CN106643724B - 基于地图信息和位置自适应修正的粒子滤波室内定位方法 - Google Patents
基于地图信息和位置自适应修正的粒子滤波室内定位方法 Download PDFInfo
- Publication number
- CN106643724B CN106643724B CN201611007033.4A CN201611007033A CN106643724B CN 106643724 B CN106643724 B CN 106643724B CN 201611007033 A CN201611007033 A CN 201611007033A CN 106643724 B CN106643724 B CN 106643724B
- Authority
- CN
- China
- Prior art keywords
- particle
- moment
- target
- axis component
- formula
- 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.)
- Active
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
Abstract
一种基于地图信息和位置自适应修正的粒子滤波室内定位方法包括:粒子初始化,指定粒子携带的状态信息;粒子传播,根据航位推算公式计算下一时刻粒子的状态向量;粒子更新,判断粒子传播过程中是否与地图中的障碍物相交,如果存在相交则该粒子灭亡;目标位置确定,根据粒子更新后存活的粒子所在位置的加权和来确定目标的最终位置;粒子重采样和位置自适应修正,采用随机采样方法在存活粒子中随机选取粒子作为补偿粒子,对补偿粒子的生成位置做自适应调整,从而对目标位置进行修正。本发明减小了位置更新过程中的累积误差,有效的提高了定位精度。
Description
技术领域
本发明涉及目标定位、目标跟踪等领域,尤其涉及基于智能移动设备的室内定位领域。
背景技术
随着智慧城市、移动互联网、智能移动设备等技术的发展,作为这些领域的共性技术——位置服务显得尤为重要。同时,人们对室内定位的需求日益增加,如何通过有效的技术手段来实现室内精确定位已经成为亟待解决的问题。
行人航位推算(Pedestrian Dead Reckoning,PDR)是近些年室内定位领域的研究热点,它是通过采集高精度传感器数据,以计步检测和航向估计为基础,从已知起始位置进行航位推算的目标定位技术。PDR在没有GPS信号的室内也能正常运用,因此广泛应用于室内定位。但是,PDR的定位误差会随着时间而累积,在使用一定时间后,PDR会出现误差逐步增大,定位精度逐步下降的问题。由于在室内进行目标定位,目标的移动受到建筑物的墙壁等障碍物的约束,因此,一种有效遏制累积误差的方法是利用已知的室内地图信息在定位过程中进行地图匹配来提高定位精度。粒子滤波是一种基于粒子仿真的概率估计算法,其核心思想是通过计算一组随机样本的蒙特卡洛估计来表征待估计的后验概率分布,因此,被广泛应用于定位系统中。粒子实际就是对状态空间中未知或者隐藏状态的采样。在定位系统中,一个粒子就表征目标一个可能的位置,当粒子数量足够大时,粒子极大概率出现在目标正确的位置上。
发明内容
为了克服当前的航位推算室内定位算法误差会随着时间累积导致定位精度随时间下降、定位精度较低的不足,本发明提出一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,在定位过程中使用地图信息,在粒子滤波算法中对补偿粒子的位置进行自适应调整,从而修正目标位置,减小位置更新过程中的误差,可有效克服航位推算算法的累积误差,提高定位精度。
本发明解决其技术问题所采用的技术方案是:
一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,包括以下步骤:
步骤1,粒子初始化为指定粒子携带的状态信息为其中是初始时刻t0第i个粒子的状态向量,分别是时刻t0第i个粒子的横坐标、纵坐标和权重,初始权重设为1,N是粒子数量,是由目标初始位置加上偏移量得到,偏移量服从均值为0,方差为σ2的高斯分布;
步骤2,粒子传播,根据式(1)由k-1时刻粒子状态向量Sk-1计算出粒子在k时刻的状态向量Sk,其中是k时刻第i个粒子的坐标,是k-1时刻第i个粒子的坐标,Lk-1是k-1时刻目标的行进步长,Lk是k时刻目标的行进步长,由式(2)计算得到,其中α,β是步长模型参数,是在离线阶段根据已知步长和步频通过线性回归计算得到,freqk是k时刻的目标步频,根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到,是k时刻第i个粒子的航向,是k-1时刻第i个粒子的航向,由方向传感器采集得到;
Lk=α·freqk+β (2)
步骤3,粒子更新,判断粒子在传播过程中是否与地图中的墙壁等障碍物相交,如果存在相交则该粒子灭亡,权重置为0;
步骤4,目标位置确定,根据式(3)计算得到目标在k时刻的最终位置,其中(Xk,Yk)是k时刻由粒子滤波算法估算出的目标最终位置坐标,是k时刻第i个粒子的坐标,是k时刻第i个粒子的权重;
步骤5,粒子重采样和位置自适应修正,设步骤3中得到的存活粒子数为Ns,在存活的粒子中随机抽取N-Ns个粒子用于补偿损失的粒子;在粒子补偿时对补偿的粒子位置根据式(4)进行调整,其中是在k时刻随机抽取的存活粒子的位置坐标,是在k时刻补偿粒子的位置坐标,是k时刻的航向偏差修正参数,分别是的x轴分量和y轴分量,由式(5)计算得到,是k时刻重采样粒子i的位置偏移量,服从均值为0,方差为σ2的高斯分布,分别是的x轴分量和y轴分量;是k时刻存活粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量,是k-1时刻重采样后粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量;μk是k时刻的位置修正增益参数,由式(10)计算得到,其中表示
本发明的有益效果主要表现在:为了克服航位推算目标定位算法的累积误差,利用地图信息,在粒子重采样中对补偿粒子位置进行自适应调整,从而修正目标位置,减小了位置更新过程中的累积误差,有效的提高了定位精度。
附图说明
图1为本发明基于地图信息和位置自适应修正的粒子滤波室内定位方法的流程图。
图2为本发明方法和其他方法的室内定位效果比较图。
图3为本发明方法和其他方法的定位误差比较图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参照图1~图3,一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,在安卓手机平台上实施,采用手机平台的传感器采集到的数据做测试。目标在行进过程中,有两个传感器数据需要采集——加速度传感器数据和方向传感器数据。测试选择在一段长约53米的室内曲线型路段进行,路面宽约2.5米,路面两侧为墙壁。
加速度传感器数据处理包括采用波峰检测算法检测出目标行进步数,同时计算出实时的步频,用于航位推算系统中行进距离的计算;方向传感器数据用于估计目标行进方向。
为了克服现有航位推算的累积误差,本发明采用一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,可以根据定位误差自适应调整粒子位置来修正目标位置,得到更高的定位精度,简称为PA-PF。
该方法的步骤如下:
步骤1,初始化粒子为指定粒子携带的状态信息为其中是初始时刻t0第i个粒子状态向量,分别是时刻t0第i个粒子的横坐标、纵坐标和粒子权重,是由目标初始位置加上偏移量得到,偏移量服从均值为0,方差σ2=22的高斯分布;
取粒子数为N=200,初始权重设为1,每个粒子都代表用户一个可能的运动状态,也就是目标一个可能的位置;
步骤2,粒子传播,每个粒子根据航位推算公式,即通过步数和步长的乘积来获得目标的相对位移,根据式(1)由k-1时刻粒子状态向量Sk-1计算出粒子在k时刻的状态向量Sk;
其中,是k时刻第i个粒子的坐标,是k-1时刻第i个粒子的坐标;是k-1时刻第i个粒子的航向;Lk-1是k-1时刻目标的行进步长,Lk是k时刻目标的行进步长;由式(2)计算得到,其中α,β是步长模型参数,是在离线阶段根据已知步长和步频通过线性回归计算得到,freqk是k时刻的目标步频,根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到,是k时刻第i个粒子的航向,由方向传感器采集得到;
Lk=α·freqk+β (2)
步骤3,粒子更新,判断粒子传播的每一步中是否与地图中的障碍物相交,如果存在相交则该粒子灭亡,权重置为0;
步骤4,目标位置确定,根据式(3)通过存活的粒子所在位置的加权和来确定目标在k时刻的最终位置,其中(Xk,Yk)是k时刻目标由粒子滤波算法估算出的最终位置的坐标,是k时刻第i个粒子的坐标,是k时刻第i个粒子的权重;
步骤5,粒子重采样和位置自适应修正,随着滤波时间的增加,由于粒子的灭亡会出现粒子退化现象,需要对其进行重采样,增加对精确定位更加可靠的粒子数;
本发明采用随机采样方法,设粒子更新中得到的存活粒子数为Ns,从存活下来的粒子中随机选取N-Ns个粒子用于补偿损失的粒子,在对粒子补偿过程中根据粒子灭亡的情况通过式(4)对补偿粒子的生成位置做自适应调整,从而对目标位置进行修正;
其中,是在k时刻随机抽取的存活粒子的位置坐标,是在k时刻补偿粒子的位置坐标,是k时刻的航向偏差修正参数,分别是的x轴分量和y轴分量,由式(5)计算得到,是k时刻重采样粒子i的位置偏移量,服从均值为0,方差为σ2的高斯分布,分别是的x轴分量和y轴分量;是k时刻存活粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量,是k-1时刻重采样后粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量;
μk是k时刻的位置修正增益参数,因为在不同时刻,不同路线下对重采样粒子进行位置调整的大小不同,所以在设定初始位置修正增益参数μ0=50后,在不同时刻根据实际情况自适应调整参数μk以达到最优修正;式(10)是参数自适应调整公式,其中表示
图2是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的室内定位效果比较图。由图2可以看出由于DR方法的定位误差会随着时间而累积,目标的移动轨迹随着时间的推移出现了较大的偏差,PF方法有效提高了定位精度,而PA-PF方法在PF方法上进行了改进,根据定位误差自适应调整粒子位置从而取得了更高的定位精度。图3是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的定位误差比较图。由图3中可以看出随着时间的推移,DR方法的平均误差不断累积增加,并且没有收敛,而PF方法和PA-PF方法的平均误差在整体上明显比DR方法的误差小得多,有明显的收敛趋势,即使在局部增大到一个程度,也会在后期渐渐收敛到一个较低的误差,且PA-PF方法比PF方法的误差更小,具有更优的定位效果。表1是使用航位推算(DR)方法、粒子滤波(PF)方法和本发明基于地图信息和位置自适应修正的粒子滤波室内定位(PA-PF)方法的平均误差比较,可以看出,本发明方法较其他方法有效的提高了定位精度。
表1
显而易见,在不偏离本发明的真实精神和范围的前提下,在此描述下的本发明可以有许多变化。因此,所有对于本领域技术人员来说一些显而易见的改变,都应包括在本权利要求书所涵盖的范围之内。本发明所要求保护的范围仅由所述的权利要求书进行限定。
Claims (1)
1.一种基于地图信息和位置自适应修正的粒子滤波室内定位方法,其特征在于:所述定位方法包括以下步骤:
步骤1,粒子初始化为指定粒子携带的状态信息为其中是初始时刻t0第i个粒子的状态向量,分别是时刻t0第i个粒子的横坐标、纵坐标和权重,初始权重设为1,N是粒子数量,是由目标初始位置加上偏移量得到,偏移量服从均值为0,方差为σ2的高斯分布;
步骤2,粒子传播,根据式(1)由k-1时刻粒子状态向量Sk-1计算出粒子在k时刻的状态向量Sk,其中是k时刻第i个粒子的坐标,是k-1时刻第i个粒子的坐标,Lk-1是k-1时刻目标的行进步长,Lk是k时刻目标的行进步长,由式(2)计算得到,其中α,β是步长模型参数,是在离线阶段根据已知步长和步频通过线性回归计算得到,freqk是k时刻的目标步频,根据目标行进过程中采集到的加速度传感器数据通过波峰检测算法计算得到,是k时刻第i个粒子的航向,是k-1时刻第i个粒子的航向,由方向传感器采集得到;
Lk=α·freqk+β (2)
步骤3,粒子更新,判断粒子在传播过程中是否与地图中的墙壁障碍物相交,如果存在相交则该粒子灭亡,权重置为0;
步骤4,目标位置确定,根据式(3)计算得到目标在k时刻的最终位置,其中(Xk,Yk)是k时刻由粒子滤波算法估算出的目标最终位置坐标,是k时刻第i个粒子的坐标,是k时刻第i个粒子的权重;
步骤5,粒子重采样和位置自适应修正,设步骤3中得到的存活粒子数为Ns,在存活的粒子中随机抽取N-Ns个粒子用于补偿损失的粒子;在粒子补偿时对补偿的粒子位置根据式(4)进行调整,其中是在k时刻随机抽取的存活粒子的位置坐标,是在k时刻补偿粒子的位置坐标,是k时刻的航向偏差修正参数,分别是的x轴分量和y轴分量,由式(5)计算得到,是k时刻重采样粒子i的位置偏移量,服从均值为0,方差为σ2的高斯分布,分别是的x轴分量和y轴分量;是k时刻存活粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量,是k-1时刻重采样后粒子位置距离目标位置的平均偏移量,分别是的x轴分量和y轴分量;μk是k时刻的位置修正增益参数,由式(10)计算得到,其中表示
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007033.4A CN106643724B (zh) | 2016-11-16 | 2016-11-16 | 基于地图信息和位置自适应修正的粒子滤波室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007033.4A CN106643724B (zh) | 2016-11-16 | 2016-11-16 | 基于地图信息和位置自适应修正的粒子滤波室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106643724A CN106643724A (zh) | 2017-05-10 |
CN106643724B true CN106643724B (zh) | 2019-07-05 |
Family
ID=58806066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611007033.4A Active CN106643724B (zh) | 2016-11-16 | 2016-11-16 | 基于地图信息和位置自适应修正的粒子滤波室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106643724B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107148000B (zh) * | 2017-05-15 | 2019-07-05 | 武汉星巡智能科技有限公司 | 无人飞行器室内定位数据处理方法及装置 |
CN111578938B (zh) * | 2019-02-19 | 2022-08-02 | 珠海格力电器股份有限公司 | 目标物的定位方法及装置 |
CN110763236A (zh) * | 2019-10-28 | 2020-02-07 | 杭州电子科技大学 | 基于最小二乘的地图匹配定位优化方法 |
CN112762928B (zh) * | 2020-12-23 | 2022-07-15 | 重庆邮电大学 | 含有激光slam的odom与dm地标组合移动机器人及导航方法 |
CN113155131B (zh) * | 2021-04-14 | 2022-06-17 | 浙江工业大学 | 一种基于粒子滤波的iBeacon和PDR融合室内定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043150A (zh) * | 2010-12-06 | 2011-05-04 | 电子科技大学 | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 |
CN103791906A (zh) * | 2014-02-21 | 2014-05-14 | 南京北大工道创新有限公司 | 一种基于室内定位装置的室内定位位置校正方法 |
CN103925923A (zh) * | 2014-05-07 | 2014-07-16 | 南京大学 | 一种基于自适应粒子滤波器算法的地磁室内定位系统 |
CN104796866A (zh) * | 2015-05-06 | 2015-07-22 | 北京我联科技有限公司 | 室内定位方法和装置 |
CN105451330A (zh) * | 2014-09-25 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 基于电磁信号的移动终端定位方法及其装置 |
CN105865448A (zh) * | 2016-03-18 | 2016-08-17 | 常州大学 | 一种基于imu的室内定位方法 |
CN106017473A (zh) * | 2016-05-19 | 2016-10-12 | 中国地质大学(武汉) | 一种室内社交导航系统 |
-
2016
- 2016-11-16 CN CN201611007033.4A patent/CN106643724B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043150A (zh) * | 2010-12-06 | 2011-05-04 | 电子科技大学 | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 |
CN103791906A (zh) * | 2014-02-21 | 2014-05-14 | 南京北大工道创新有限公司 | 一种基于室内定位装置的室内定位位置校正方法 |
CN103925923A (zh) * | 2014-05-07 | 2014-07-16 | 南京大学 | 一种基于自适应粒子滤波器算法的地磁室内定位系统 |
CN105451330A (zh) * | 2014-09-25 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 基于电磁信号的移动终端定位方法及其装置 |
CN104796866A (zh) * | 2015-05-06 | 2015-07-22 | 北京我联科技有限公司 | 室内定位方法和装置 |
CN105865448A (zh) * | 2016-03-18 | 2016-08-17 | 常州大学 | 一种基于imu的室内定位方法 |
CN106017473A (zh) * | 2016-05-19 | 2016-10-12 | 中国地质大学(武汉) | 一种室内社交导航系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106643724A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106643724B (zh) | 基于地图信息和位置自适应修正的粒子滤波室内定位方法 | |
TWI485421B (zh) | 圖資校正裝置、系統和方法 | |
CN103884337B (zh) | 多姿态步距校正定位系统与方法 | |
CN106031263A (zh) | 用于位置估计的方法及系统 | |
CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
US9763219B2 (en) | Method of estimating position of user device | |
CN106767828A (zh) | 一种手机室内定位解决方法 | |
CN108844533A (zh) | 一种基于多传感器融合和姿态解算的自由姿态pdr定位方法 | |
EP2489000A1 (en) | Method and apparatus for identification of points of interest within a predefined area | |
CN105004340A (zh) | 结合惯性导航技术和指纹定位技术的定位误差修正方法 | |
TWI442019B (zh) | 位置估測系統、裝置及其估測方法 | |
CN109141427A (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
CA3125501A1 (en) | Method and system for tracking a mobile device | |
CN109579824A (zh) | 一种融入二维码信息的自适应蒙特卡诺定位方法 | |
CN109506653A (zh) | Nlos环境下基于改进粒子滤波的室内定位行人方法 | |
CN109827568A (zh) | 基于mems传感器的多层建筑中行人高度位置估计方法 | |
CN102034030A (zh) | 一种多机器人系统合作定位危险气味源方法 | |
CN113074739A (zh) | 基于动态鲁棒容积卡尔曼的uwb/ins融合定位方法 | |
CN106525043A (zh) | 一种智能路线规划方法 | |
CN106643711A (zh) | 一种基于手持设备的室内定位方法及系统 | |
CN106767821A (zh) | 一种基于粒子滤波的地图匹配定位方法及系统 | |
CN108345823A (zh) | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 | |
WO2005038478A2 (en) | Constrained tracking of ground objects using regional measurements | |
CN103491591A (zh) | 无线传感器网络复杂区域划分方法和节点定位方法 | |
CN105022055A (zh) | 一种imu室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |