CN106767770B - 一种基于便携智能设备的用户行走方向检测与追踪方法 - Google Patents
一种基于便携智能设备的用户行走方向检测与追踪方法 Download PDFInfo
- Publication number
- CN106767770B CN106767770B CN201611090195.9A CN201611090195A CN106767770B CN 106767770 B CN106767770 B CN 106767770B CN 201611090195 A CN201611090195 A CN 201611090195A CN 106767770 B CN106767770 B CN 106767770B
- Authority
- CN
- China
- Prior art keywords
- vector
- coordinate system
- walking
- acceleration vector
- direction vector
- 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 abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 116
- 230000001133 acceleration Effects 0.000 claims abstract description 69
- 230000005484 gravity Effects 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000012935 Averaging Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
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
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- 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
- G01C21/165—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 combined with non-inertial navigation instruments
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于便携智能设备的用户行走方向检测与追踪方法，先通过智能设备获取加速度向量和磁场方向向量，估计重力加速度向量；确定地理坐标系；再根据获取的加速度向量进行迈步检测，得到一步的速度向量；再将速度向量投影到估计的重力加速度向量确定的平面上，得到智能设备坐标系下的行走方向向量；最后将得到的行走方向向量和地理坐标系的转置矩阵相乘并积分，得到用户的行走轨迹。本发明能够随便放置便携智能设备，均可以达到良好的效果，在无磁场干扰的情况下具有很高准确率，不用以特定方式放置便携智能设备，可将便携智能设备放置在如衣兜、裤兜、手持等任意位置，在低能耗的基础上，拥有较高的行走检测和追踪精度。
Description
【技术领域】
本发明属于移动计算技术领域，涉及一种运动追踪方法，具体来说是一种基于便携智能设备的用户行走方向检测与追踪方法。
【背景技术】
用户行走方向检测与追踪在室内定位和行为检测等领域中具有重要的意义。它涉及到室内定位、导航、行为分析等多个领域，存在多个技术难点。如果能够实时检测与追踪用户的行走方向，这将对室内定位技术以及其它相关的应用领域，例如室内引导、行为监控等产生重要意义。
现阶段的用户行走方向检测与追踪技术主要有三种方式：(1)利用图像技术追踪的方法，(2)利用GPS和其他室内定位技术的方法，(3)利用智能设备上的传感器的办法。方式1要求特定的实验场景，或要求用户穿戴特定的设备，以及高分辨率摄像机的部署，还要求大量的计算；方式2的GPS技术要求室外空旷环境，并且定位精度较低。而其他室内定位技术则要求专用设备，或大量基础设施的部署以得到较高的精度。
随着智能手机、智能手表等便携智能设备的发展，利用智能设备上的传感器进行用户行走方向检测与追踪的方法也不断涌现，主要分为两类，包括基于惯性导航的方法(inertial-based)，基于磁场传感器的方法(magnetic sensor-based)。
基于惯性导航的方法主要利用了便携式智能设备上的加速度传感器和数字陀螺仪。利用加速度传感器获取的加速度值和数字陀螺仪获取的角加速度值，即可通过积分的方式来推算用户的运动轨迹。常用的方法有基于Kalman滤波器的传感器数据融合的方法，即通过陀螺仪数据来修正加速度传感器的误差。但由于一般的商用便携式智能设备的传感器存在较大的误差，此方法的累积误差会迅速增大，从而只适用于短时间内的追踪，长时间可用性差。
基于磁场传感器的方法是通过便携式智能设备上的磁场传感器来获取地磁北的方向。此方法的优点是可以直接在地理坐标系中获得用户的行走方向；再辅助以惯性导航方法，即可将用户运动轨迹直接表示在地理坐标系中。然而此方法首先容易受到金属物体和其他磁性物体的干扰；其次是用户必须以特定方式持握便携式智能设备，使智能设备坐标系和地理坐标系保持一个特定的关系，才能进行有效的追踪。
综上，现阶段方法的缺陷主要包括：
1、需要用户使用特定设备以及摄像机采集图像，运算量大，通用性差；
2、对用户所处的环境有特定要求，例如GPS信号，室内定位设施部署；
3、惯性导航方法长时间追踪会有非常大的误差；
4、需要用户以特定姿势或特定位置放置便携式智能设备，而不能以任意方式无约束地检测和追踪用户行走方向。
【发明内容】
本发明所要解决的技术问题在于针对上述现有技术中的不足，提出了一种基于便携智能设备的用户行走方向检测与追踪方法，该方法能够准确、稳定、高效的对用户行走方向进行检测和追踪。
本发明采用以下技术方案：
一种基于便携智能设备的用户行走方向检测与追踪方法，包括如下步骤：
S1:通过智能设备获取加速度向量和磁场方向向量，对加速度向量进行缓存处理，估计重力加速度向量G；
S2：根据步骤S1估计的重力加速度向量和磁场方向向量确定地理坐标系GCS；
S3：根据步骤S1获取的加速度向量进行迈步检测，得到一步的速度向量；
S4:将步骤S2得到的速度向量投影到步骤S1估计的重力加速度向量确定的平面上，得到智能设备坐标系下的行走方向向量VLC；
S5：将步骤S3得到的行走方向向量VLC和步骤S2得到的地理坐标系GCS的转置矩阵相乘并积分，得到用户的行走轨迹。
进一步的，步骤S1中，所述重力加速度向量的估计是采用FIFO存取方式在200个加速度向量缓存后进行平均处理后得到。
进一步的，步骤S2中，所述地理坐标系GCS的确定包括如下步骤：
S21：根据S1估计的重力加速度向量G确定与G垂直的行走平面；
S22：将磁感应传感器获取的磁场方向向量投影到所述行走平面，得到地磁北方向向量N；
S23：将重力加速度向量G与S42得到的地磁北方向向量N进行叉积，得到地理东方向向量E；
S24：将重力加速度向量G反向，得到地理正上方向向量-G；
S25：将以上步骤得到的地理东方向向量E、地磁北方向向量N和地理正上方向向量-G单位化并按列组合成地理坐标系矩阵[E,N,-G]T，得到从智能设备坐标系到地理坐标系GCS为：
进一步的，步骤S3中，所述迈步检测包括如下步骤：
S31：将加速度传感器获取的加速度向量进行处理，得到用于检测的标量S；
S32：将步骤S31得到的S值进行平滑处理并缓存；
S33：对步骤S32缓存的一系列S值进行满足阈值threshold和间隔minTime的峰值检测，检测到的峰值点即为上一次迈步的结束点和本次迈步的起始点。
进一步的，所述标量S具体为：
S＝a·G-||G||2
其中，a是加速度向量，G是步骤S1得到的重力加速度向量。
进一步的，所述平滑处理采用FIFO存取方式，对50个所述标量S取平均值，满足阈值threshold＝25和间隔minTime＝3的峰值点为上一次迈步的结束点和本次迈步的起始点，将检测得到的两步之间的加速度向量从步骤1的缓存中取出，按时间进行积分，得到这一步的速度向量。
进一步的，所述步骤S5具体为：
VGC＝GCST·VLC
其中，VGC为智能设备在地理坐标系下的行走方向向量，GCST为GCS的转置矩阵。
进一步的，对所述VGC进行时间积分，得到用户这一步的位移向量，根据这些位移向量得到用户在地理坐标系下的行走轨迹。
与现有技术相比，本发明至少具有以下有益效果：
目前的基于图像的技术需要摄像机；其他的室内定位技术也需要部署基础设施：例如蓝牙定位、Wifi定位、基于可见光通信的定位等。本发明不需要特定设备和基础设置，仅利用智能设备内的传感器来实现，步骤S1中的加速度传感器和步骤S2中的磁场传感器。不需要任何特定设备和基础设施，仅需要便携式智能设备，如智能手机、智能手表等即可完成行走方向检测与追踪。
进一步的，定位技术中有很多依赖于GPS进行定位，而GPS模块相比加速度计和磁场传感器能耗极高。本发明首先不使用GPS模块，而且在步骤S5中，利用了地理坐标系矩阵的数学性质来减少运算量，本发明的其他数据处理都是极为简单的，步骤S1中的取平均值，不需要GPS等高功耗模块，也不需要大量运算。
进一步的，由于智能设备有自己的坐标系(对于通常的智能手机来讲，通常为z轴垂直于设备的正上面，y轴平行于设备长轴的右手系)，而传感器获取得到的坐标显然是智能设备坐标系内的，因此通常需要用户将智能设备坐标系和地理坐标系部分或完全重合才能工作。如果我们能确定地理坐标系在智能设备坐标系内的表示，则可以进行坐标变换，这与智能设备自身的姿态无关，本发明在步骤S2内就是确定地理坐标系的过程，步骤S4的行走向量是智能设备坐标系内的，然后通过步骤S5变换到地理坐标系，这与设备自身的姿态无关，不需要使用者用特定方式放置智能设备，使用者可将智能设备如智能手机、智能手表等完全按照他们日常的使用习惯使用也可正常工作。
综上所述，本发明运算量低，能为便携智能设备节约能量，本发明不需要使用者以特定方式放置便携智能设备，我们让试验者以任意方式放置便携智能设备进行行走，均可以达到良好的效果，在无磁场干扰的情况下具有很高准确率，不需要使用者以特定方式放置便携智能设备，使用者可将便携智能设备放置在如衣兜、裤兜、手持等的任意位置上。本发明能在低能耗的基础上，拥有较高的行走检测和追踪精度。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
【附图说明】
图1为通过加速度传感器采集到的三轴加速度值和重力估计的结果；
图2为S值和对S值序列进行迈步检测后的结果；
图3为地理坐标系的获取过程，其中，(a)是行走平面和磁场传感器获取的磁场向量示意图，(b)是磁场向量投影到行走平面得到地磁北向量的示意图，(c)是将重力加速度向量和地磁北向量进行叉积得到地理坐标系的示意图；
图4为实验中行人实际行走路径和本发明追踪得到路径的对比图。
【具体实施方式】
本发明提出的一种基于便携智能设备的用户行走方向检测与追踪方法，能够根据智能设备上的加速度传感器和磁场传感器的数据实时检测与追踪使用者的行走方向。对传感器数据(可以是智能设备实时收集的，也可以是事先采集好的)进行处理：依次重复执行步骤S1到步骤S5，并将结果实时显示。具体步骤如下：
步骤S1：对智能设备加速度传感器获取的加速度向量进行缓存和处理，估计重力加速度向量，具体如下：
请参阅图1所示，将加速度传感器获取得到的加速度向量和时间进行缓存：缓存容量大小为200，缓存存取方式采用FIFO方式，重力加速度向量的值是缓存内的向量值进行平均的结果。
步骤S2：根据步骤S1估计的重力加速度向量确定和磁感应传感器获取的磁场向量确定地理坐标系，请参阅图3所示，具体包括以下步骤：
步骤S21：根据步骤S1估计的重力加速度向量G确定与G垂直的行走平面，如图3(a)中，Estimated G为步骤S1估计的重力加速度向量G；-G为G的反向；Walking Plane即为与G垂直的平面，也就是用户的行走平面；
步骤S22：将磁感应传感器获取的磁场方向向量Mag Sensor Reading如图3(a)投影到行走平面Walking Plane，得到地磁北方向向量N，如图3(b)；
步骤S23：将步骤S1估计的重力加速度向量G与步骤S22得到的地磁北方向向量N进行叉积，得到地理东方向向量E，如图3(c)；
步骤S24：将步骤S1估计的重力加速度向量G进行反向，得到地理正上方向向量-G；
步骤S25：将步骤上S23得到的地理东方向向量E，步骤S22得到的地磁北方向向量N，步骤S24得到的地理正上方向向量-G均进行单位化，转化为行向量，然后按列组合成矩阵[E,N,-G]T，得到在智能设备坐标系下的地理坐标系矩阵GCS，如下所示：
对于迈步检测检测到的使用者的每一步之间的加速度数据依次进行处理。
步骤S3：对加速度传感器获取的加速度向量进行缓存和处理，进行迈步检测，请参阅图2所示，具体包括以下步骤：
步骤S31：将加速度传感器获取的加速度向量进行处理，得到用于检测的标量S。该步骤中，我们根据实验结果总结出如下经验公式对加速度向量a进行处理以获取S值：
S＝a·G-||G||2
其中，a是加速度向量，G是步骤S1得到的重力加速度向量；
步骤S32：将步骤S31得到的s值进行平滑处理并缓存，具体地：缓存容量为50，存取方式为FIFO，平滑处理的方式为这50个S值取平均；
步骤S33：对步骤S32缓存的一系列S值进行满足阈值threshold＝25和间隔minTime＝3的峰值检测，检测到的峰值点定义为上一次迈步的结束点和本次迈步的起始点。
将步骤S33迈步检测得到的两步之间的加速度向量从步骤S1的缓存中取出，按时间进行积分，得到这一步的速度向量；
步骤S4：将步骤S2得到的速度向量投影到步骤S1确定的行走平面，得到智能设备坐标系下的行走方向向量VLC；
步骤S5：将步骤S3得到的行走方向向量VLC左乘步骤S2生成的地理坐标系矩阵GCS的转置矩阵相乘并积分，得到地理坐标系下的行走方向向量，其原理和具体过程如下：
首先，地理坐标系坐标和智能设备坐标系坐标满足如下关系：
GCSGC＝I·LC
其中GCS是地理坐标系矩阵[E，N，-G]T的坐标变换矩阵，I是单位矩阵，GC是地理坐标系坐标，LC是GC在智能设备坐标系下的坐标，具体如下式：
我们的目的是求得智能设备坐标系下的行走方向向量VLC在地理坐标系下的表示VGC，因此只需要将智能设备坐标系下的向量VLC左乘地理坐标系矩阵GCS的逆矩阵GCS-1即可，如下式：
VGC＝GCS-1·VLC
该过程的运算量主要是对地理坐标系矩阵GCS进行求逆矩阵的过程，然而在我们获取该矩阵的步骤S25中，可以注意到该矩阵由3个单位向量组成，因此具有正交性，因此对其求逆矩阵的过程可以简化为对其求转置矩阵：
VGC＝GCST·VLC
而求转置矩阵的运算量则极小，因此能达到减少运算量的目的；由于本发明并不是直接使用智能设备坐标系获取的向量，而是使用了坐标变换，因此可以在智能设备的任意姿态下进行行走方向追踪。
将得到的用户行走一步的行走方向向量关于时间进行积分，即可得到用户这一步的位移向量；根据这些位移向量即可得到用户在地理坐标系下的行走轨迹。
如图4所示，x轴正方向为地理东方向，y轴正方向为地理北方向；带有箭头的线条是用户的实际行走轨迹；带有点的折线是本发明测得的用户行走轨迹，其中每个点表示用户的一步行走。从该图可以看出本发明具有较高的精度。
Claims (1)
1.一种基于便携智能设备的用户行走方向检测与追踪方法，其特征在于，包括如下步骤：
S1：通过智能设备获取加速度向量和磁场方向向量，对加速度向量进行缓存处理，估计重力加速度向量G，所述重力加速度向量的估计是采用FIFO存取方式在200个加速度向量缓存后进行平均处理后得到；
S2：根据步骤S1估计的重力加速度向量和磁场方向向量确定地理坐标系GCS，所述地理坐标系GCS的确定包括如下步骤：
S21：根据步骤S1估计的重力加速度向量G确定与G垂直的行走平面；
S22：将磁感应传感器获取的磁场方向向量投影到所述行走平面，得到地磁北方向向量N；
S23：将重力加速度向量G与步骤S22得到的地磁北方向向量N进行叉积，得到地理东方向向量E；
S24：将重力加速度向量G反向，得到地理正上方向向量-G；
S25：将以上步骤得到的地理东方向向量E、地磁北方向向量N和地理正上方向向量-G单位化并按列组合成地理坐标系矩阵[E,N,-G]T，得到在智能设备坐标系下的地理坐标系矩阵GCS为：
S3：根据步骤S1获取的加速度向量进行迈步检测，得到一步的速度向量，所述迈步检测包括如下步骤：
S31：将加速度传感器获取的加速度向量进行处理，得到用于检测的标量S具体为：
S＝a·G-||G||2
其中，a是加速度向量，G是步骤S1得到的重力加速度向量；
S32：将步骤S31得到的S值进行平滑处理并缓存，所述平滑处理采用FIFO存取方式，对50个所述标量S取平均值，满足阈值threshold＝25和间隔minTime＝3的峰值点为上一次迈步的结束点和本次迈步的起始点，将检测得到的两步之间的加速度向量从步骤S1的缓存中取出，按时间进行积分，得到这一步的速度向量；
S4：将步骤S3 得到的速度向量投影到步骤S1估计的重力加速度向量确定的平面上，得到智能设备坐标系下的行走方向向量VLC；
S5：将步骤S4 得到的行走方向向量VLC和步骤S2得到的地理坐标系GCS的转置矩阵相乘并积分，得到用户的行走轨迹，智能设备在地理坐标系下的行走方向向量VGC具体为：
VGC＝GCST·VLC
其中，GCST为GCS的转置矩阵，对所述VGC进行时间积分，得到用户这一步的位移向量，根据这些位移向量得到用户在地理坐标系下的行走轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611090195.9A CN106767770B (zh) | 2016-11-29 | 2016-11-29 | 一种基于便携智能设备的用户行走方向检测与追踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611090195.9A CN106767770B (zh) | 2016-11-29 | 2016-11-29 | 一种基于便携智能设备的用户行走方向检测与追踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106767770A CN106767770A (zh) | 2017-05-31 |
| CN106767770B true CN106767770B (zh) | 2020-06-19 |
Family
ID=58915422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611090195.9A Expired - Fee Related CN106767770B (zh) | 2016-11-29 | 2016-11-29 | 一种基于便携智能设备的用户行走方向检测与追踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106767770B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108627153B (zh) * | 2018-05-11 | 2022-06-07 | 南京大学 | 一种基于惯性传感器的刚体运动追踪系统及其工作方法 |
| CN110986941B (zh) * | 2019-11-29 | 2021-09-24 | 武汉大学 | 一种手机安装角的估计方法 |
| CN112509284B (zh) * | 2020-10-29 | 2022-11-15 | 石家庄铁道大学 | 一种地质灾害的监测与预警方法、装置及终端设备 |
| CN114779916B (zh) * | 2022-03-29 | 2024-06-11 | 杭州海康威视数字技术股份有限公司 | 一种电子设备屏幕唤醒方法、门禁管理方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103792386A (zh) * | 2013-11-21 | 2014-05-14 | 清华大学 | 一种步行方向检测方法和装置 |
| WO2015054702A1 (en) * | 2013-10-11 | 2015-04-16 | Imsi Design, Llc | Method for calibrating the physical position and orientation of an eletronic device using device sensors only |
| CN104964685A (zh) * | 2015-06-30 | 2015-10-07 | 广州市香港科大霍英东研究院 | 一种手机运动姿态的判定方法 |
| CN105674984A (zh) * | 2016-01-18 | 2016-06-15 | 上海交通大学 | 一种无约束使用移动终端获取行人前进方向的方法 |
| CN105758404A (zh) * | 2016-01-26 | 2016-07-13 | 广州市香港科大霍英东研究院 | 智能设备的实时定位方法及系统 |
-
2016
- 2016-11-29 CN CN201611090195.9A patent/CN106767770B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015054702A1 (en) * | 2013-10-11 | 2015-04-16 | Imsi Design, Llc | Method for calibrating the physical position and orientation of an eletronic device using device sensors only |
| CN103792386A (zh) * | 2013-11-21 | 2014-05-14 | 清华大学 | 一种步行方向检测方法和装置 |
| CN104964685A (zh) * | 2015-06-30 | 2015-10-07 | 广州市香港科大霍英东研究院 | 一种手机运动姿态的判定方法 |
| CN105674984A (zh) * | 2016-01-18 | 2016-06-15 | 上海交通大学 | 一种无约束使用移动终端获取行人前进方向的方法 |
| CN105758404A (zh) * | 2016-01-26 | 2016-07-13 | 广州市香港科大霍英东研究院 | 智能设备的实时定位方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 一张基于智能手机传感器的行人室内定位算法;周瑞等;《计算机工程》;20161115;第42卷(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106767770A (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106767770B (zh) | 一种基于便携智能设备的用户行走方向检测与追踪方法 | |
| Ban et al. | Indoor positioning method integrating pedestrian Dead Reckoning with magnetic field and WiFi fingerprints | |
| CN108844533B (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 | |
| CN111462231B (zh) | 一种基于rgbd传感器和imu传感器的定位方法 | |
| CN103791902B (zh) | 适用于高机动载体的星敏感器自主导航方法 | |
| US10652696B2 (en) | Method and apparatus for categorizing device use case for on foot motion using motion sensor data | |
| EP2946167A1 (en) | Method and apparatus for determination of misalignment between device and pedestrian | |
| US20200232796A1 (en) | Electronic apparatus and control method thereof | |
| CN104776846B (zh) | 移动装置和移动装置上的估计用户的运动方向的方法 | |
| US10533874B2 (en) | Inertial positioning and navigation device featuring a novel walk detection method | |
| Liu et al. | A novel heading estimation algorithm for pedestrian using a smartphone without attitude constraints | |
| CN110986941B (zh) | 一种手机安装角的估计方法 | |
| Kao et al. | Indoor navigation with smartphone-based visual SLAM and Bluetooth-connected wheel-robot | |
| Qian et al. | RPNOS: Reliable pedestrian navigation on a smartphone | |
| US20230258453A1 (en) | Indoor positioning with plurality of motion estimators | |
| Gadeke et al. | Pedestrian dead reckoning for person localization in a wireless sensor network | |
| CN111435083A (zh) | 行人航迹推算方法、导航方法及装置、手持终端及介质 | |
| Qian et al. | Optical flow based step length estimation for indoor pedestrian navigation on a smartphone | |
| TWI706295B (zh) | 用於確定軌跡的系統和方法 | |
| CN115540854A (zh) | 一种基于uwb辅助的主动定位方法、设备和介质 | |
| CN113390381B (zh) | 一种基于个人运动参考模板的传感器安装角估计方法 | |
| Brückner et al. | Evaluation of inertial sensor fusion algorithms in grasping tasks using real input data: Comparison of computational costs and root mean square error | |
| Wang et al. | Research on indoor localization algorithm based on WIFI signal fingerprinting and INS | |
| Wang et al. | A robust context-based heading estimation algorithm for pedestrian using a smartphone | |
| Yan et al. | PS-VINS: A Visual-Inertial SLAM System with Pedestrian Gait and Structural Constraints Using Smartphone Sensors |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200619 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |