CN107830862A - 一种基于智能手机的室内定位行人追踪的方法 - Google Patents
一种基于智能手机的室内定位行人追踪的方法 Download PDFInfo
- Publication number
- CN107830862A CN107830862A CN201710953172.4A CN201710953172A CN107830862A CN 107830862 A CN107830862 A CN 107830862A CN 201710953172 A CN201710953172 A CN 201710953172A CN 107830862 A CN107830862 A CN 107830862A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- msup
- mtd
- pedestrian
- 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.)
- Pending
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于智能手机的室内定位行人追踪的方法,包括以下步骤:(1)通过手机自带传感器初步确定位置及轨迹;(2)进行室内信息融合及预处理;(3)使用融合信息数据辅助初步定位位置信息;(4)将所有融合的信息,采用改进的均衡算法计算出精确直线轨迹,并使用改进算法修正行人在拐弯处角度误差,在整体上实现精准定位和追踪行人轨迹。本发明解决了目前室内信息部分融合的问题,集聚智能手机的功能通过改进的算法将室内所有信息进行巧妙的融合,提高了室内行人定位和轨迹的精确度,同时挖掘出现日常用品手机的功能运用到生活中,具有低消费,便捷的优点。
Description
技术领域
本发明涉及于室内行人定位和追踪技术领域,尤其涉及一种基于智能手机的室内定位行人追踪的方法。
背景技术
随着移动互联的发展,室内定位在生活中的应用越来越广。目前室内定位技术,经过多年的发展,主要采用无线通讯技术来实现,大体包括RFID、Wi-Fi、蓝牙、红外线、超声波以及超宽带。其中需要一提的是UWB定位技术,其精度可保持在0.1m·0.5m,但是它的缺点是开发成本过高,设备体积大,应用不广。蓝牙技术定位的优势是低功耗,设备小,精度只有3m~15m。RFID技术的主要缺点在于作用距离短,最长也就几十米。Wi-Fi定位技术应用比较广,但是它在楼层定位上容易出错,范围最大也只能有90m左右,精确度通常在10m左右。地磁定位优点是范围无限,但是精度需要看室内实际情况,最好情况下可以达到1m的精度。
目前很多室内定位技术都需要开发相关的硬件设备,往往都会有成本过高,维护复杂等缺点,这也阻碍了室内定位的推广。
发明内容
针对现有技术的不足,本发明所解决的问题是如何解决精准定位室内行人轨迹的同时且成本低的问题。
为解决上述技术问题,本发明采用的技术方案是一种基于智能手机的室内定位行人追踪的方法,包括以下步骤:
(1)通过手机自带传感器初步确定位置及轨迹;
(2)进行室内信息融合及预处理;
(3)使用融合信息数据辅助初步定位位置信息;
(4)将所有融合的信息,采用改进的均衡算法计算出精确直线轨迹,并使用改进算法修正行人在拐弯处角度误差,在整体上实现精准定位和追踪行人轨迹。
步骤(1)中,首先通过手机自带的加速度传感器采集到加速度计算出的三轴数据和则手机加速度计输出模值为利用动态精度法来判断行人运动状态;然后基于动态國值的步伐检测法,通过加速度数据来计算行人步伐,即A是否为局部峰值且大于动态阈值来判断目标是否跨步,若是则判定为目标跨步并完成步态检测;再采用自适应步伐长度算法得到行进距离;最后使用智能手机内置陀螺仪以及采用坐标系换算方法,推算出行人方向变化。
所述动态精度法具体如下:
式中,g为当地重力加速度的垂向分量;w为手机匀速旋转的角速率;
从而加速度的变化量为:
Δa=Δα(-cosαcos(β+γ)g)+Δβ(sinαsin(β+γ)g)+Δγ(sinαsin(β+γ)g
+w2Rcosγ)+2Δw(wRsinγ)+ΔR(w2Rsinγ)
所述坐标系换算方法具体如下:
载体与参考坐标系之间的坐标变换关系为:
四元数为q=q0+q1i+q2j+q3k;
从而,姿态旋转矩阵为:
最后得到目标航向角:
步骤(2)中:所述室内信息包括室内物质、钢筋混凝土结构中的钢铁等磁性物质和地磁影响的磁场信息,WiFi节点和ibeacon基站发送的蓝牙信息,所述预处理为对采集到的室内信息进行多级融合,所述室内信息融合及预处理,具体步骤如下:
1)进行磁场信息融合,基于改进惯导辅助MSD匹配算法,根据行人航位推算的结果进行地图匹配和位置校正;
2)进行WiFi节点信息融合,基于位置指纹识别算法,根据采集到的信号特征与数据库中储存的信息特征进行地图匹配和位置校正;
3)进行ibeacon基站发送的蓝牙信息融合,对采集到的蓝牙信号进行预处理提出数据特征进行地图匹配和位置校正;
4)进行压力传感器信息融合,在高楼里,压力传感器接收数据且对其进行预处理,根据气压规律和压力传感器原理,基于楼层定位算法,对压力传感器处理后的数据特征更新行人坐标,显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度。
步骤1)中,所述改进惯导辅助MSD匹配算法,具体如下:
不同经纬度和高度下地球表面地磁场强度不同,从而构成了不同经纬度和高度下的一种矢量特征,通过手机内置陀螺仪可以得到主地磁场Mz、地壳地磁场Md和干扰地磁场Mg;
根据手机加速度计获得3个线加速度数值,经过坐标变换,导航计算,可得到手机的位置、速度和姿态等导航信息;
手机陀螺仪传感器得到的磁场大小和方向的关系为
M(r,t)=Mz(r,t)+Md(r)+Mg(r,t)
令磁场投射的水平强度为H,磁偏角为磁倾角为φ,则
步骤4)中,所述压力传感器原理,具体如下:
基于气压测量,在重力场内大气压力随着目标高度的增加而减小,于是利用气压计测量的气压值通过变换可得到目标高度;
从而,重力势高度H<11km时,国际标准压高为:
其中,Ps为气压值;
目标高度h与重力势高度的对应关系为:
其中,R=6356.766km为地球公称半径;
由于R>>H,所以则h≈H;
室内行走情况具体来讲,平路行走的步长设定为0.68m,而上、下行楼梯的步长设定为一个台阶宽度;此外,由于压力传感器存在测量误差,所以估计得到的目标高度可能出现较大波动,且在同一位置不同时间测量的气压值也不尽相同;则利用气压计测量值来判断目标是否上下行楼梯,而目标的高度信息则通过台阶高度的累积运算得到,能很好的减小压力传感器存在的这一误差。
步骤(3)中:所述使用融合信息数据辅助初步定位位置信息,具体步骤如下:
1)融合信息数据:通过分析室内环境下无处不在的地磁信息的特点,构建室内地磁地图信息,再基于改进惯导辅助MSD匹配算法,根据行人航位推算的结果进行地图匹配和位置校正,提高行人定位和轨迹的精准度;室内存在WiFi信号,基于位置指纹识别算法,提出一种新的无线信号传播模型,能根据采集到的无线信号特征与数据库中储存的信号,辅助地磁和行人航位推算融合的结果,进一步加到定位和导航的精准度;手机的蓝牙功能也能通过ibeacon基站发送的信号再次融合,精准度最后一次得到提升,最后通过压力传感器采集到数据特征能够显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度,精准度也从从数轴上单个点的数据提高到二维坐标型数据;
2)采用决策级多模融合算法将多种室内信息能够完美的融合,同时在缺少部分室内信息的情况下,存在的其它室内信息也能够很好的转换形式进行新手的融合,从而在辅助手段上具有灵活、实用的优点,具体如下:
某一位置接收的信号强度与其所在的位置存在一定的映射关系为:
l=f(s)
基于该映射关系,在离线训练阶段,在空间中每一个坐标点采集多次AP信号数据,构成多个RSS向量r=(r1,r,…ri,…,rp);如果对每个坐标点的所有RSS向量的各分量分别求平均值,所得到的平均RSS向量值便可作为该点的特征值
其中rjk为rj的第k个分量,rik为ri第k个分量且满足,n为该坐标点采集的RSS向量总数;这样场景中每个坐标都可以得到一个这样的特征向量,而所有坐标的特征向量便可以构成指纹库从而建立相应的映射关系;
AP种类不止一种时,为了在决策级上进行多模融合,还需要对每个模型的定位结果加权求和;设第i类AP的定位结果为li=(xi,yi),多模融合后的定位结果为L=(X,Y),则可以根据以下公式进行决策级的融合:
其中wi是第i类AP定位结果的权值且∑wi=1,n为多模AP的总数。
步骤(4)中:在理想情况下,对于行人定位和导航系统来说,所有的信息融合能够使室内行人的定位和轨迹精准到毫无偏差,但是在日常生活中,物体信息的干扰,传感器自身的误差和在行走过程中手机的状态都会导致精准度发生变化,为了更大的减小这些外界条件所带来的误差,采取了一系列的技术手段,具体步骤如下:
1)在直线上行走:物体磁性的干扰信息,传感器自身的误差,在多级融合的技术手段处理下,在直线上行走的轨迹跟行人实际行走时相差无几,剩余的误差,在采取的改进的均衡算法下完全消除;
2)在拐弯、曲线路径处行走:在每一个拐角、有角度的路径处,手机自带的陀螺仪造成的误差相对来说很大,在这种很大的误差情况下,精确度极大的受到了影响,因为当行人走在曲线路径上时,由于陀螺仪的漂移误差累积,没有经过校正的陀螺仪数据导致了较大的返回位置误差,在走过较长一段距离时,就会产生较大的方向误差,为了消除这种累计产生的误差,采取的手段是在PSP算法的基础上进行了改进的均衡算法,使得行人在拐弯、曲线路径处行走时得到更好的定位效果与更高的定位精度。
所述改进的均衡算法具体如下:
先通过训练序列估计信道的参数,然后利用RLS算法对信道参数和输入数据的估计值同时进行逐幸存路径地更新;用与网格上每个状态对应的幸存序列来形成相应的误差信号,从而更新对应的信道估计值,此后,对于维特比算法在网格上的进一步搜索继续保持各自的信道估计值,即利用未知参数的估计值进行维特比搜索,从而使网格上的每个幸存路径都对应有一个信道估计值,有效地消除了由于延迟判决引入的估计误差,其步骤如下:首先对于所有可能的k时刻的状态转移Sk→Sk+1,每个状态的累积距离量度扩展到k+1时刻,然后对于每个状态,其相应的幸存路径同样扩展到k+1时刻,同时应用RLS算法来更新与幸存路径对应的信道参数,由于均衡算法将信道的估计值用于维特比算法,从而使信道的估计值能有效地跟踪信道的快速变化。
采用本发明技术方案能解决目前室内信息部分融合的问题,集聚智能手机的功能通过改进的算法将室内所有信息进行巧妙的融合,提高了室内行人定位和轨迹的精确度,同时挖掘出现日常用品手机的功能运用到生活中,具有低消费,便捷的优点。
附图说明
图1为本发明的流程图;
图2为室内行人定位和轨迹的追踪。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式作进一步的说明,但不是对本发明的限定。
实施例1:
本发明技术方案的主要思想是通过智能手机的自带功能来采集行人的各种信息,结合Wi-Fi,蓝牙和地磁的相关信息,通过融合均衡算法,巧妙的结合了各种定位信息,很大程度上提高了单一定位方法带来的定位精度不高的问题。同时挖掘了日常用品智能手机的功能,具有廉价,方便的特点,适应性和可靠性也都很高。
如图1所示,一种基于智能手机的室内定位行人追踪的方法流程,包括以下步骤:
步骤一:通过手机自带的Wi-Fi、蓝牙、加速度传感器、陀螺仪、压力传感器采集行人的第一手位置信息,为之后的算法处理提供处理信息。
步骤二:首先通过加速度传感器采集到的数据,利用动态精度法判断行人的运动状态,比如是在行走,跑步亦或是站立;接着基于动态阈值的步伐检测法,通过加速度数据来计算行人步伐;然后在自适应步伐长度算法的基础上得到行走距离;最后通过陀螺仪采集到的数据以及坐标系换算方法,推算出行人方向变化。
步骤三:由于磁场在室内容易受到建筑中各种物质的干扰,比如建筑中的钢筋,电脑等具有金属的物质,这些对于磁场的干扰都很大,所以在室内定位中采用多种信息综合定位,具有很大优势。在这步骤中,对Wi-Fi节点和ibeacon基站发送的蓝牙信息,采取相应的算法进行预处理,预处理为对采集到的室内信息进行多级融合,这样能根据具体室内信息相应的融合,达到相应的精准度。具体步骤如下:
1)磁场信息融合:基于改进惯导辅助MSD匹配算法,结合磁场传感器采集的数据和行人航位推算的结果进行位置校准。
2)Wi-Fi节点信息融合:基于位置指纹识别算法,根据采集到的信号特征与数据库中储存的信号特征进行地图匹配和位置校正。
3)ibeacon基站发送的蓝牙信息融合:对采集到的蓝牙信号进行预处理提出数据特征进行地图匹配和位置校正。
压力传感器信息融合:在高楼里,压力传感器接收数据且对其进行预处理,根据气压规律和压力传感器原理,基于楼层定位算法,对压力传感器处理后的数据特征更新行人坐标,显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度。
步骤四:结合前面的融合信息,已经可以初步追踪行人位置,但是还不能准确确定行人所在的楼层,在这个步骤融合压力传感器信息所采集到的数据,在高楼里,压力传感器接收数据且对其进行预处理,根据气压规律和压力传感器原理,基于楼层定位算法,对压力传感器处理后的数据特征更新行人坐标,显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度。
步骤五:综合之前步骤处理的所有数据,首先通过分析室内环境下的地磁信息的特点,构建室内地磁地图信息,在基于决策级多模融合算法下,将多种室内信息完美的融合起来,另外在缺少部分室内信息的情况下,存在的其它室内信息也能够很好的转换形式进行新手的融合,从而在辅助手段上具有灵活、实用的优点。另外,可以在不同场景下调整传感器信息在融合均衡中的比重,充分发挥所有传感器的优势,结合多种传感器的信息,使得精确度走在该领域的前沿,实际效果见图2。
采用本发明技术方案能解决目前室内信息部分融合的问题,集聚智能手机的功能通过改进的算法将室内所有信息进行巧妙的融合,提高了室内行人定位和轨迹的精确度,同时挖掘出现日常用品手机的功能运用到生活中,具有低消费,便捷的优点。
以上结合附图和实施例对本发明的实施方式做出了详细说明,但本发明不局限于所描述的实施方式。对于本领域技术人员而言,在不脱离本发明的原理和精神的情况下,对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (10)
1.一种基于智能手机的室内定位行人追踪的方法,其特征在于:包括以下步骤:
(1)通过手机自带传感器初步确定位置及轨迹;
(2)进行室内信息融合及预处理;
(3)使用融合信息数据辅助初步定位位置信息;
(4)将所有融合的信息,采用改进的均衡算法计算出精确直线轨迹,并使用改进算法修正行人在拐弯处角度误差,在整体上实现精准定位和追踪行人轨迹。
2.根据权利要求1所述的基于智能手机的室内定位行人追踪的方法,其特征在于:
步骤(1)中,首先通过手机自带的加速度传感器采集到加速度计算出三轴数据和则手机加速度计输出模值为利用动态精度法来判断行人运动状态;然后基于动态國值的步伐检测法,通过加速度数据来计算行人步伐,即A是否为局部峰值且大于动态阈值来判断目标是否跨步,若是则判定为目标跨步并完成步态检测;再采用自适应步伐长度算法得到行进距离;最后使用智能手机内置陀螺仪以及采用坐标系换算方法,推算出行人方向变化。
3.根据权利要求2所述的基于智能手机的室内定位行人追踪的方法,其特征在于:所述动态精度法具体如下:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<msub>
<mi>x</mi>
<mi>b</mi>
</msub>
</msub>
