CN105628027A - 一种基于mems惯性器件的室内环境精确实时定位方法 - Google Patents
一种基于mems惯性器件的室内环境精确实时定位方法 Download PDFInfo
- Publication number
- CN105628027A CN105628027A CN201610094555.6A CN201610094555A CN105628027A CN 105628027 A CN105628027 A CN 105628027A CN 201610094555 A CN201610094555 A CN 201610094555A CN 105628027 A CN105628027 A CN 105628027A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- pedestrian
- algorithm
- gait
- walking
- 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
-
- 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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
一种基于MEMS惯性器件的室内环境精确实时定位方法,是一种采用MEMS惯性器件通过建立回归模型估算步长获取人员精确定位信息的室内惯性定位算法。本发明在航向角的确定中,利用梯度下降算法补偿姿态误差,增加了行人航向的精度,减小了计算量;本发明还提出利用“三条件判断法”与合加速度融合来判断行人步态的变化,从而提高算法的适应性。该发明不受外界环境干扰,成本低,简单实用,精度高,可应用于室内、隧道、矿井下等特殊场所。
Description
技术领域
本发明涉及室内环境行人定位技术领域,具体涉及一种基于MEMS惯性器件的室内环境精确实时定位方法。
背景技术
近年来,GPS技术在各个行业得到了广泛的应用。然而,在室内、隧道、矿井下这些封闭环境中,GPS信号衰减严重,甚至没有GPS信号,导致定位精度大大降低甚至完全失效。
因此,室内定位技术应运而生。其中,捷联式惯性定位系统由于成本低、不受外界干扰、可以短时间内实现高精度定位,得到了大力地发展。
基于MEMS惯性器件的惯性定位技术主要有两种:一种是采用PDR方法,其通过加速度输出检测行走的步数,步长则采用运动学近似估计,能够避免加速度值双积分带来的积累误差,但是这种方法不能识别不同人的步态变化,在定位时带来诸多不便;另一种方法是鞋绑式定位算法,这种方法将MEMS惯性器件绑在鞋上,通过加速度计和陀螺仪获取行人姿态和位置信息。但由于惯性器件本身存在漂移,随着时间推移,将会很大程度上地影响定位精度。其次,这种方法是针对鞋绑式的算法,放在身体的其他部位并不适用,实用性差。
综上可知,基于MEMS惯性器件的定位方法无需外部设备、不受外界干扰,是一种很好的定位方法。但其存在积累误差,大大影响定位精度,而现阶段的任务就是寻找消除误差的方法。比较PDR定位和鞋绑式两种定位方法的优劣,本发明选择PDR定位技术。并针对其缺点提出了改进的辅助算法。
发明内容
本发明针对现有技术的不足之处,提供一种基于MEMS惯性器件的室内环境精确实时定位方法。
本发明解决现有技术问题的方案是:
步骤A、计算相对位移量,利用公式S=L*N,其中,L为步长,N为步数,具体步骤如下:
步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示:其中,α、β和γ是步长计算的相关参数,可通过实验训练获得;实验采集行人不同步态下的相关数据,描点划线最后得到一条拟合曲线,即是所需线性方程;
步骤A2、加速度的波动可以从一定程度上表征步数N的变化,通过加速度的输出值可检测出行走的步数;航向角可以通过角速度积分获取;
步骤B、判断行人步态的变化:同一个线性回归模型并不适用于不同的行走模式,将会带来较大的定位误差,因此在计算步长的同时,应当判断行人的行走模式,识别不同人的步态变化;实验数据表明,静止、行走、跑步三种行走模式下,合加速度方差的数值差异较为明显;通过设定加速度方差的阈值可用来判断行人的行走模式;此外,“零速度检测”阶段可采用基于合加速度、合加速度方差和角速度值的多条件判断方法,精度较高;
步骤C、梯度下降算法实现姿态融合,提高航向精确度:包括如下具体步骤:
步骤C1、利用加速度计表示四元数误差矩阵:
步骤C2、对四元数误差矩阵求导,获得雅克比矩阵根据公式 得梯度;
步骤C3、求出经过梯度下降法计算的目标姿态:其中,μt代表步长,其和实际物体运动的角速度和采样时间相关,在低速运动下,应满足下式其中,α为动态变量,β为四元数微分方程求解的姿态算法的收敛速度;由此的最终的姿态融合公式为:以上为陀螺仪和加速度计的梯度下降法姿态融合算法;同理也可得陀螺仪和地磁计的姿态融合公式。
总之,本发明是一种采用MEMS惯性器件通过建立回归模型估算步长获取人员精确定位信息的室内惯性定位算法。本发明在航向角的确定中,利用梯度下降算法补偿姿态误差,增加了行人航向的精度,减小了计算量;本发明还提出利用“三条件判断法”与合加速度融合来判断行人步态的变化,从而提高算法的适应性。该发明不受外界环境干扰,成本低,简单实用,精度高,可应用于室内、隧道、矿井下等特殊场所。
附图说明
图1本发明所述方法的流程框图;
图2为步长估算方法的流程图;
图3为陀螺仪和加速度计的梯度下降姿态融合算法的流程图。
具体实施方式
根据说明书附图对本发明进行进一步的阐述:
本发明基于MEMS惯性器件实现的室内环境精确实时定位方法研究,主要是由MPU6050通过WIFI将行人运动数据传输到电脑终端,通过步长乘步数的方法获取行人的位移信息,并结合梯度下降算法修正行人航向信息,最终实现行人航迹推算。其中,针对PDR定位技术不能识别不同人的步态变化这一点,加入判断步态变化模块,在很大程度上提高了定位精度。
图一为本发明所述方法的流程框图,本发明的实现分为三个步骤,具体为:A、判断行人运动状态并估算近似步长;B、判断行人步态的变化;C、梯度下降算法修正航向角。具体步骤如下:
步骤A、计算相对位移,利用步长乘以步数公式S=L*N,具体步骤如下:
步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示:其中,α、β和γ是步长计算的相关参数,可通过实验训练获得;实验采集行人不同步态下的相关数据,描点划线最后得到一条拟合曲线,即是所需线性方程;
本发明的步长估算方法的流程图见图二。
步骤A2、加速度的波动可以从一定程度上表征步数N的变化,通过加速度的输出值检测出行走的步数;航向角可以通过角速度积分获取。
实际应用中,在步长的计算中,需在定位之前通过实验获取行人不同步态下的相关数据,训练获得参数,建立线性回归模型;在步数的判定中,应考虑到实际情况,设定加速度幅值阈值和时间间隔阈值,且实时更新。
步骤B、判断行人步态的变化:同一个线性回归模型并不适用于不同的行走模式,将会带来较大的定位误差,因此在计算步长的同时,应当判断行人的行走模式,识别不同人的步态变化;实验数据表明,静止、行走、跑步三种行走模式下,合加速度方差的数值差异较为明显;通过设定加速度方差的阈值可用来判断行人的行走模式;此外,“零速度检测”阶段可采用基于合加速度、合加速度方差和角速度值的多条件判断方法,精度较高。
实际应用中,根据步骤A1实验获取的行人步态数据,可以设定合加速度方差的阈值,用以判断行走和跑步的步态变化;在判断“零速度”时,“三条件”阈值的设定是实验通过大量的测试和统计得出,在不同的情况下,可依据行人及器件情况重新设定阈值。
步骤C、梯度下降算法实现姿态融合,实现算法流程图如图三所示,具体步骤如下:
步骤C1、利用加速度计表示四元数误差矩阵:
步骤C2、对四元数误差矩阵求导,获得雅克比矩阵根据公式 得梯度;
步骤C3、求出经过梯度下降法计算的目标姿态:其中,μt代表步长,其和实际物体运动的角速度和采样时间相关,在低速运动下,应满足下式其中,α为动态变量,β为四元数微分方程求解的姿态算法的收敛速度;由此的最终的姿态融合公式为:以上为陀螺仪和加速度计的梯度下降法姿态融合算法;同理也可得陀螺仪和地磁计的姿态融合公式。
实际应用中,利用梯度下降法可以求得一组姿态四元数,这组姿态四元数是基于加速度计表征出来的四元数,由于加速度计的动态性能不佳,所以这种方法在高速运动之下会有较大的延迟。而在惯性导航中,陀螺仪是专门处理高速运动下的较为理想器件。本发明采用四元数微分方程求解当前姿态,然后分别利用加速度计和地磁计进行补偿,修正姿态矩阵。
总之,本发明所述的基于MEMS惯性器件的室内环境精确实时定位方法中,在步长、步数和航向角的测定中,采用了不同的辅助方法提高了定位的精度和算法的适应性:在步长计算中,利用步长与行走频率WF和加速度方差AV的线性关系推算步长公式,通过大量实验数据建立较为可靠的线性回归模型;在步数估测中,设定加速度和时间阈值,并实时更新,提高判定的精度;在航向角的确定中,利用梯度下降算法,补偿姿态误差,达到实时修正航向角的目的,增加了行人航向的精度,减小了计算量。
本发明在PDR定位技术的基础上,提出了较为完整的步态判断方法,弥补了PDR技术的缺点,提高了算法的适应性和精确度。
对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于MEMS惯性器件的室内环境精确实时定位方法,其特征在于:具体步骤如下:
步骤A、计算相对位移量,利用公式S=L*N,其中,L为步长,N为步数,具体步骤如下:
步骤A1、步长L用行走频率WF和加速度方差AV相关的线性方程表示:其中,α、β和γ是步长计算的相关参数,可通过实验训练获得;实验采集行人不同步态下的相关数据,描点划线最后得到一条拟合曲线,即是所需线性方程;
步骤A2、加速度的波动可以从一定程度上表征步数N的变化,通过加速度的输出值可检测出行走的步数;航向角可以通过角速度积分获取;
步骤B、判断行人步态的变化:同一个线性回归模型并不适用于不同的行走模式,将会带来较大的定位误差,因此在计算步长的同时,应当判断行人的行走模式,识别不同人的步态变化;实验数据表明,静止、行走、跑步三种行走模式下,合加速度方差的数值差异较为明显;通过设定加速度方差的阈值可用来判断行人的行走模式;此外,“零速度检测”阶段可采用基于合加速度、合加速度方差和角速度值的多条件判断方法,精度较高;
步骤C、梯度下降算法实现姿态融合,提高航向精确度:包括如下具体步骤:
步骤C1、利用加速度计表示四元数误差矩阵:
步骤C2、对四元数误差矩阵求导,获得雅克比矩阵根据公式 得梯度;
步骤C3、求出经过梯度下降法计算的目标姿态:其中,μt代表步长,其和实际物体运动的角速度和采样时间相关,在低速运动下,应满足下式其中,α为动态变量,β为四元数微分方程求解的姿态算法的收敛速度;由此的最终的姿态融合公式为:以上为陀螺仪和加速度计的梯度下降法姿态融合算法;同理也可得陀螺仪和地磁计的姿态融合公式。
2.根据权利要求1所述的MEMS惯性器件的室内环境精确实时定位方法,其特征在于,将建立回归模型估算步长、“三条件判断法”与合加速度融合来判断行人步态的变化、梯度下降算法修正航向角三种算法融合,提高算法的精确度和适应性。
3.根据权利要求1所述的步数测量方法,其特征在于,步骤A2中,步数的判定应该满足以下条件:
设定加速度幅值|ak|,时间间隔为Δt,有:
a.加速度的幅值|ak|必须超过零点δth;
b.加速度幅值|ak|在amin和amax之间;
c.时间间隔Δt应该在Δtmin和Δtmax之间;
d.步数的判定应该符合Poission过程,即P[N(t+Δt)-N(t)=1]=λΔt+o(Δt);其中,o(Δt)为Δt的高阶无穷小。即在非常短的时间内步数不可能超过一次;
其中,δth实时更新,公式为:
4.根据权利要求1所述的步态判断方法,其特征在于,步骤B中,利用“三条件判断法”与合加速度融合来判断行人步态的变化;采用合加速度方差阈值判断行人行走和跑步的步态变化。
5.根据权利要求2所述的步数测量方法,其特征在于,在判断“零速度检测”阶段,结合加速度阈值判断,提出“三条件判断”方法,“三条件判断”所包含的公式有:
其中,|ak|、σ2和|ωk|是合加速度幅值、合加速度方差和角速度幅值;s为窗口的大小;为加速度的平均值。
6.根据权利要求3所述的“三条件判断”方法,其特征在于,在判断“零速度检测”阶段,阈值的设定是实验通过大量的测试和统计得出,在不同的情况下,可依据行人及器件情况重新设定阈值。只有当三个条件在逻辑上满足“与”运算时,及满足C=C1*C2*C3为“1”时,代表脚静止在地面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094555.6A CN105628027B (zh) | 2016-02-19 | 2016-02-19 | 一种基于mems惯性器件的室内环境精确实时定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610094555.6A CN105628027B (zh) | 2016-02-19 | 2016-02-19 | 一种基于mems惯性器件的室内环境精确实时定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105628027A true CN105628027A (zh) | 2016-06-01 |
CN105628027B CN105628027B (zh) | 2018-11-23 |
Family
ID=56043177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610094555.6A Active CN105628027B (zh) | 2016-02-19 | 2016-02-19 | 一种基于mems惯性器件的室内环境精确实时定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105628027B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168485A (zh) * | 2016-07-18 | 2016-11-30 | 北京方位捷讯科技有限公司 | 步行航迹数据推算方法及装置 |
CN106500690A (zh) * | 2016-09-22 | 2017-03-15 | 中国电子科技集团公司第二十二研究所 | 一种基于多模态融合的室内自主定位方法和装置 |
CN106705968A (zh) * | 2016-12-09 | 2017-05-24 | 北京工业大学 | 基于姿态识别和步长模型的室内惯性导航算法 |
CN107727110A (zh) * | 2017-09-11 | 2018-02-23 | 上海斐讯数据通信技术有限公司 | 一种步数的统计方法及装置 |
CN108180923A (zh) * | 2017-12-08 | 2018-06-19 | 北京理工大学 | 一种基于人体里程计的惯性导航定位方法 |
CN108444473A (zh) * | 2018-03-20 | 2018-08-24 | 南京华苏科技有限公司 | 一种行人室内轨迹定位方法 |
CN108507567A (zh) * | 2017-02-24 | 2018-09-07 | 高德信息技术有限公司 | 姿态四元数确定方法、装置及用户朝向确定方法、装置 |
CN109540143A (zh) * | 2018-11-27 | 2019-03-29 | 中国广核电力股份有限公司 | 多传感源动态峰值融合的行人非常规动作方向识别方法 |
CN109579832A (zh) * | 2018-11-26 | 2019-04-05 | 重庆邮电大学 | 一种人员高度自主定位算法 |
CN110207704A (zh) * | 2019-05-21 | 2019-09-06 | 南京航空航天大学 | 一种基于建筑楼梯场景智能识别的行人导航方法 |
CN111728618A (zh) * | 2020-05-21 | 2020-10-02 | 深圳市千手千眼科技有限公司 | 一种人员定位人体运动步态检测方法 |
CN113686335A (zh) * | 2021-06-10 | 2021-11-23 | 上海奥欧智能科技有限公司 | 通过一维卷积神经网用imu数据进行精确室内定位的方法 |
CN113790722A (zh) * | 2021-08-20 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于惯性数据时频域特征提取的行人步长建模方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079289A (zh) * | 2013-01-18 | 2013-05-01 | 浙江大学 | 一种无线多人运动数据采集器及采集方法 |
CN104713554A (zh) * | 2015-02-01 | 2015-06-17 | 北京工业大学 | 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 |
-
2016
- 2016-02-19 CN CN201610094555.6A patent/CN105628027B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103079289A (zh) * | 2013-01-18 | 2013-05-01 | 浙江大学 | 一种无线多人运动数据采集器及采集方法 |
CN104713554A (zh) * | 2015-02-01 | 2015-06-17 | 北京工业大学 | 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 |
Non-Patent Citations (3)
Title |
---|
SEBASTIAN O.H: ""Estimation of IMU and MARG orientation using agradient descent algorithm"", 《2011 IEEE INTERNATIONAL CONFERENCE ON REHABILITATION ROBOTICS》 * |
SEUNG HYUCK SHIN: ""Adaptive step length estimation algorithm using optimal parameters and movement status awareness"", 《MEDICAL ENGINEERING & PHYSICS 33 (2011)》 * |
王龙: ""基于航迹推算的井下人员定位关键算法研究"", 《万方学位论文库》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168485B (zh) * | 2016-07-18 | 2019-09-10 | 北京方位捷讯科技有限公司 | 步行航迹数据推算方法及装置 |
CN106168485A (zh) * | 2016-07-18 | 2016-11-30 | 北京方位捷讯科技有限公司 | 步行航迹数据推算方法及装置 |
CN106500690A (zh) * | 2016-09-22 | 2017-03-15 | 中国电子科技集团公司第二十二研究所 | 一种基于多模态融合的室内自主定位方法和装置 |
CN106500690B (zh) * | 2016-09-22 | 2019-07-09 | 中国电子科技集团公司第二十二研究所 | 一种基于多模态融合的室内自主定位方法和装置 |
CN106705968A (zh) * | 2016-12-09 | 2017-05-24 | 北京工业大学 | 基于姿态识别和步长模型的室内惯性导航算法 |
CN108507567A (zh) * | 2017-02-24 | 2018-09-07 | 高德信息技术有限公司 | 姿态四元数确定方法、装置及用户朝向确定方法、装置 |
CN108507567B (zh) * | 2017-02-24 | 2020-07-10 | 阿里巴巴(中国)有限公司 | 姿态四元数确定方法、装置及用户朝向确定方法、装置 |
CN107727110A (zh) * | 2017-09-11 | 2018-02-23 | 上海斐讯数据通信技术有限公司 | 一种步数的统计方法及装置 |
WO2019047410A1 (zh) * | 2017-09-11 | 2019-03-14 | 上海斐讯数据通信技术有限公司 | 一种步数的统计方法及装置 |
CN108180923A (zh) * | 2017-12-08 | 2018-06-19 | 北京理工大学 | 一种基于人体里程计的惯性导航定位方法 |
CN108180923B (zh) * | 2017-12-08 | 2020-10-20 | 北京理工大学 | 一种基于人体里程计的惯性导航定位方法 |
CN108444473A (zh) * | 2018-03-20 | 2018-08-24 | 南京华苏科技有限公司 | 一种行人室内轨迹定位方法 |
CN108444473B (zh) * | 2018-03-20 | 2020-08-28 | 南京华苏科技有限公司 | 一种行人室内轨迹定位方法 |
CN109579832A (zh) * | 2018-11-26 | 2019-04-05 | 重庆邮电大学 | 一种人员高度自主定位算法 |
CN109579832B (zh) * | 2018-11-26 | 2022-12-27 | 重庆邮电大学 | 一种人员高度自主定位算法 |
CN109540143A (zh) * | 2018-11-27 | 2019-03-29 | 中国广核电力股份有限公司 | 多传感源动态峰值融合的行人非常规动作方向识别方法 |
CN109540143B (zh) * | 2018-11-27 | 2022-12-02 | 中国广核电力股份有限公司 | 多传感源动态峰值融合的行人非常规动作方向识别方法 |
CN110207704A (zh) * | 2019-05-21 | 2019-09-06 | 南京航空航天大学 | 一种基于建筑楼梯场景智能识别的行人导航方法 |
CN110207704B (zh) * | 2019-05-21 | 2021-07-13 | 南京航空航天大学 | 一种基于建筑楼梯场景智能识别的行人导航方法 |
CN111728618A (zh) * | 2020-05-21 | 2020-10-02 | 深圳市千手千眼科技有限公司 | 一种人员定位人体运动步态检测方法 |
CN113686335A (zh) * | 2021-06-10 | 2021-11-23 | 上海奥欧智能科技有限公司 | 通过一维卷积神经网用imu数据进行精确室内定位的方法 |
CN113790722A (zh) * | 2021-08-20 | 2021-12-14 | 北京自动化控制设备研究所 | 一种基于惯性数据时频域特征提取的行人步长建模方法 |
CN113790722B (zh) * | 2021-08-20 | 2023-09-12 | 北京自动化控制设备研究所 | 一种基于惯性数据时频域特征提取的行人步长建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105628027B (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105628027A (zh) | 一种基于mems惯性器件的室内环境精确实时定位方法 | |
CN109891049B (zh) | 对机具进行增量轨迹估计的系统、介质和方法 | |
CN102768361A (zh) | 基于遗传粒子滤波与模糊神经网络的gps/ins组合定位方法 | |
CN104713554A (zh) | 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 | |
CN108957510B (zh) | 基于惯性/零速/gps的行人无缝组合导航定位方法 | |
US20140316708A1 (en) | Oriented Wireless Structural Health and Seismic Monitoring | |
CN104596504A (zh) | 应急救援场景下快速构建地图辅助室内定位方法及系统 | |
CN103616030A (zh) | 基于捷联惯导解算和零速校正的自主导航系统定位方法 | |
CN103968827A (zh) | 一种可穿戴式人体步态检测的自主定位方法 | |
CN105043385A (zh) | 一种行人自主导航定位的自适应卡尔曼滤波方法 | |
CN104613965B (zh) | 一种基于双向滤波平滑技术的步进式行人导航方法 | |
EP2386828A1 (en) | Method and system for detection of a zero velocity state of an object | |
CN105865450A (zh) | 一种基于步态的零速更新方法及系统 | |
CN109470238A (zh) | 一种定位方法、装置和移动终端 | |
CN107490378A (zh) | 一种基于mpu6050与智能手机的室内定位与导航的方法 | |
Woyano et al. | Evaluation and comparison of performance analysis of indoor inertial navigation system based on foot mounted IMU | |
CN104515527A (zh) | 一种无gps信号环境下的抗粗差组合导航方法 | |
CN111335879B (zh) | 一种钻孔轨迹测量装置 | |
CN104197935A (zh) | 一种基于移动智能终端的室内定位方法 | |
CN103217154A (zh) | 一种煤矿井下人员定位方法及装置 | |
CN104897158A (zh) | 一种步行者室内双层定位方法及系统 | |
CN106153069A (zh) | 自主导航系统中的姿态修正装置和方法 | |
CN110672095A (zh) | 一种基于微惯导的行人室内自主定位算法 | |
CN112066980B (zh) | 一种基于人体四节点运动约束的行人导航定位方法 | |
CN102721416B (zh) | 一种定位的方法和移动终端 |
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 |