CN104969030B - 惯性装置、方法和程序 - Google Patents
惯性装置、方法和程序 Download PDFInfo
- Publication number
- CN104969030B CN104969030B CN201480007053.4A CN201480007053A CN104969030B CN 104969030 B CN104969030 B CN 104969030B CN 201480007053 A CN201480007053 A CN 201480007053A CN 104969030 B CN104969030 B CN 104969030B
- Authority
- CN
- China
- Prior art keywords
- unit
- inertial device
- speed
- inertial
- estimation
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 73
- 230000008859 change Effects 0.000 claims abstract description 30
- 230000001133 acceleration Effects 0.000 claims description 97
- 238000005259 measurement Methods 0.000 claims description 71
- 238000012937 correction Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 13
- 241001269238 Data Species 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 description 88
- 239000011159 matrix material Substances 0.000 description 65
- 238000010586 diagram Methods 0.000 description 52
- 230000007480 spreading Effects 0.000 description 35
- 238000004364 calculation method Methods 0.000 description 22
- 238000001514 detection method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 108010084652 homeobox protein PITX1 Proteins 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000005389 magnetism Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000017105 transposition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 102100038513 E3 ubiquitin-protein ligase ARIH2 Human genes 0.000 description 1
- 102100034189 E3 ubiquitin-protein ligase RNF14 Human genes 0.000 description 1
- 102100034830 E3 ubiquitin-protein ligase RNF216 Human genes 0.000 description 1
- 101000808888 Homo sapiens E3 ubiquitin-protein ligase ARIH2 Proteins 0.000 description 1
- 101000712013 Homo sapiens E3 ubiquitin-protein ligase RNF14 Proteins 0.000 description 1
- 101000734278 Homo sapiens E3 ubiquitin-protein ligase RNF216 Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Abstract
公开了惯性装置,所述惯性装置包括,惯性传感器单元,配置为产生表示持有所述惯性装置的目标的运动的输出;存储单元,配置为存储分别与由所述惯性传感器单元产生的不同的输出相关联的因素;产生单元,配置为通过使用对应于由所述惯性传感器单元产生的输出的因素的一个产生表示在预先确定的时段中所述惯性装置的速度的变化的波形;组合单元,配置为将所述波形与已经由所述产生单元产生的一个或多个之前的波形组合;以及估计单元,配置为使用从所述组合的波形获得的速度估计惯性装置当前所处于的位置。
Description
技术领域
本公开的一方面涉及惯性装置、方法和程序。
背景技术
在不能使用全球定位系统(GPS)测量位置的诸如建筑物或者地下的地点处,在包括加速度传感器和磁场传感器的惯性装置上使用行人航位推算(PDR)技术以便于估计行人的位置。
利用惯性导航技术的传统方法使用用于步行运动的估计模型估计用于每个步伐的步幅的长度和行进方向,并计算现在和过去的步行流(专利文件1和2)。
进行惯性导航技术的传统的惯性装置需要附着到步行用户的身体或者需要在用户采用惯性装置之后校准,使得惯性装置以精确的方式估计步幅的长度(专利文件3到6)。
但是,在专利文件1和2中描述的传统的技术校正用于步行用户的每个步伐的行进距离和方向以估计地点。因此,基于用户的运动(诸如步行)而估计地点的分辨率能力限于“单个步伐”的单元,并且难以以更高的分辨率能力估计。
在专利文件3到6中所述的传统的技术中,用户必须将装置附着到他的腰部并且保持他的姿态;或者在持有所述装置之后校准所述装置而不保持他的姿态。因此,传统的惯性装置对用户来说是不方便的。
如上所述,利用传统的惯性导航技术的惯性装置具有在步行运动中估计用户地点的低的分辨率能力(即,低的准确性),并且对用户来说是不方便的。
本发明的实施例旨在提供改善用户地点的估计的准确性并减少用户的不便的惯性装置、方法和程序。
发明内容
在一个方面中,本公开提供大体上消除由现有技术的限制和缺点引起的一个或多个问题的惯性装置、方法和程序。
在本公开的一方面中,提供惯性装置,所述惯性装置包括,惯性传感器单元,配置为产生表示持有所述惯性装置的目标的运动的输出;存储单元,配置为存储分别与由所述惯性传感器单元产生的不同的输出相关联的因素;产生单元,配置为通过使用对应于由所述惯性传感器单元产生的输出的因素的一个产生表示在预先确定的时段中所述惯性装置的速度的变化的波形;组合单元,配置为将所述波形与已经由所述产生单元产生的一个或多个之前的波形组合;以及估计单元,配置为使用从所述组合的波形获得的速度估计惯性装置当前所处于的位置。
根据本发明的另一实施例,提供方法,所述方法包括,使用惯性传感器产生表示持有惯性装置的目标的运动的输出;通过使用对应于所述输出的因素的一个产生表示在预先确定的时段中的惯性装置的速度的变化的波形,所述因素与将由所述惯性传感器产生的不同的输出相关联;将所述波形与在所述波形的产生步骤中已经产生的一个或多个之前的波形组合;并且使用从所述组合的波形获得的速度估计所述惯性时段当前所处于的位置。
根据本发明的另一实施例,提供程序,以使得惯性装置进行方法,所述方法包括,使用惯性传感器产生表示持有所述惯性装置的目标的运动的输出;通过使用对应于所述输出的因素的一个产生表示在预先确定的时段中的惯性装置的速度的变化的波形,所述因素与将由所述惯性传感器产生的不同的输出相关联;将所述波形与在所述波形的产生步骤中已经产生的一个或多个之前的波形组合;并且使用从所述组合的波形获得的速度估计所述惯性时段当前所处于的位置。
附图说明
图1是示出根据本发明的实施例的惯性装置的概览的示意图。
图2是示出用于根据本发明的实施例的惯性装置的配置的概览的示意图。
图3是用于根据本发明的实施例的惯性装置的功能性配置的框图。
图4是示出计算姿态的手续的概览的示意图。
图5是示出在时间更新手续处计算姿态(滚动、倾斜和偏航角度)的操作的示意图。
图6是示出在时间更新手续处计算姿态(滚动、倾斜和偏航角度)的操作的示意图。
图7是示出在时间更新手续处计算姿态(滚动、倾斜和偏航角度)的操作的示意图。
图8是示出在第一测量更新手续处计算姿态的操作(滚动和倾斜角度)的示意图。
图9是示出在第二测量更新手续处计算姿态的操作(偏航角度)的示意图。
图10是示出检测峰值的手续的示意图。
图11是示出计算移动速度特征的水平分量的手续的示意图。
图12是示出计算移动速度特征的水平分量的手续的示意图。
图13是示出判定手续的示意图。
图14是示出判定在水平方向中移动速度的变化的手续的示意图。
图15是示出估计行进方向的手续的示意图。
图16是示出使用TRIAD算法计算姿态的手续的示意图。
图17是用于根据本发明的实施例的惯性装置的功能性配置的框图.
图18是用于根据本发明的实施例的惯性装置的速度估计单元的功能性配置的框图。
图19是存储在根据本发明的实施例的惯性装置中管理的参数数据库中表的示例。
图20是示出由根据本发明的实施例的惯性装置产生的速度波形的示意图。
图21是示出的由根据本发明的实施例的惯性装置组合的速度波形示意图。
图22是用于根据本发明的实施例的惯性装置的绝对位置数据输入单元的、绝对位置估计单元以及地图匹配单元的功能性配置的框图。
图23是示出无线电场强度的信噪比以及接收无线电信号的间隔之间的关系的示意图。
图24是示出了在时间更新手续中的当前位置的计算的示意图。
图25是示出了在时间更新手续中的当前位置的计算的示意图。
图26是示出了在时间更新手续中的当前位置的计算的示意图。
图27是示出了在时间更新手续中的当前位置的计算的示意图。
图28是示出扩展卡尔曼过滤器(现有技术)的等式的示意图。
图29是示出在时间更新手续(现有技术)中使用的变量的示意图。
图30是示出在测量更新手续(现有技术)中所使用的变量的示意图。
图31是示出在垂直方向中的步行的运动特性的示意图。
图32是示出在水平方向中的步行的运动特性的示意图。
图33是示出步行运动的估计速度的结果的示意图。
图34是示出步行运动的估计位置的结果的示意图。
图35是示出步行运动的估计位置的结果的示意图。
图36是示出使用绝对位置数据校正估计的结果的结果的示意图。
图37是示出用于步行运动的测量误差的估计的值的变化的示意图。
具体实施方式
在这里将参考示意性实施例描述本发明。本领域技术人员将承认可以使用本发明的教导实现许多8可替换的实施例,并且本发明不限于为了解释的目的而描述的实施例。
应注意的是,在附图的注释中,相同的部件被给定相同的参考标号,并且注释不被重复。
1.概览
图1是示出根据本发明的实施例的惯性装置的概览的示意图。图1示出了与惯性装置1步行的用户。在本说明书中,用户步行的方向被表示为x-轴,垂直于x-轴的并且与地面平行的方向被表示为y-轴,并且垂直于x-轴和y-轴两者的方向被表示为z-轴。
惯性装置1是便携式的并且可以由用户携带(例如,蜂窝电话、智能电话、个人数字助理或者笔记本PC)。惯性装置1具有惯性传感器(例如,加速度传感器、角速度传感器、磁场传感器等),所述惯性传感器被实现在普通的智能电话中。惯性装置1可以检测加速度和角速度以及惯性装置1的方向的变化。
根据本发明的实施例的惯性装置1可以获得所需要的包括在三个轴上的加速度(3轴加速度)、在三个轴上的角速度(3轴角速度)以及在三个轴上的磁场的强度(3轴磁场强度)的传感器数据。坐标系统取决于装置或传感器类型,所述坐标系统可以被称为“装置坐标系统”。因此,在装置坐标系统中获得的测量的值被转换为绝对坐标系统。
惯性装置1在绝对坐标系统中可以获得转换的加速度(矢量)。特别地,惯性装置1可以从传感器数据通过转换坐标系统以及从转换的传感器数据移除重力,获得加速度(转换的3轴加速度)的垂直分量和水平分量。惯性装置1可以使用指示在按需要所获得并存储的转换的3轴加速度的垂直方向中的转换的加速度的变化的波形,识别当在中心点脚落地之后目标的一只脚超过另一只脚的时间。由于时间指示当下转向点(下峰值)示出在波形中的时间,所述时间被称为“峰值时间”或者“峰值位置”。
接下来,惯性装置1可以在峰值位置附近的预先确定的时段中积分转换的加速度的水平分量。这里,计算的值被称为“转换的速度矢量的水平分量”。惯性装置1可以通过使用转换的速度矢量的计算的水平分量;目标的移动动作的周期;以及转换的加速度的垂直分量的峰值或者峰值幅度(在垂直方向中的峰值加速度的值)判定获得的数据是否指示目标的实际步行运动(或,行进动作)。这里,目标的移动动作的周期被称为“移动周期”。移动周期的示例是人类的步行周期。此外,目标的实际步行运动或者行进动作被简单地表示为“步行运动”(然而包括除了“步行”以外的任何动作)。
接下来,当惯性装置1判定数据源自于实际步行运动时,惯性装置1可以在当数据被获得的时间附近组合转换的速度矢量的水平分量,并且惯性装置1可以按需要计算指示用户迈出一步的行进方向矢量。其后,惯性装置1可以估计由上一行进方向矢量和之前的方向矢量的组合指示的行进方向。
以此方法,由于惯性装置1可以估计行进方向而不需要傅里叶变换(FT)或主分量分析,由于用于目标的步行运动的加速度信号的低频率,惯性装置1不需要进行高速率传感器采样。此外,由于惯性装置1对多个步行步伐不需要进行FT,所以改善了每步的估计的行进方向的准确性以及估计的响应。这使减少成本并且缩小装置成为可能。
此外,由于不限制用户持有惯性装置的方式,可以改善可用性。当惯性装置为用户提供导航的功能时该优点是特别有益的。
惯性装置1可以实现为除了上述装置之外的诸如音乐播放器、健康监控器、手表等的装置。此外,惯性装置1可以被结合在另一的装置中(例如,步行机器人或者用于动物的领子)。这使对在某个周期中在垂直方向中做运动的各种类型的生物或物体的行进方向的估计成为可能。
2.硬件配置
图2是示出根据本发明的实施例的惯性装置1的配置的概览的示意图。在图2所示的示例中,惯性装置1被实现为诸如智能电话的移动装置。
惯性装置1具有CPU 11、RAM 12、ROM 13、加速度传感器14、角速度传感器15、磁场传感器16、麦克风17、扬声器18、通信模块19、蓝牙(TM)通信模块20、GPS接收器模块21、显示器22、触摸面板23、电池24、大气压力传感器25和总线26。
CPU 11可以执行程序控制惯性装置1。RAM 12可以作为用于CPU 11的工作区域。ROM 13可以存储由CPU 11执行的程序以及执行程序所需要的数据。加速度传感器14可以检测在惯性装置1所使用的装置坐标系统中的在X’-轴、Y’-轴和Z’-轴方向中的加速度。角速度传感器15(或陀螺仪)可以检测在惯性装置1所使用的装置坐标系统中的X’-轴、Y’-轴和Z’-轴方向中的角速度。磁场传感器16可以输出使指南针指北的3维矢量并且可以被用于检测惯性装置1的一方面。大气压力传感器25可以测量空气压力并且检测惯性装置1的海拔。
麦克风17可以将语音转换为电子信号。扬声器18可以将电子信号输出为声音。通信模块19可以与通过3G网络和/或无线LAN连接的其它装置通信。蓝牙(TM)通信模块20可以使用蓝牙协议与其它装置通信。GPS接收器模块21可以接收从GPS卫星或室内消息传递系统(IMES)发送器发送的定位信号。
显示器22可以为用户提供屏幕。触摸面板23可以接受来自用户的输入。电池24可以向惯性装置1供应电源。总线26可以将上述装置(除了电池24)相互连接。
麦克风17、扬声器18、通信模块19、蓝牙(TM)通信模块20、GPS接收器模块21、显示器22、触摸面板23和大气压力传感器25对于惯性装置1是可选的元件。例如,当惯性装置1被实现为没有显示屏的健康监控器时,惯性装置1不需要具有这样的分量模块。
可替换地,惯性装置1可以具有根据其它通信协议(例如ZigBee(TM))的通信装置,而不是蓝牙(TM)通信模块20。
3.功能
图3是用于惯性装置1的功能性配置的框图。惯性装置1的功能可以被粗略地分为“坐标系统的改变”功能和“行进方向的估计”功能。
3.1坐标系统的改变
坐标系统转换单元100——其在惯性装置1上进行坐标系统的转换——具有加速度获取单元101、角速度获取单元102、磁场获取单元103、姿态计算单元104、磁场可靠性评估单元105以及绝对加速度转换单元107。坐标系统转换单元100可以将从装置坐标系统中的加速度传感器104获得的3轴加速度转换为绝对坐标系统中的绝对加速度。
绝对坐标系统被用于处理各种传感器测量的坐标值,所述绝对坐标系统包括GPS所使用的世界测地系统1984(WGS84)以及诸如通用横轴墨卡托坐标(UTM)系统的正交的坐标系统。因此,在绝对坐标系统中,目标的位置或方向可以由离开固定在空间中的原点距离关系表示。绝对坐标系统被称为“世界坐标系统”。另一方面,装置坐标系统被称为“体坐标系统”,定义原点在惯性装置1中的一点以及相互正交的三个轴(即x-轴、y-轴和z-轴)。
加速度获取单元101可以获取由加速度传感器14检测的三轴加速度的变化。
角速度获取单元102可以获得由角速度传感器15检测的三轴角速度的变化。这里,可以在装置坐标系统中与加速度相同地获取角速度。
磁场获取单元103可以获取指向磁北的三维磁场矢量,所述三维磁场矢量由磁场传感器106检测。以此方法,磁场获取单元103可以得到惯性装置1的方向。这里,可以在装置坐标系统中与加速度相同地获取方向。
姿态计算单元104可以使用由加速度获取单元101、角速度获取单元102和磁场获取单元103获得的传感器数据计算惯性装置1的当前姿态,并且姿态计算单元104可以通过对计算的姿态数据的逆矩阵计算(旋转矩阵)计算逆旋转矩阵106。
由磁场获取单元103获得的数据可能是不可靠的,由于在室内环境中的环境磁场。因此,仅当磁场可靠性评估单元105(之后解释)判定所述数据是可靠的时,姿态计算单元104可以使用由磁场获取单元103获得的数据。
姿态计算单元104可以使用扩展卡尔曼过滤器计算表示惯性装置1的姿态的矩阵,所述扩展卡尔曼过滤器在现有技术中普遍使用(见非专利文件1、2、图17、18),并且姿态计算单元104可以转置矩阵。在下面解释详细的手续。
扩展卡尔曼过滤器的一般等式
图28是示出扩展卡尔曼过滤器的等式的示意图。在卡尔曼过滤器的计算中,执行“时间更新”和“测量更新”手续以便前进一时间步骤。在时间更新手续中,在现在时间处估计的状态从在之前的时间处的估计的状态计算。在测量更新手续中,使用在现在时间处的测量估计的值校正并且从而可以估计更加精确的状态。通过重复这样的手续,估计最佳的状态变量。
图29是示出在时间更新手续(现有技术)中使用的变量的示意图。解释了对应于在如图28所示的被称为“时间更新”的架构中的等式(1)-(3)的变量。这里,“k”指示离散的步伐时间,并且“k-1”指示在之前的步伐处的时间。
图30是示出在测量更新手续中所使用的变量的示意图。解释了对应于在如图28所示的被称为“测量更新”的架构中的等式(1)-(6)的变量。
扩展卡尔曼过滤器的应用
姿态计算单元104可以使用扩展卡尔曼过滤器中的时间更新手续以更新来源于角速度传感器15的姿态数据(滚动、倾斜和偏航角度)。此外,姿态计算单元104可以使用在扩展卡尔曼过滤器中的测量更新手续以更新来源于加速度传感器14的姿态数据(滚动和倾斜角度)(在此之后被称为“第一测量更新手续”)。此外,姿态计算单元104可以使用测量更新手续以更新来源于磁场传感器16的姿态数据(偏航角度)(在此之后被称为“第二测量更新手续”)。
以此方法,姿态计算单元104可以形成七状态扩展卡尔曼过滤器。姿态计算单元104可以重复地并行执行时间更新手续和两个测量更新手续并且估计姿态和陀螺零点偏置值。姿态使用如下所示的四元数(矢量)表示。
四元数矢量具有四个变量并且可以表示物体的姿态。使用滚动、倾斜和偏航角度的姿态表示有被称为“万向节锁”的关于奇异性的问题,但是四元数可以表示任何姿态而没有奇异性。陀螺零点偏置值可以使用对应于三个轴的三个变量bxk、byk、bzk(b是常数)表示。
在下文中,解释了上述三个手续(1)到(3)。
时间更新手续
首先,参考图5-7,解释了在扩展卡尔曼过滤器中的时间更新手续。姿态计算单元104可以执行手续并根据在扩展卡尔曼过滤器中的时间更新手续使用陀螺输出值作为在之后解释的状态估计模型中的输入进行时间积分。以此方法,获得了更新的四元数矢量q和误差协方差矩阵P(滚动、倾斜和偏航角度)。
图5是示出了根据在扩展卡尔曼过滤器的一般等式中的本发明的实施例的系统状态估计模型的(1)变量的示意图。这里,使用四元数矢量和陀螺零点偏置值将在现在的状态估计值定义为在图5中的等式(1)-1。
xk|k-1=[wk xk yk zk bxk byk bzk]T
输入值uk使用角速度传感器的输出值(ω0xk,ω0yk,ω0zk)(rad/sec)被定义为图5中的等式(1)-4。
因此,值(ω0xk,ω0yk,ω0zk)指示零点值被取代并且没有偏移的角速度。系统状态估计模型被表示为图5中的等式(1)-5,其中C1、C2、C3是常数。
图6是示出在根据在扩展卡尔曼过滤器的一般等式中的本发明的实施例的时间更新手续处的(2)偏微分矩阵(雅克比行列式)的示意图。如图5中所示,系统状态估计模型被表示为等式(1)-5。等式(1)-5的右侧是“f”。因此,在右边的偏微分导致在时间更新手续中的偏微分矩阵。
图7是示出根据在扩展卡尔曼过滤器的一般等式中的本发明的实施例的误差协方差估计模型Pk|k-1的示意图。提前在系统识别过程中确定过程噪声Qk。
在现在时间Pk|k-1处的误差协方差矩阵可以使用过程噪声Qk、在之前的步伐处的误差协方差矩阵、在时间更新手续Fk中的偏微分矩阵(雅克比行列式)以及其转置的矩阵Fk T(图7中的等式(3)-5)计算。在现在时间Pk|k-1处的误差协方差矩阵和矩阵Pk-1|k-1具有7x7的实数的元素。
姿态计算单元104可以使用上述模型和变量执行在扩展卡尔曼过滤器中的时间更新手续;计算在绝对坐标系统中的惯性装置1的姿态;并且计算指示姿态的矩阵的逆旋转矩阵。
第一测量更新手续
图8示出了描述在扩展卡尔曼过滤器中的第一测量更新手续的示意图。通过执行手续,姿态计算单元104可以将由加速度获取单元101获得的在水平方向中的角数据与现在的四元数矢量的水平角数据比较,并且姿态计算单元104可以校正误差。
图8示出了包括在扩展卡尔曼过滤器的一般等式中的观测残差(1)的变量。
首先,在之前的步伐h处的观测值(矢量)被表示为图8中的等式(1)-3。
包括在以上等式中的元素源自于三维旋转矩阵(4x4)并且所述元素是预先确定的。观测值(矢量)zk被表示为图8中的等式(1)-2。
这里,值(ax,ay,az)从加速度传感器14输出,所述值由加速度获取单元101获得。使用上述h和zk,观测残差如以下所示被计算。
通过计算图8中等式(1)-3中所示的观测值h的偏微分获得在扩展卡尔曼过滤器的一般等式(1)中的测量更新手续Hk中的偏微分矩阵(雅克比行列式)。
使用观测噪声(矩阵)Rk、在测量更新手续Hk中的偏微分矩阵、其转置的矩阵Hk T以及在现在时间Pk|k-1处的误差协方差矩阵计算在扩展卡尔曼过滤器的一般等式中中的残差协方差Sk(3)。
这里,值(r1,r2,r3)是方差,提前在用于加速度传感器14的装置评估过程中确定所述值。
使用在现在时间处的误差协方差矩阵Pk|k-1、在测量更新手续Hk T中的偏微分矩阵的转置的矩阵以及残差协方差Sk -1的逆矩阵计算在扩展卡尔曼过滤器的一般等式中的卡尔曼增益Kk(4)。Kk具有7x3的元素,其是实数。
类似地,使用上述变量计算在扩展卡尔曼过滤器的一般等式中的状态估计值xk|k(5)和更新的误差协方差矩阵Pk|k(6)。
姿态计算单元104可以使用上述模型和变量执行在扩展卡尔曼过滤器中测量更新手续;将在水平方向中的角度数据与现在的四元数矢量的水平角度数据比较;并且校正差异(仅对于滚动和倾斜角度)。
第二测量更新手续
图9是示出扩展卡尔曼过滤器的第二测量更新的示意图。姿态计算单元104可以从磁场可靠性评估单元105(之后解释)接收指示由磁场获取单元103获得的数据是可靠的的通知。当来自磁场获取单元103的数据是可靠的时,姿态计算单元104可以使用从姿态数据计算的偏航角度执行第二测量更新手续,以校正四元数矢量的偏航角度分量,其中所述姿态数据通过TRIAD算法获得。之后解释TRIAD算法。
与图8一样,图9示出了包括在扩展卡尔曼过滤器的一般等式中的观测残差(1)中的变量。
与图8一样,在之前的步伐h处的观测值(矢量)被表示为图9中的等式(1)-3。另一方面,观测值(矢量)zk被表示为图9中的等式(1)-2。
上述矢量指示由TRIAD算法计算的偏航角度方向。
与第一测量更新手续一样,通过计算在之前的步伐h处的观测值的偏微分获得在扩展卡尔曼过滤器的一般等式(2)中的测量更新手续Hk中的偏微分矩阵(雅克比行列式)。
使用观测噪声(矩阵)Rk、在测量更新Hk中的偏微分矩阵、其转置的矩阵Hk T以及在现在时间Pk|k-1处的误差协方差矩阵计算在扩展卡尔曼过滤器的一般等式(3)中的残差协方差Sk。
这里,值(T1,T2,T3)是方差,提前在用于磁场传感器16的装置评估过程中确定所述值。
此外,卡尔曼增益Kk(4)、更新的状态估计值xk|k(5)以及更新的误差协方差矩阵Pk|k(6)与第一测量更新手续一样地计算。
磁场可靠性评估单元105可以判定从磁场传感器16通过磁场获取单元103获取的磁场矢量是可靠的,并且磁场可靠性评估单元105可以将结果发送到姿态计算单元104。所知道的是,来自磁场传感器16的传感器数据的准确性可能取决于环绕传感器装置的地球磁性和环境磁场的变化而降低。磁场可靠性评估单元105可以评估所述影响并且判定传感器数据是否可靠。在下文中,解释了判定过程。
磁场可靠性评估单元105获得第一姿态数据(四元数),所述第一姿态数据(四元数)是通过上述手续已经被获取的最新的姿态数据。接下来,磁场可靠性评估单元105使用加速度的参考矢量以及由磁场获取单元103获得的地球磁性和磁场矢量根据TRIAD算法获取第二姿态数据(四元数)。加速度的参考矢量以及表示垂直向下的方向的地球磁性是工厂配置的或者由用户配置的。
使用TRIAD算法计算姿态
图16是示出由磁场可靠性评估单元105进行的、以根据已知的TRIAD算法计算第二姿态数据的手续的示意图。
在步骤S10处,在将装置出货或者响应于用户的指令之前进行初始化过程,并且存储参考矢量AccRef和MagRef。AccRef指示加速度的垂直向下的分量,并且MagRef是磁场矢量。指示加速度的垂直向下的分量的矢量可以从如在下面步骤S20处解释的四元数计算。磁场矢量指向从磁场传感器输入的指南针的北。该步骤仅在将装置出货或响应于用户的指令之前进行。因此,参考矢量保持相同的值除非初始化过程被执行。
在步骤S20处,磁场可靠性评估单元105将指示惯性装置1的最新的姿态的将最新的四元数矢量(4x1)转换为指示垂直分量(向下的方向)的1x3(即1行、3列)的矩阵AccFrame。
在步骤S30处,磁场可靠性评估单元105使用AccFrame和指示由磁场传感器获取的磁场矢量的矩阵MagFrame计算3x3矩阵MagFrameM。
在步骤S32处,磁场可靠性评估单元105通过取AccFrame和MagFrame的交叉乘积并且归一化计算的结果计算矩阵AccCrossMag。
在步骤S34处,磁场可靠性评估单元105通过取AccFrame和AccCrossMag的交叉乘积并且归一化计算的结果计算矩阵AccCrossAcM。
在步骤S36处,磁场可靠性评估单元105通过使用AccFrame、在步骤S32处计算的AccCrossMag以及在步骤S34处计算的AccCrossAcM计算3x3矩阵MagFrameM。
在步骤S40处,磁场可靠性评估单元105使用AccRef和MagRef计算3x3矩阵MagRefM。
在步骤S42处,磁场可靠性评估单元105通过取AccRef和MagRef的交叉乘积并且归一化计算的结果计算矩阵MagCrossAcc。
在步骤S44处,磁场可靠性评估单元105通过取AccRef和MagCrossAcc的交叉乘积并且归一化计算的结果计算矩阵MagCross。
在步骤S46处,磁场可靠性评估单元105通过组合分别转置的AccRef、在步骤S42处计算的MagCrossAcc以及在步骤S44处计算的MagCross创建3x3矩阵MagRefM。
可以在当AccRef和MagRef在初始化之后改变时进行步骤S40(S42-S46)。因此,磁场可靠性评估单元105可以重新使用并且存储MagRefM直到再次进行初始化。
在步骤S50处,磁场可靠性评估单元105获取MagFrame和MagRefM的内积。获取的矩阵被称为“mag_triad”(3x3)。mag_triad被用于将装置坐标系统转换为绝对坐标系统。在TRIAD算法中,三列分别被称为TRIAD1、TRIAD2和TRIAD3。
在步骤S60处,磁场可靠性评估单元105逆变mag_triad(用于在绝对坐标系统和装置坐标系统之间转换的矩阵)并且将逆变的mag_triad转换为四元数。四元数指示第二姿态数据。
磁场可靠性评估单元105将第一姿态数据的微分值与通过上述步骤S计算的第二姿态数据的微分值比较以判定是否存在差异。当没有差异(即微分值的差异小于门限值)时,磁场可靠性评估单元105判定由磁场传感器16获取的数据(地球磁性)是可靠的。
此外,磁场可靠性评估单元105可以通过使用下述准则改善这样的评估的准确性:
-磁场矢量的绝对值是否在预先确定的范围中;
-从第一姿态数据获取的俯角以及磁场矢量是否在预先确定的范围中;以及
-从第二姿态数据获取的俯角以及磁场矢量是否在预先确定的范围中。
可以使用由日本地理调查研究所发布的俯角数据和磁场矢量的幅度定义所述范围。
当地球磁性数据是可靠的时,使用从第二姿态数据计算的偏航角度执行第二测量更新手续。否则,不执行第二测量更新手续。
绝对加速度转换单元107将由加速度获取单元101获得的加速度乘以由姿态计算单元104计算的逆旋转矩阵106以在绝对坐标系统中计算三轴加速度。
3.2行进方向的估计
如图3中所示的方向估计单元200——其执行“行进方向的估计”功能——包括带通过滤器201、峰值检测单元204、峰值位置存储单元205、转换的加速度存储单元206、转换的速度管理单元的水平分量207、转换的加速度管理单元的峰值的垂直分量208、转换的速度获取单元的水平分量209、周期获取单元210、判定单元211以及方向计算单元212。
方向估计单元200可以基于由在绝对坐标系统中的坐标系统转换单元100获得的加速度计算用于每个步伐的目标的行进方向。
带通过滤器201可以从由坐标系统转换单元100输出的三轴绝对加速度移除重力分量。例如,通带可以是大约1-3Hz,这是步行运动的普通频率。注意通带可以取决于用于惯性装置1的目标的步行或行进运动的频率变化。这里,重力分量被移除的绝对加速度被称为“转换的加速度202”,其由带通过滤器201输出。转换的加速度202可以被存储在转换的加速度存储单元206中。此外,转换的加速度的垂直分量被表示为“转换的加速度的垂直分量203”。转换的加速度的垂直分量203被传送到峰值检测单元204(之后解释)。
峰值检测单元204可以在由带通过滤器201输出的转换的加速度202的转换的加速度的垂直分量203测量变化(时间变化)并且检测波形的下转折点(峰值时间或峰值位置)。检测的峰值位置被存储在峰值位置存储单元205(之后解释)中。在下文中,解释了用于下转折点的检测方法。
图10示出了指示转换的加速度的垂直分量203(Z)和转换的加速度的水平分量(X,Y)的变化的波形,其中横轴指示时间(秒)。如图10中所示,每个波形具有对应于移动周期(例如,步行周期)的周期。特别地,转换的加速度的垂直分量203的波形相比于水平分量具有较大的幅度(从-1m/s2到1m/s2)。当目标的一脚触地时出现上转折点。当一个脚超过另一个脚时出现下转折点。
图31是示出在垂直方向中的步行的运动特性的示意图。一般来说,步行运动根据下肢运动可以被分类为站立相和摆动相。在站立相中,一个脚的脚后跟触地并且然后脚的脚尖升离地面。在摆动相中,一个脚的脚尖升离地面并且然后脚的脚后跟触地。此外,步行运动具有双支撑时段的特征。一般来说,当步行运动变慢时,双支撑时段的速率提高,并且当步行运动变快时,速率降低。此外,跑步运动消除双支撑时段。此外,当用户直着步行时,已知的是在垂直方向和水平方向中的移动在“站立中期”相最大。
站立中期相的第一半包括提升脚超过轴心脚(提升脚超过身体处躯干下的一点)的运动。身体朝向上方向移动,并且转换的加速度发生在垂直向上方向处。另一方面,站立中期相的后一半包括提升脚触地的运动。身体朝向下方向移动,并且转换的加速度发生在垂直向下方向处。
图32是示出在水平方向中的步行的运动特性的示意图。在站立中期相的第一半中的转换的加速度的水平分量受当提升一脚以向目标位置移动时的加速度;以及由于由重心的移动引起的摇摆的加速度的影响。另一方面,在站立中期相的后一半中的转换的加速度的水平分量受当提升一脚以向目标位置移动时的加速度;以及由于由重心的移动引起的摇摆的加速度的影响。因此,在站立中期相的后一半中,不观测提升脚所需要转换的加速度。
相应地,根据本发明的实施例的惯性装置1可以使用在站立中期相的第一半中的转换的加速度估计行进方向,其中所述在站立中期相的第一半中的转换的加速度反映用于提升脚以移动目标的身体的加速度。
因此,惯性装置1可以使用信号门限检测在转换的加速度的垂直分量203中的下转折点并且测量步行步伐。由于在水平方向中、在上转折点(即接触地面的脚)处的转换的加速度有可能包括由于接触而引起的波动和噪声,下转折点被用于检测步行步伐。在水平方向中、在下转折点处的转换的加速度较少地被脚的接触影响并且可以更加精确地表示由步行运动引起的实际加速度。
峰值检测单元204可以通过检测在转换的加速度的垂直分量203降到Th以下之后,转换的加速度的垂直分量203超过预先确定的门限的时刻检测峰值(转向点)。这里,峰值检测单元204可以通过计算当转换的加速度的垂直分量203降到Th以下时的时间ta以及当转换的加速度的垂直分量203超过Th的时间tb之间的中间时间指明峰值位置。例如,Th可以是在实际步行运动中观测的转换的加速度的垂直分量的一半的值。可以使用任何其它方法检测峰值位置。
此外,通过存储过去的峰值位置,峰值检测单元204可以计算指示过去的峰值位置和现在的峰值位置之间的时间间隔峰值间隔。
峰值位置存储单元205可以存储由峰值检测单元204检测的峰值位置。峰值位置存储单元205使用环形缓冲区存储过去的峰值和最新的峰值位置。峰值位置存储单元205存储至少最新的峰值位置和之前的峰值位置。峰值位置由之后获得的峰值位置更新。存储在峰值位置存储单元205中的峰值位置的数量可以根据惯性装置1的存储能力而修改。
转换的加速度存储单元206可以将时间数据添加到由带通过滤器201输出的转换的加速度202并且将它们存储为时间顺序数据。
当峰值检测单元204检测峰值位置时,转换的速度管理单元的水平分量207可以在以峰值位置为中心的预先确定的时段(τ)中积分用于每个分量(x和y)的转换的加速度的水平分量并且计算在水平方向中的速度。速度被称为“转换的速度的水平分量”。转换的速度的水平分量被表示为指示速度的方向和幅度的相对值的矢量。转换的速度管理单元的水平分量207可以存储一组转换的速度的水平分量和时间t。因此,转换的速度管理单元的水平分量207具有计算转换的速度的水平分量的功能;以及存储转换的速度的水平分量的功能。
图11示出了指示转换的加速度的垂直分量203以及转换的加速度的水平分量的变化的波形,其对应于图10中所示的波形。在该示例中,转换的速度管理单元的水平分量207可以关于在以从转换的加速度的垂直分量203的波形检测的峰值位置t1、t2和t3为中心的预先确定的时段(τ)中的时间积分转换的加速度的水平分量,并且可以计算转换的速度的水平分量V1、V2、V3。
所期望的是,时段(τ)小于或等于(tb-ta)。这是因为,如果转换的速度管理单元的水平分量207在整个时间域中进行积分,其结果可能受由步行运动引起的摆动产生的加速度以及当脚后跟接触地面产生的加速度影响,并且转换的速度管理单元的水平分量207不能正确地估计行进方向。
当一个脚超过轴心脚时,可以通过上述峰值检测手续以及之后的手续产生转换的速度的水平分量。产生的特征可以被表示为指示速度的方向和幅度的转换的速度矢量的水平分量。如图12中所示,转换的速度矢量的水平分量指示当一个脚超过轴心脚时目标的身体从一侧到另一侧的移动的方向(行进方向)和幅度。
峰值转换的加速度管理单元的垂直分量208可以获得在转换的加速度的垂直分量203(在下文中称为“峰值转换的加速度的垂直分量”)中的峰值位置(时间)处的转换的加速度,并且可以将转换的加速度传送到判定单元211(之后解释)。
转换的速度获取单元的水平分量209可以从转换的速度管理单元的水平分量207获得转换的速度的最新的和之前的水平分量,并且可以将获得的转换的速度的水平分量传送到判定单元211。
周期获取单元210可以从峰值位置存储单元205获得多个峰值位置并且获得目标的行进周期(例如步行周期)。此外,周期获取单元210可以通过计算峰值位置的差异获得最新的和过去的行进周期。周期获取单元210可以将获得的行进周期传递到判定单元211(之后解释)。
判定单元211可以通过执行图13中所示的手续判定在上述手续中获得的各种类型的数据源自于实际步行运动。步行运动包括目标进行的行进运动,所述行进运动包括步行运动以及跑步运动。另一方面,非步行运动包括自愿地或者非自愿地摇动惯性装置1的运动或者由外部环境(例如目标由行进物体运输)引入的加速度引起的运动。在下文中,解释了在图13中所示的手续。
在步骤S100处,判定单元211判定从峰值转换的加速度管理单元的垂直分量208获得的峰值转换的加速度的垂直分量是否落入预先确定的范围。如果是的,手续转到步骤S200。否则,手续转到步骤S600并且判定单元211判定检测的运动(即数据)源自于非步行运动。关于峰值转换的加速度的垂直分量的预先确定的范围可以由惯性装置1的供应商或者用户根据测量目标的特性(例如行人的步行特性)预先配置。
接下来,在步骤S200中,判定单元211判定从转换的速度管理单元的水平分量207获得的转换的速度的水平分量的幅度是否落入预先确定的范围。如果是的,手续转到步骤S300。否则,手续转到步骤S600并且判定单元211判定检测的运动源自于非步行运动。转换的速度的水平分量的预先确定的范围可以由惯性装置1的供应商或者用户根据测量目标的特性(例如行人的步行特性)预先配置。
接下来,在步骤S300中,判定单元211判定由周期获取单元210获得的行进周期是否落入预先确定的范围。如果是的,手续转到步骤S400。否则,手续转到步骤S600并且判定单元211判定检测的运动源自于非步行运动。行进周期的预先确定的范围可以由惯性装置1的供应商或者用户根据测量目标的特性(例如行人的步行特性)预先配置。
接下来,在步骤S400中,判定单元211判定在水平方向中的移动的幅度是否落入预先确定的范围。如果是的,手续转到步骤S500。否则,手续转到步骤S600并且判定单元211判定检测的运动源自于非步行运动。
这里,参考图14,解释了在水平方向中的速度的变化。如在图14(a)中所示,在步行运动中,当用户用右脚前进,转换的速度矢量发生在右方向上,并且当用左脚前进,转换的速度矢量发生在左方向上。为了识别该运动,判定单元211判定转换的速度矢量的水平分量符合那些特性。
首先,如图14(b)所示,判定单元211组合转换的速度矢量的水平分量的开始点和转换的速度矢量的水平分量的结束点。接下来,判定单元211计算连接Vn矢量的中心的线与每个Vn矢量的结束点之间的距离dn。接下来,判定单元211判定dn是否落入预先确定的范围,并且如果是的,判定单元211判定所述运动源自于实际步行运动。关于dn的预先确定的范围可以由惯性装置1的供应商或者用户根据测量目标的特性(例如行人的步行特性)预先配置。
在步骤S500处,判定单元211判定所述运动源自于实际步行运动。
在步骤S600处,判定单元211判定检测的运动源自于非步行运动。
注意,上述步骤S100到S400的一个或多个步骤可以被省略。但是,当所有的步骤被执行时,惯性装置1可以精确地估计行进方向。
当判定单元211判定检测的运动源自于步行运动时,方向计算单元212可以进行以下手续以估计用于每个步伐的行进方向。
当用户的步行运动从零步伐向第一步伐转变时,方向计算单元212从转换的速度获取单元的水平分量209获得转换的速度矢量的水平分量V0(见图15(a))。接下来,当用户的步行运动从第一步伐向第二步伐转变时,方向计算单元212从转换的速度获取单元的水平分量209获得转换的速度矢量的水平分量V1(见图15(a))。
接下来,方向计算单元212归一化矢量V0、V1以获得矢量V0’、V1’。方向计算单元212计算获得的矢量V0’、V1’的合成矢量,并且使用合成矢量的方向估计每个步伐的行进方向213。当用户迈进一步时执行上述手续。
如上所讨论的,惯性装置1可以通过使用在以在绝对坐标系统中的垂直方向中的加速度的(下)峰值位置为中心的时间段中的水平方向中的速度矢量估计每个步伐的行进方向。这可以降低当行人的脚触地时产生的振动的效应同时改善地点估计的准确性。
此外,惯性装置1可以评估从磁场传感器获取的传感器数据的准确性。当传感器数据是可靠的时,惯性装置1可以使用传感器数据校正表示惯性装置1的姿态的(对于偏航角度分量)矢量。因此,惯性装置1可以使用来自磁场传感器的数据具有高度的准确性地校正表示姿态的矢量。
4.当前位置估计功能
在上述讨论中,解释了惯性装置1基于来自惯性传感器的输出执行用于估计目标的行进方向的功能。在下文中,将解释惯性装置1使用行进方向和从外部装置获取的绝对位置执行用于估计目标的当前位置的功能。
图17是根据本发明的实施例的惯性装置1的功能性配置的框图。根据该实施例的惯性装置1除了如图3所讨论的坐标系统转换单元100和方向估计单元200以外,具有速度估计单元300、绝对位置数据输入单元400、绝对位置估计单元500以及地图匹配单元600。如图17中所示,示意性地示出了为每个功能性单元输入数据以及从每个功能性单元输出数据。在下面的章节中,讨论了由速度估计单元300、绝对位置数据输入单元400、绝对位置估计单元500以及地图匹配单元600提供的功能。如在下文中所述的,速度估计单元300可以基于转换的速度的水平分量214、峰值加速度的垂直分量215、周期216、从一侧到另一侧运动的身体的幅度217(在下文中被称为“幅度217”),以及由方向估计单元200计算的行进方向213(在下文中称为“方向213”)计算表示目标的实际速度的速度估计矢量。
4.1速度估计
图18示出了用于速度估计单元300的详细的功能性框图。速度估计单元300具有转换的速度获取单元的水平分量301、峰值加速度管理单元的垂直分量302、周期获取单元303、幅度获取单元304、方向获取单元305、转换单元306、速度波形产生单元312、速度波形组合单元314以及速度波形存储单元315。速度估计单元300可以基于转换的速度的水平分量214、峰值加速度的垂直分量215、周期216、幅度217以及方向213计算表示目标的实际速度的速度估计矢量。在下文中,讨论了由速度估计单元300执行的过程。
转换的速度获取单元的水平分量301可以类似于方向估计单元200的转换的速度获取单元的水平分量209从转换的速度管理单元的水平分量207获取转换的速度的水平分量214,并且转换的速度获取单元的水平分量301可以将转换的速度的水平分量214输入到转换单元306。
峰值加速度管理单元的垂直分量302可以类似于方向估计单元200的峰值移动加速度管理单元的垂直分量208从转换的加速度存储单元206获取峰值加速度的垂直分量215,并且峰值加速度管理单元的垂直分量302可以将峰值加速度的垂直分量215输入到转换单元306。
周期获取单元303可以类似于峰值位置存储单元205的周期获取单元210使用存储在峰值位置存储单元205中的数据获取用于目标的运动的周期216,并且周期获取单元303可以将获取的数据输入到转换单元306。
幅度获取单元304可以从转换的速度的水平分量214获取幅度217,所述幅度白哦是目标从一侧到另一侧的移动度,并且幅度获取单元304可以将幅度217输入到转换单元306。如上所述地使用图14计算幅度217。
方向获取单元305可以从方向估计单元200的方向计算单元212获取方向213并将方向213输入到转换单元306。
转换单元306可以分别将转换的速度的水平分量214、峰值加速度的垂直分量215、周期216、幅度217以及方向213转换为速度参数Pa 307、强度参数Pb 308、周期参数Pc 309、幅度参数Pd 310以及方向参数Pe 311。转换单元306可以根据预先确定的规则归一化数据214 217。转换单元306可以使用任何已知的归一化的方法将每个数据转换为在某些范围中归一化的参数。
速度波形产生单元312可以参考如图19中所示的参数DB 313,并且使用一个或多个输入参数307 311(输入参数307 310被用在图19中所示的示例中)以及目标的作为关键的给定属性(诸如目标的“性别”、“年龄”和“高度”)指明速度产生因素Ca Cc。接下来,速度波形产生单元312可以根据下述等式使用一个或多个输入参数307 311以及速度产生因素Ca Cc产生速度波形。
这里,属性可以包括目标的“性别”、“年龄”和“高度”。属性包括但不限于,关于目标的任何其它信息,诸如目标的类型(例如,人类动物和双足机器人)、识别号码、序列号码以及运动速度(例如,高速度或低速度)。
如图19所示,参数DB 313将目标的属性“性别”、“年龄”和“高度”与参数307 310和速度产生因素Ca Cc相关联。在图19中示出的示例中,不使用方向参数311指明速度产生因素Ca Cc(即明确了速度产生因素而不管方向)。但是,参数DB 313可以包括方向参数311以指明速度产生因素Ca Cc。
提前基于由实验获取的数据创建参数DB 313,在所述实验中具有共同属性的一组目标进行由参数307 311确定的运动。这里,参数DB 313保持速度参数Pa的标准值。
当具有输入参数307 311的条目不存在于参数DB 313中时,速度波形产生单元312可以选择与输入参数相近的其它参数307 311相关联的速度产生因素Ca Cc。例如,为了选择这样的因素(即包括与输入参数相近的其它参数307 311的条目)的目的,速度波形产生单元312可以选择参数的均方根的和(RMS)最小的条目的一个。任何其它已知的方法可以被用于选择在参数DB 313中的相应的条目。速度波形产生单元312可以将特定的速度产生因素Ca Cc发送到速度波形组合单元314。
速度波形产生单元312可以使用在以下等式中的速度产生因素Ca Cc和输入参数Pa Pe 307 311,在时间段0<=t<=Pc中产生表示目标的速度的变化的速度波形。
可替换地,速度波形产生单元312可以产生任何其它等式以产生速度波形。
图20示出了产生的速度波形的示例。这里,θ对应于方向参数Pe 311。等式14包括三个构件:第一构件基于速度参数Pa 307估计速度,第二构件基于强度参数Pb 308估计速度,并且第三构件基于幅度参数Pd 310估计速度。在构件中的参数Pa、Pb和Pd分别乘以速度产生因素Ca–Cc。因此,由于基于多个参数的速度估计,所以具有高准确性地产生表示步行运动的速度波形。这里,存储在参数DB 313中的速度产生因素Ca Cc被归一化以使得它们的和等于1。速度波形产生单元312可以将产生的速度波形发送到速度波形组合单元314。
在从速度波形产生单元312接收速度波形以后,速度波形组合单元314可以读取已经在之前产生的并被存储在速度波形存储单元315中的过去的速度波形,并且速度波形组合单元314可以将它们组合。速度波形组合单元314可以通过在时间轴上乘以速度波形组合速度波形。速度波形组合单元314可以以任何已知的方法组合速度波形。例如,速度波形组合单元314可以设定在给定时间处的两个或多个速度波形的最大值以便创建单个组合的波形。图21示出了由速度波形组合单元314组合的速度波形的示例。速度波形组合单元314可以将组合的波形存储在速度波形存储单元315中。
速度波形存储单元315可以存储由速度波形组合单元314组合的速度波形以及时间信息。
以此方法,速度波形存储单元315可以存储根据按需要所获得的参数而组合的最新的速度波形。绝对位置估计单元500和地图匹配单元600——之后将讨论——可以获得表示通过参考在现在时间处的组合的速度波形的值的最新速度的速度数据。速度数据可以由在水平方向中的两个分量表示。因此,速度数据被称为“速度估计矢量316”。
4.2绝对位置数据输入
图22示出了用于绝对位置数据输入单元400、绝对位置估计单元500和地图匹配单元600的详细的功能性框图。
绝对位置数据输入单元400包括第一绝对位置获取单元401、第二绝对位置获取单元402、定位时间测量单元403和误差校正单元404。绝对位置数据输入单元400可以将表示惯性装置1的绝对位置的绝对位置数据和表示位置数据的误差度的误差数据输入到绝对位置估计单元500。
第一绝对位置获取单元401可以通过蓝牙(TM)通信与诸如位置数据发送器的外部装置通信以获得表示惯性装置1的绝对位置的绝对位置数据。绝对位置数据可以包括表示纬度、经度和海拔的度数的一组位置矢量X1、Y1和Z1。可替换地,绝对位置数据可以包括表示离开预先确定的基准点的相对位置的任何矢量。第一绝对位置获取单元401可以获取表示来自位置数据发送器的绝对位置数据的误差度的误差数据σ1。误差数据σ1是关于从位置数据发送器获取的绝对位置数据的误差协方差矩阵。例如,误差数据σ1包括根据在位置数据发送器和惯性装置1之间的通信上的无线电场强度确定的误差值。例如,当比率场强度较弱时,误差协方差矩阵指示绝对位置数据较不准确。误差数据可以提前被存储在惯性装置1中或者由位置数据发送器发送。第一绝对位置获取单元401可以将绝对位置数据(例如位置矢量)和误差数据发送到之后将讨论的绝对位置估计单元500的第一测量更新计算单元502。
第二绝对位置获取单元402可以通过诸如GPS或者室内消息传递系统(IMES)的不同的方法从第一绝对位置获取单元401获取绝对位置数据X2、Y2和Z2、以及误差数据σ2。在另一实施例中,第二绝对位置获取单元402可以被省略(即仅存在第一绝对位置获取单元401)。可以基于应用惯性装置1的系统确定绝对位置获取单元的数量。第二绝对位置获取单元402可以将绝对位置数据(位置矢量)和误差数据发送到绝对位置估计单元500的第二测量更新计算单元503。
定位时间测量单元403可以测量第一绝对位置获取单元401和第二绝对位置获取单元402获取绝对位置数据的时间间隔并将它们发送到之后讨论的误差校正单元404。
误差校正单元404可以判定由定位时间测量单元403发射的时间间隔是否对应于预先确定的间隔。根据间隔的宽度,误差校正单元404可以修改从各个位置获取单元401或402的每一个输出的误差协方差矩阵(σ1或σ2),使得协方差值变得更高。为实现此,误差校正单元404可以使用将间隔(秒)与校正量(将乘以协方差值的值)相关联的表。可替换地,当间隔超过门限值时,误差校正单元404可以校正误差协方差矩阵。
由于源自GPS或者IMES的误差数据不是由于多路径效应而产生,误差数据的准确度取决于无线电波条件。图23示出了信噪比(SNR)和测量间隔的持续时段之间的关系。因此,当测量间隔超过预先确定的持续时段时,误差校正单元404可以校正误差协方差,使得协方差值变得更高;并且从而可以减少准确度的变化。
诸如位置数据发送器的外部装置可以通过红外通信、无线LAN通信、或者可见光通信或者具有相机的定位工具等发送绝对位置数据和误差数据。惯性装置1可以通过使用配置为通过上述通信接收信号的接收单元接收绝对位置数据和误差数据。接收的绝对位置数据和误差数据可以被输入到绝对位置估计单元500(之后讨论)的测量更新计算单元(502或503)。取决于系统所应用的惯性装置1,可以采用任何数量的组的绝对位置获取单元和测量更新计算单元。
4.3绝对位置估计
绝对位置估计单元500包括时间更新计算单元501、第一测量更新计算单元502、第二测量更新计算单元503和第三测量更新计算单元504。
绝对位置估计单元500可以使用速度估计矢量316和提供了速度估计矢量316的速度测量误差数据317估计当前位置和误差数据(在下文中称为“当前位置和误差数据505”)。速度测量误差数据317是表示速度估计矢量316的误差的误差协方差矩阵σv。速度测量误差数据317是由惯性装置1的系统识别确定和固定的。可替换地,可以根据速度使用多个误差协方差矩阵。
此外,绝对位置估计单元500可以使用从绝对位置数据输入单元400输出的绝对位置数据(位置矢量)和误差数据(误差协方差矩阵)更新当前位置和误差数据505。此外,绝对位置估计单元500可以通过使用从地图匹配单元600输出的位置数据(位置矢量)和误差数据(误差协方差矩阵)更新当前位置和误差数据505。
绝对位置估计单元500可以用扩展卡尔曼过滤器计算或更新当前位置和误差数据505。在该实施例中,绝对位置估计单元500可以并行执行一时间更新手续(时间更新计算单元501)和三个测量更新手续(第一、第二和第三测量更新计算单元502、503和504)。在下面解释在手续中使用的变量和模型。
时间更新计算单元501可以根据如图24-26所示的变量和模型的定义执行在扩展卡尔曼过滤器中的时间更新手续并且计算或更新惯性装置1的当前位置和误差数据505。在扩展卡尔曼过滤器中的变量和模型被定义为如图24所示。因此,现在的状态估计值可以由三维位置矢量(即如图24所示的等式(1)-1)表示。此外,现在的输入值可以使用从速度估计单元300输出的速度估计矢量316(即如图24所示的等式(1)-4)定义。此外,系统状态估计模型可以被定义为如图24所示的等式(1)-5。
如图25所示,偏微分矩阵(雅克比行列式)在系统状态估计模型的右侧上的偏微分。
如图26所示,过程噪声Qk是由系统识别预先确定并固定的(即恒定的)的速度测量误差数据317。现在的误差协方差矩阵Pk|k-1和Pk-1|k-1是3x3的矩,其中所有的元素是实数。
第一测量更新计算单元502可以执行扩展卡尔曼过滤器的测量更新并且计算或更新惯性装置1的当前位置和误差数据505。在扩展卡尔曼过滤器中的变量和模型被定义为如图27中所示。因此,在之前的步伐处的观测值可以由三维位置矢量(即,如图27所示的等式(1)-3)表示。此外,观测值是从第一绝对位置获取单元401输出的位置矢量(即,绝对位置数据)(即,如图27所示的等式(1)-2)。
基于h和zk,可以计算下面的观测残差。
可以通过偏微分由图27所示的等式(1)-3表达的观测值h计算在扩展卡尔曼过滤器的一般表达式中的测量更新(2)处的偏微分矩阵(雅克比行列式)。
在扩展卡尔曼过滤器的一般表达式中的残差协方差Sk(3)(见图28)可以通过使用下面的观测噪声(矩阵)Rk(所述观测噪声(矩阵)Rk是从第一位置获取单元401输出的误差数据)、在测量更新Hk处的偏微分矩阵、转置的矩阵Hk T以及在现在Pk|K-1处的残差协方差矩阵计算。
这里,r1指示x-轴分量,r2指示y-轴分量,并且r3指示z-轴分量。
在扩展卡尔曼过滤器的一般表达式中的卡尔曼增益Kk(4)(见图28)可以从在现在Pk|k-1处的误差协方差矩阵、转置的矩阵Hk T以及残差协方差Sk -1的逆矩阵计算。
在扩展卡尔曼过滤器的一般表达式中的更新的状态估计值(5)和更新的误差协方差矩阵Pk|k(6)(见图28)可以使用已经在上述手续中计算的变量计算。
第二测量更新计算单元503可以执行扩展卡尔曼过滤器的测量更新手续并且计算或更新惯性装置1以及第一测量更新计算单元502的当前位置和误差数据505。在扩展卡尔曼过滤器中的变量类似于第一测量更新计算单元502使用的那些,除了观测值zk和观测噪声Rk是从第二绝对位置获取单元402输出的绝对位置数据和误差数据。
第三测量更新计算单元504可以执行扩展卡尔曼过滤器的测量更新手续并且计算或更新惯性装置1以及第一测量更新计算单元502的当前位置和误差数据505。在扩展卡尔曼过滤器中的变量类似于第一测量更新计算单元502使用的那些,除了观测值zk和观测噪声Rk是从地图匹配单元600(之后讨论)输出的绝对位置数据和误差数据。
绝对位置估计单元500可以在扩展卡尔曼过滤器的框架内更新当前位置和误差数据505从而具有极大准确性地估计当前位置。安装在惯性装置1上的应用可以参考当前位置和误差数据505并且除了估计的当前位置以外还获取惯性装置的方向(标题信息和估计的偏航角度信息)。
4.4地图匹配
地图匹配单元600具有地图匹配计算单元601。地图匹配单元600可以获取最新的当前位置和误差数据505和速度估计矢量316并执行地图匹配手续。
地图匹配计算单元601可以获取最新的当前位置和误差数据505和速度估计矢量316;参考提前准备的地图数据库(DB)602;并且获取表示目标可能步行或者行进的区域的区域数据。接下来,地图匹配计算单元601可以通过使用已知的粒子过滤器算法(见非专利文件6)执行地图匹配手续。当当前位置在目标可能不步行或行进的区域上时,地图匹配计算单元601可以将当前位置校正为目标可能步行或行进的区域。此外,地图匹配计算单元601可以计算表示在对于校正的位置的位置矢量的每个分量处的误差量的误差协方差矩阵σm。地图匹配计算单元601可以将表示校正的位置的位置矢量(Xm,Ym,Zm)和误差协方差矩阵σm发送到第三测量更新计算单元504。
如上所讨论的,根据该实施例的惯性装置1组合从表示目标的运动特性的参数307311产生的多个速度波形并且基于组合的波形计算速度。参数在已经与目标的特性相关联以后被存储在数据库中。产生速度波形的一个以匹配目标和其运动。此外,表示速度波形的等式由多个构件(模型)表示。构件的每一个包括指示构件的可靠性度的权重。因此,可以具有高分辨率性能和高度可靠性地估计速度。
此外,根据该实施例的惯性装置1可以通过使用速度和其误差数据以及绝对位置数据和其误差数据具有高度的准确性计算当前位置,其中所述速度和其误差数据是相关的数据。此外,惯性装置1可以通过使用具有地图数据库602的地图匹配手续校正当前位置而改善当前位置的计算的准确性。
5.速度和当前位置的估计结果
参考图33–37,解释了使用根据本发明的实施例的惯性装置1估计速度和当前位置的结果。
根据该实施例的惯性装置1具有加速度传感器、陀螺仪传感器和磁场传感器。此外,惯性装置1具有作为定位单元用于获得绝对位置数据的GPS/IMES模块和蓝牙(TM)模块。惯性装置1是以具有上述装置的智能电话形式的移动终端。
图33示出了当惯性装置1被装载在步行用户的腰部上时估计的速度的结果。如图34所示,用户首先直行2米,并且然后向左转90度,并且再次直行。在图33中的水平轴表示持续的时间(100毫秒)并且垂直轴表示速度(米每秒)。图33示出了用户步行的大约8秒的时间窗口。在时间窗口中,持有惯性装置1的用户步行7步。
图33示出了由速度波形组合单元314组合的在水平方向(即x和y方向)中的波形。波形是使用诸如由方向估计单元200获得的方向、周期、幅度等的参数从由速度波形产生单元312产生的波形组合。如图33所示,惯性装置1可以具有高分辨率性能(即100ms)地输出步行运动的速度。
图34示出了当惯性装置1被装载在步行用户的腰部上时估计的当前位置的结果。如图34中用虚线的箭头示出的,用户首先直行大约2米,并且然后向左转90,并且再次直行。在图34中示出的圆圈指示当前位置的历史,所述当前位置是由绝对位置估计单元500基于从图33中所示的速度波形获得当前速度估计的。如图34所示,由惯性装置1估计的当前位置的历史主要对应于实际步行路径。
图35示出了当用户在手中持有惯性装置1时估计的当前位置的结果。在该情况中,用户以顺时针的方式走大约75米(总共92步)。在步行路径上,安装了通过IMES发送绝对位置数据(纬度和经度)以及其误差数据的两个位置数据发送器A和B。因此,惯性装置1可以基于传感器数据和从位置数据发送器发送的位置数据两者估计当前位置。
在图35中,虚线指示用户的实际步行路径,并且圆圈指示由惯性装置1获得的当前位置的历史。如图35所示,惯性装置1可以具有高时间分辨率性能(即100ms)地估计当前位置并且实现用于实际步行的高准确性的估计。此外,时间分辨率性能通过改变参数是可配置的。
图36是在图35中所示的结果在步行的开始(或结束)点附近的放大的示意图。如图36所示,就在结束点(即在惯性装置1使用来自位置数据发送器A的位置数据执行测量更新手续之前的位置)之前观测到大约1m的测量误差。这由于下列原因而发生。
(1)由速度波形组合单元314获得的在现在的估计的速度包括误差。
(2)这样的误差在用于估计的速度的时间更新手续中累积。
结果示出了估计的误差落在允许的范围内。
图37示出了在如图35所示的步行运动中由卡尔曼过滤器估计的测量误差的变化。惯性装置1可以在卡尔曼过滤器框架中将包括在来自速度波形组合单元314的速度中的误差以及当前位置的误差估计为误差协方差矩阵。如图37所示,由卡尔曼过滤器估计的测量误差的估计的值(误差方差矩阵的对角线分量的平方和的平方根)随着用户步行而增加。
另一方面,当惯性装置1可以从位置数据发送器接收绝对位置数据和误差数据时,惯性装置1将关于位置数据发送器的定位装置的测量误差与由卡尔曼过滤器估计的用于当前位置的测量误差的估计的值比较。接下来,惯性装置1校正现在位置的估计的值,使得在误差协方差矩阵中的协方差值变小。如图37所示,当惯性装置1使用来自位置数据发送器A和B的数据执行测量更新手续时,由卡尔曼过滤器估计的测量误差的估计的值降低。因此,惯性装置1可以校正估计的当前位置并且使用从外部装置获得的绝对位置数据和误差数据改善估计位置的准确性。
再次参考图36,观测到的是通过基于就在用户结束步行之前输入的绝对位置数据而执行的测量更新手续,累积的测量误差被校正并且当前位置被固定到正确的位置(步行的结束点)。
如上所讨论的,根据实施例的惯性装置1改善用于估计用户的当前位置的分辨率性能和准确度。因此,实现了可以使用户以任何形式持有装置的方便的惯性装置和惯性导航技术。
在上述实施例中,在实施例中解释的每个时段中执行的程序可以以在计算机可读记录介质上可安装的形式或者可执行的形式,所述计算机可读记录介质诸如CD-ROM、软盘(FD)、CD-R或者数字通用光盘(DVD)。
在根据实施例的每个装置上执行的程序可以被存储在连接到网络的计算机上并且可以通过网络下载而提供,其中所述网络诸如因特网。在根据实施例的每个装置上执行的程序可以用诸如因特网的网络提供或分布。
可替换地,在根据实施例的每个装置上执行的程序可以被提前提供并存储在ROM中。
上述惯性装置、方法和程序不限于上述实施例并且可以作出各种变化和修改而不脱离本发明的范围。此外,可以通过组合上述任何元件而形成各种发明。
本申请是基于并且要求于2013年2月3日提交的日本专利申请No.2013-019210以及于2013年11月6日提交的日本专利申请No.2013-230548的优先权的权益,其全部内容通过引用结合于此。
引用列表
专利文献
[专利文件1]日本专利出版特开号2012-088253
[专利文件2]日本专利号4714853
[专利文件3]日本专利出版特开号2003-302419
[专利文件4]日本专利出版特开号2011-237452
[专利文件5]日本专利出版特开号2000-97722
[专利文件6]日本专利出版特开号2002-139340
非专利文献
[非专利文献1]Greg Welch and Gary Bishop,"An Introduction to theKalman Filter",Department of Computer Science,University of North Carolina atChapel Hill,7/24/2006
[非专利文献2]Tohru Katayama,“Applied Kalman Filtering,New Edition”,Asakura Bookshop,1/20/2000
[非专利文献3]Wei Tech Ang et al.,"Kalman filtering for real-timeorientation tracking of handheld microsurgical instrument",Intelligent Robotsand Systems,2004(IROS 2004).Proceedings.2004IEEE/RSJ InternationalConference,9/28/2004,Volume 3,p.2574-2580vol.3
[非专利文献4]Malcolm D.Shuster,"Deterministic Three-Axis AttitudeDetermination",The Journal of the Astronautical Sciences,July 2004,Volume 52,No.3,p.405-419
[非专利文献5]“TRIAD Algorithm”,[online]5/25/2011,Wikipedia,Internet,<URL:http://en.wikipedia.org/wiki/User:Snietfeld/TRIAD_Algorithm>
[非专利文献6]I.M.Rekleitis,"A particle filter tutorial for mobilerobot localization",Technical Report TR-CIM-04-02,Centre for IntelligentMachines,McGill University,2004
Claims (10)
1.一种惯性装置,包括:
惯性传感器单元,配置为产生表示持有所述惯性装置的目标的运动的输出;
存储单元,配置为存储分别与由所述惯性传感器单元产生的不同的输出相关联的速度产生因素;
产生单元,配置为通过使用对应于由所述惯性传感器单元产生的输出的速度产生因素之一,产生表示在预先确定的时段中所述惯性装置的速度的变化的波形;
组合单元,配置为将所述波形与已经由所述产生单元产生的一个或多个之前的波形组合;以及
估计单元,配置为使用从所述组合的波形获得的速度估计惯性装置当前所处于的位置。
2.如权利要求1所述的惯性装置,其中,所述速度产生因素还与持有所述惯性装置的目标的属性相关联,并且所述产生单元使用对应于由所述惯性传感器单元产生的输出以及持有所述惯性装置的目标的属性之一两者的速度产生因素之一,产生所述波形。
3.如权利要求1或2所述的惯性装置,其中,所述输出包括在水平方向中的速度;在垂直方向中的加速度;行进运动的周期;所述惯性装置的行进方向;以及从所述行进方向的一侧到另一侧的行进运动的幅度的至少一个。
4.如权利要求1或2所述的惯性装置,其中,所述估计单元使用所述速度以及在计算所述速度中表示误差度的给定误差数据两者,估计所述惯性装置当前所处于的位置。
5.如权利要求4所述的惯性装置,还包括输入单元,配置为将从位置数据发送器接收的绝对位置数据,以及所述绝对位置数据的误差数据输入到所述估计单元;其中,所述估计单元使用所述绝对位置数据和所述绝对位置数据的误差数据更新所述估计的位置。
6.如权利要求5所述的惯性装置,还包括:
测量单元,配置为测量接收所述绝对位置数据的间隔;以及
校正单元,配置为根据所述测量的间隔校正所述绝对位置数据的误差数据。
7.如权利要求5或6所述的惯性装置,其中,所述输入单元将利用相互不同的通信方法从其它位置数据发送器接收的其它绝对位置数据,以及所述其它绝对位置数据的误差数据输入到所述估计单元。
8.如权利要求7所述的惯性装置,其中,所述输入单元输入通过符合室内消息传递系统(IMES)标准的通信从所述其它位置数据发送器之一接收的所述其它绝对位置数据。
9.如权利要求1或2所述的惯性装置,还包括地图匹配单元,配置为将所述估计的位置匹配到定义所述目标被允许进入的允许的区域以及所述目标不被允许进入的禁止的区域的地图,并且当所述估计的位置在所述禁止的区域中时校正所述位置,其中,所述估计单元根据所述校正的位置更新所述估计的位置。
10.一种用于估计位置的方法,所述方法包括:
使用惯性传感器产生表示持有惯性装置的目标的运动的输出;
通过使用对应于所述输出的速度产生因素之一产生表示在预先确定的时段中的惯性装置的速度的变化的波形,所述速度产生因素与将由所述惯性传感器产生的不同的输出相关联;
将所述波形与在所述波形的产生步骤中已经产生的一个或多个之前的波形组合;并且
使用从所述组合的波形获得的速度估计所述惯性装置当前所处于的位置。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013-019210 | 2013-02-04 | ||
JP2013019210 | 2013-02-04 | ||
JP2013-230548 | 2013-11-06 | ||
JP2013230548A JP6268945B2 (ja) | 2013-02-04 | 2013-11-06 | 慣性装置、方法及びプログラム |
PCT/JP2014/052706 WO2014119801A1 (en) | 2013-02-04 | 2014-01-30 | Inertial device, method, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104969030A CN104969030A (zh) | 2015-10-07 |
CN104969030B true CN104969030B (zh) | 2017-06-30 |
Family
ID=51262499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480007053.4A Expired - Fee Related CN104969030B (zh) | 2013-02-04 | 2014-01-30 | 惯性装置、方法和程序 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20150330791A1 (zh) |
EP (1) | EP2951529B1 (zh) |
JP (1) | JP6268945B2 (zh) |
KR (1) | KR101732835B1 (zh) |
CN (1) | CN104969030B (zh) |
TW (1) | TWI490497B (zh) |
WO (1) | WO2014119801A1 (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10304138B2 (en) | 2014-05-15 | 2019-05-28 | State Farm Mutual Automobile Insurance Company | System and method for identifying primary and secondary movement using spectral domain analysis |
US10019762B2 (en) | 2014-05-15 | 2018-07-10 | State Farm Mutual Automobile Insurance Company | System and method for identifying idling times of a vehicle using accelerometer data |
US9127946B1 (en) * | 2014-05-15 | 2015-09-08 | State Farm Mutual Automobile Insurance Company | System and method for identifying heading of a moving vehicle using accelerometer data |
JP2016033473A (ja) * | 2014-07-31 | 2016-03-10 | セイコーエプソン株式会社 | 位置算出方法及び位置算出装置 |
JP6476925B2 (ja) * | 2015-01-30 | 2019-03-06 | カシオ計算機株式会社 | 情報処理装置、位置更新方法及びプログラム |
EP3314205B1 (en) * | 2015-06-26 | 2021-01-06 | INTEL Corporation | Technologies for pedestrian dead reckoning |
US10408627B2 (en) | 2015-11-30 | 2019-09-10 | Ricoh Company, Ltd. | Inertial device to estimate position based on corrected movement velocity |
JPWO2017150162A1 (ja) * | 2016-03-01 | 2018-12-20 | 株式会社リコー | 位置推定装置、位置推定方法、及びプログラム |
JP6804908B2 (ja) * | 2016-09-13 | 2020-12-23 | 株式会社東芝 | 推定装置、推定方法及びコンピュータプログラム |
US10330479B2 (en) * | 2016-09-20 | 2019-06-25 | Trimble Inc. | Vehicle navigation by dead reckoning and GNSS-aided map-matching |
US10323942B2 (en) * | 2016-09-23 | 2019-06-18 | Qualcomm Incorporated | User-specific learning for improved pedestrian motion modeling in a mobile device |
KR101941009B1 (ko) * | 2016-09-28 | 2019-01-22 | 광주과학기술원 | 자세추정 시스템 및 자세 추정 시스템을 포함하는 무인 이동 장치 |
KR101916908B1 (ko) * | 2016-09-28 | 2018-11-08 | 광주과학기술원 | 위치 추정 시스템 및 위치 추정 시스템을 포함하는 무인 이동 장치 |
CN108537094B (zh) * | 2017-03-03 | 2022-11-22 | 株式会社理光 | 图像处理方法、装置和系统 |
CN107121128B (zh) * | 2017-05-27 | 2022-04-05 | 中国北方车辆研究所 | 一种足式机器人地形参数的测量方法及系统 |
JP6686985B2 (ja) * | 2017-08-03 | 2020-04-22 | カシオ計算機株式会社 | 軌跡推定装置、軌跡推定方法及び軌跡推定プログラム |
JP2019148586A (ja) * | 2018-02-27 | 2019-09-05 | シャープ株式会社 | 位置計測装置、位置補正方法、及び位置情報取得システム |
JP7059114B2 (ja) * | 2018-06-15 | 2022-04-25 | 株式会社東芝 | 位置計測装置および位置計測方法 |
KR102177663B1 (ko) * | 2019-04-02 | 2020-11-11 | 주식회사 로터스에코 | 제로 크로싱 최소화를 위한 쿼터니언 분해 방법 및 그를 위한 장치 |
CN111174780B (zh) * | 2019-12-31 | 2022-03-08 | 同济大学 | 盲人道路惯导定位系统 |
CN112033439B (zh) * | 2020-08-20 | 2022-08-12 | 哈尔滨工业大学 | 一种摇摆基座地球系下重力加速度矢量无纬度构建方法 |
CN112461237B (zh) * | 2020-11-26 | 2023-03-14 | 浙江同善人工智能技术有限公司 | 一种应用于动态变化场景下的多传感器融合定位方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5610847A (en) * | 1994-10-28 | 1997-03-11 | Cadence Design Systems, Inc. | Ratiometric fourier analyzer |
JP3505040B2 (ja) * | 1996-07-11 | 2004-03-08 | 株式会社リコー | 携帯型情報処理装置 |
JP3775779B2 (ja) | 2000-10-30 | 2006-05-17 | 株式会社国際電気通信基礎技術研究所 | 歩行航行装置およびそれを用いたナビゲーションシステム |
US6826477B2 (en) * | 2001-04-23 | 2004-11-30 | Ecole Polytechnique Federale De Lausanne (Epfl) | Pedestrian navigation method and apparatus operative in a dead reckoning mode |
JP3801163B2 (ja) * | 2003-03-07 | 2006-07-26 | セイコーエプソン株式会社 | 体動検出装置、ピッチ計、歩数計、腕時計型情報処理装置、制御方法及び制御プログラム |
JP2006177749A (ja) | 2004-12-22 | 2006-07-06 | Ritsumeikan | 周期運動体の移動軌跡算出方法及び装置 |
JP2009115714A (ja) * | 2007-11-08 | 2009-05-28 | Tottori Univ | 移動体の速度測定方法および同測定装置 |
CN100595520C (zh) * | 2008-02-21 | 2010-03-24 | 上海交通大学 | 适用于步行者的定位方法 |
JP4885922B2 (ja) * | 2008-08-27 | 2012-02-29 | 京セラ株式会社 | 携帯電子機器 |
KR20110022087A (ko) * | 2008-07-29 | 2011-03-04 | 교세라 가부시키가이샤 | 휴대 전자기기 |
TWI457793B (zh) * | 2008-08-08 | 2014-10-21 | Ind Tech Res Inst | 即時動作辨識方法及其慣性感測與軌跡重建裝置 |
JP2011102707A (ja) * | 2009-11-10 | 2011-05-26 | Seiko Epson Corp | 測位装置及び測位方法 |
JP2012037452A (ja) * | 2010-08-10 | 2012-02-23 | Panasonic Corp | 歩行方位検出装置および歩行方位検出方法 |
CN102184549B (zh) * | 2011-04-29 | 2012-10-10 | 闫文闻 | 一种运动参数确定方法、装置和运动辅助设备 |
CN102252676B (zh) * | 2011-05-06 | 2014-03-12 | 微迈森惯性技术开发(北京)有限公司 | 运动姿态数据获取、人体运动姿态追踪方法及相关设备 |
TWI435057B (zh) * | 2011-06-23 | 2014-04-21 | Automotive Res & Testing Ct | Method and apparatus for learning correction of vehicle dynamic inertial sensor |
JP5082001B2 (ja) | 2011-08-15 | 2012-11-28 | 株式会社日立製作所 | 物体の進行方向検知方法、位置検知方法、進行方向検知装置、位置検知装置、移動動態認識方法及び移動動態認識装置 |
-
2013
- 2013-11-06 JP JP2013230548A patent/JP6268945B2/ja active Active
-
2014
- 2014-01-29 TW TW103103400A patent/TWI490497B/zh not_active IP Right Cessation
- 2014-01-30 EP EP14745398.9A patent/EP2951529B1/en active Active
- 2014-01-30 KR KR1020157020541A patent/KR101732835B1/ko active IP Right Grant
- 2014-01-30 US US14/651,273 patent/US20150330791A1/en not_active Abandoned
- 2014-01-30 CN CN201480007053.4A patent/CN104969030B/zh not_active Expired - Fee Related
- 2014-01-30 WO PCT/JP2014/052706 patent/WO2014119801A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP2951529B1 (en) | 2021-03-10 |
KR101732835B1 (ko) | 2017-05-04 |
CN104969030A (zh) | 2015-10-07 |
US20150330791A1 (en) | 2015-11-19 |
JP2014167461A (ja) | 2014-09-11 |
TW201439542A (zh) | 2014-10-16 |
EP2951529A4 (en) | 2016-01-27 |
EP2951529A1 (en) | 2015-12-09 |
JP6268945B2 (ja) | 2018-01-31 |
WO2014119801A1 (en) | 2014-08-07 |
KR20150099864A (ko) | 2015-09-01 |
TWI490497B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104969030B (zh) | 惯性装置、方法和程序 | |
CN105102928B (zh) | 惯性装置、方法和程序 | |
Aggarwal | MEMS-based integrated navigation | |
US9551561B2 (en) | Determining location using magnetic fields from AC power lines | |
US10408627B2 (en) | Inertial device to estimate position based on corrected movement velocity | |
Kang et al. | SmartPDR: Smartphone-based pedestrian dead reckoning for indoor localization | |
EP2740256B1 (en) | Moving direction determination with noisy signals from inertial navigation systems on mobile devices | |
Huang et al. | Synergism of INS and PDR in self-contained pedestrian tracking with a miniature sensor module | |
CN108225308A (zh) | 一种基于四元数的扩展卡尔曼滤波算法的姿态解算方法 | |
JP6852310B2 (ja) | 慣性装置、プログラム、測位方法 | |
JP2013064695A (ja) | 状態推定装置、オフセット更新方法およびオフセット更新プログラム | |
JP5742794B2 (ja) | 慣性航法装置及びプログラム | |
Tian et al. | Pedestrian navigation system using MEMS sensors for heading drift and altitude error correction | |
JP2013122384A (ja) | カルマンフィルタ、及び、状態推定装置 | |
Ali | Low-cost sensors-based attitude estimation for pedestrian navigation in GPS-denied environments | |
Kessel et al. | Automated WLAN calibration with a backtracking particle filter | |
CN107289935B (zh) | 一种适用于可穿戴设备的室内导航算法 | |
CN106574830A (zh) | 使用软约束和惩罚函数初始化惯性传感器 | |
Dogaru et al. | Inertial Navigation for Motion Tracking in Android | |
CN113115215A (zh) | 基于定位标签的室内人体朝向识别系统 | |
CN110686672A (zh) | 一种适用于配带智能手机行人的行走航向检测方法 | |
Li | Multi Sensor-Multi Mode Integration for Indoor Navigation with Smartphones |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170630 |
|
CF01 | Termination of patent right due to non-payment of annual fee |