主要由MPU6050通过蓝牙将人行走的测量数据无线传输到安卓智能手机，通过一定的算法计算出人行走的位移信息；并结合手机内置的气压计传感器、加速度传感器、电子罗盘，通过一定算法解算出行人的航向与海拔高度信息；最终在手机上显示行人的三维空间运动轨迹，实现行人的室内定位与导航功能。

本发明的系统的导航定位流程图见图2。本系统主要由MPU6050MEMS数据采集模块、蓝牙数据无线传输模块、安卓智能手机数据采集与处理模块组成，其中安卓智能手机的数据处理模块主要包括位移解算单元、航向角解算单元、高度解算单元。本发明在提出MEMS惯性传感器与安卓智能手机融合的前提下，针对MEMS惯性器件中本身的漂移误差在导航算法中被累积而导致定位失败的情况，基于室内行人的运动特征，本发明采用了了基于卡尔曼滤波的零速度修正的累积误差消除算法；在行人运动航向角的确定中，基于陀螺仪和电子罗盘的优缺点以及行人的运动特点，本发明设计了不同数据采样方式并融合粒子滤波的航向角确定算法，进一步增加了行人航向的精度。其中根据行人的运动特点及惯导元件的误差产生原因创新性的提出了两种数据采样方式来降低导航误差，一种是通过鞋绑式，将MPU6050惯导元件绑定在行人的鞋子上，通过测量行人正常行走的加速度来获取行人运动位移；另一种是在行人运动航向角的测定方法中采用惯性器件鞋绑式和行人手持手机结合的数据采样方式，将MPU6050的采样数据和智能手机中传感器的采样数据融合处理得出精确的航向角信息。具体实施过程如下：

(1)基于MPU6050加速度数据和陀螺仪数据的行人实时位移算法(见图3)，具体步骤如下：

1)首先对MPU6050采集的行人运动的初始数据进行滤波处理，降低漂移误差和行人行走带来的误差；

2)其次，对滤波处理的数据一方面经过惯性导航解算单元进行行人运动速度与位移的解算，具体解算方法用现有的导航算法就能实现，这里不再陈述，得出最终的行人速度和位移信息；一方面进行“三条件判断法”的零速度检测，三条件判断法所包含的公式为其中是合加速度的方差，其阈值th_σmax的大小设为3；是合角速度的幅值，其阈值的大小设为4；是合加速度的幅值，其阈值th_amin和th_amax分别设为7和11；以上阈值的设定是根据实验行人的具体行走情况，经过大量的实验测试与统计，确定的最优零条件判断数值。在不同的行人及硬件情况下，应当重新设定其最优阈值。最后，将单个条件结果进行“与”运算，求出脚着地，即“零速度”的时刻：

c＝c₁*c₂*c₃

其中，上式中的c、c₁、c₂和c₃表示逻辑值0或1，上式的c是逻辑“与”运算的结果。当c取值为1时，说明此刻是“零速度”时刻；当取值为0时，说明是行人运动的“非零”速度时刻。

3)当检测到行人运动的“零速度”时，触发零速修正的卡尔曼滤波模块，对惯导位移解算出的速度和位移信息进行校正；

4)经过零速度修正的卡尔曼滤波模块的时间更新和状态更新过程，求解出速度和位移状态向量的误差信息，并以步数为单位划分，取出单步数据段的状态误差估计信息；

5)将步骤4)得到状态误差估计信息反馈到步骤2)的惯性导航解算单元，对其中的导航参数信息进行校正，最后输出相对精确的行人位置信息。

6)对每一帧的数据循环进行步骤1)至步骤5)，最终累积成行人的运动轨迹。

(2)基于MPU6050陀螺仪数据和手机电子罗盘数据的行人航向角算法

在个人航迹推算导航系统中，对运动方向的估算主要是使用陀螺仪和电子罗盘这两种航向传感器，这两种传感器的用法和特点各不相同。

陀螺仪和电子罗盘优缺点对比见下表：

由于鞋绑式惯性传感器易受到人的脚步运动干扰产生噪声与误差，导致航向解算失真，而电子罗盘工作时易受到周围环境(墙壁、桌椅、磁场等)的影响，使输出的航向数据产生漂移。根据以上两种传感器的用法和特点，本发明提出了鞋绑式陀螺仪结合手持手机中电子罗盘的指南针功能，并结合粒子滤波方法，得出较准确的行人运动航向。

基于MPU6050陀螺仪数据和手机电子罗盘数据的行人航向角算法，具体包括以下内容：

1)基于陀螺仪和手机电子罗盘的融合方法

具体的融合方法流程图见图4，对于陀螺仪和电子罗盘融合计算航向的方法，是采用交替使用式的简单融合方法，对于陀螺仪积分的航向和手机电子罗盘的航向两个航向值，根据运动航向是否处于较大改变状态来选择使用陀螺仪积分航向还是选择使用电子罗盘的航向。由于行人在室内的特殊运动环境，一般的建筑室内都是规则的直线走廊和直角转向，这就决定行人在室内间隔0.01S的测量数据中不会有突然较大角度变化。本发明基于行人室内运动特点，将图4中的条件阈值设置为20度，当MPU6050惯性器件测得在相邻两个数据采样点之间的方向变化大于设定阈值时，说明此时MPU6050惯性器件测量数据有较大偏差，弃用此时的测量数据，改用手持手机中的航向数据，并进一步通过粒子滤波将手机测得的数据进行优化，得出较准确的行人数据；当MPU6050陀螺仪测得在相邻两个数据采样点之间的方向变化小于设定阈值时，采用MPU6050陀螺仪的测量数据作为此时的行人方向。

2)粒子滤波方法以提高电子罗盘的精度

由于电子罗盘易受周围环境，包括墙壁、桌椅、磁场等的影响，使输出的航向角数据产生漂移，所以本系统采用粒子滤波的方法进一步减少漂移误差，输出相对精确的导航航向角数据。

在应用中由于在k步的单步(两个零速度修正之间的时间)周期内，磁力计(电子罗盘)会采集n个行人的航向数据，把这些数据称为一个粒子群，记为z_1:n＝{z_i,i＝1,…,n}，因为本发明研究当行人航向角变化不大时采用电子罗盘的输出数据作为航向，所以这里设置一个粒子变化幅度的阈值ψ_max(ψ_max可取15度等试验)，当粒子群中的粒子差值大于这个阈值时，其中的粒子被称为无效粒子，最后在求行人航向时删除。粒子的权值按下式赋值：

其中，n′为有效粒子的个数。

所以得第k步的单步行人运动航向角如下式：

(4)基于智能手机气压计数据的行人实时水平高度的算法

1)气压高度计是根据测量大气压、利用大气压与高度海拔之间的关系来计算海拔高度的传感器。在个人航迹推算系统中，高度计测量的高度信息可以帮助判断人的运动状态是否为爬楼、上坡等，还可以利用高度计判断行人所在的海拔高度、楼层信息等。

测量水平高度的公式如下(单位：m)：

其中，p是当地大气压，p₀是海拔大气压。这里p必须是浮点数才能算出正确的结果。

2)由于楼层高度一般在5m以上，而气压计的分辨率会在0.25m左右，所以高度计的高度结果精度足以判别出楼层，因此可以根据高度计的高度信息可以判别行人所在的楼层信息。

对于本发明方法的以下几点说明：

(1)本发明提供了一种基于MEMS惯导元件与安卓智能手机结合的室内定位方法，以手机的内核作为数据的处理设备，导航定位的实时性与精确度取决于手机内核的性能。

(2)本发明中未明确的组成部分和具体一些算法都可以用现有技术实现。

Claims (4)

1.一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法，其特征在于，步骤如下：

(1)基于陀螺仪数据的行人实时位移算法

1)首先对陀螺仪采集的行人运动的初始数据滤波处理；

2)其次，对滤波处理后的数据一方面进行惯性导航解算，一方面进行“三条件判断法”的零速度检测；

3)当检测到行人运动的“零速度”时，触发零速修正的卡尔曼滤波模块；

4)经过零速度修正的卡尔曼滤波模块的算法，求解出其它状态向量的误差信息，并以步数为单位划分，取出单步数据段的状态误差估计信息；

5)将4)步得出的状态误差估计信息反馈到位移解算单元对导航参数信息进行校正，最后输出相对精确的行人位置信息；

对于陀螺仪和电子罗盘融合计算航向的方法，根据运动航向是否处于较大改变状态来选择使用陀螺仪积分航向还是选择使用电子罗盘的航向，如果陀螺仪测量数据有较大偏差则采用电子罗盘，采用粒子滤波方法以提高电子罗盘的精度；否则采用陀螺仪；

基于智能手机气压计数据的行人实时水平高度。

2.根据权利要求1所述的一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法，其特征在于，三条件判断法所包含的公式为

其中

是合加速度的方差，其阈值th_σmax的大小设为3；是合角速度的幅值，其阈值的大小设为4；是合加速度的幅值，其阈值th_amin和th_amax分别设为7和11；

将单个条件结果进行“与”运算，求出脚着地，即“零速度”的时刻：

c＝c₁*c₂*c₃

其中，上式中的c、c₁、c₂和c₃表示逻辑值0或1，上式的c是逻辑“与”运算的结果；当c取值为1时，说明此刻是“零速度”时刻；当取值为0时，说明是行人运动的“非零”速度时刻。

3.根据权利要求1所述的一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法，其特征在于，

基于MPU6050陀螺仪数据和手机电子罗盘数据的行人航向角算法，具体包括以下内容：

当MPU6050陀螺仪测得在相邻两个数据采样点之间的方向变化大于设定20度时，弃用此时的测量数据，改用手持手机中的航向数据，并进一步通过粒子滤波将手机测得的数据进行优化；当MPU6050惯性器件测得在相邻两个数据采样点之间的方向变化小于设定阈值20度时，采用MPU6050惯性器件的测量数据作为此时的行人方向。

4.根据权利要求1所述的一种基于MEMS惯性器件与安卓智能手机融合的室内定位方法，其特征在于，粒子滤波方法如下：

在应用中由于在k步的单步周期内，即两个零速度修正之间的时间之间磁力计会采集n个行人的航向数据，把这些数据称为一个粒子群，记为z_1:n＝{z_i,i＝1,…,n}，设置一个粒子变化幅度的阈值ψ_max，ψ_max取15度，当粒子群中的粒子差值大于这个阈值时，其中的粒子被称为无效粒子，最后在求行人航向时删除；粒子的权值按下式赋值：

其中，n′为有效粒子的个数；

得第k步的单步行人运动航向角如下式：