<mo>=</mo>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&alpha;</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mi>&beta;</mi>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>)</mo>
<mi>g</mi>
<mo>+</mo>
<msup>
<mi>w</mi>
<mn>2</mn>
</msup>
<mi>R</mi>
<mi> </mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&gamma;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<msub>
<mi>y</mi>
<mi>b</mi>
</msub>
</msub>
<mo>=</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&alpha;</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mi>&beta;</mi>
<mo>+</mo>
<mi>&gamma;</mi>
<mo>)</mo>
<mi>g</mi>
<mo>+</mo>
<msup>
<mi>w</mi>
<mn>2</mn>
</msup>
<mi>R</mi>
<mi> </mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&gamma;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<msub>
<mi>z</mi>
<mi>b</mi>
</msub>
</msub>
<mo>=</mo>
<mi>g</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,g为当地重力加速度的垂向分量;w为手机匀速旋转的角速率;
从而加速度的变化量为:
Δa=Δα(-cosαcos(β+γ)g)+Δβ(sinαsin(β+γ)g)+Δγ(sinαsin(β+γ)g+w2Rcosγ)+2Δw(wRsinγ)+ΔR(w2Rsinγ)。
4.根据权利要求2所述的基于智能手机的室内定位行人追踪的方法,其特征在于:所述坐标系换算方法具体如下:
载体与参考坐标系之间的坐标变换关系为:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>b</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>b</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mi>b</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<msup>
<msub>
<mi>T</mi>
<mi>n</mi>
</msub>
<mi>b</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>z</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
四元数为q=q0+q1i+q2j+q3k;
从而,姿态旋转矩阵为:
<mrow>
<msup>
<msub>
<mi>T</mi>
<mi>n</mi>
</msub>
<mi>b</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>+</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>-</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
最后得到目标航向角:
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<msub>
<mi>q</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>q</mi>
<mn>1</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>2</mn>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>q</mi>
<mn>3</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
5.根据权利要求1所述的基于智能手机的室内定位行人追踪的方法,其特征在于:步骤(2)中:所述室内信息包括室内物质、钢筋混凝土结构中的钢铁等磁性物质和地磁影响的磁场信息,WiFi节点和ibeacon基站发送的蓝牙信息,所述预处理为对采集到的室内信息进行多级融合,所述室内信息融合及预处理,具体步骤如下:
1)进行磁场信息融合,基于改进惯导辅助MSD匹配算法,根据行人航位推算的结果进行地图匹配和位置校正;
2)进行WiFi节点信息融合,基于位置指纹识别算法,根据采集到的信号特征与数据库中储存的信息特征进行地图匹配和位置校正;
3)进行ibeacon基站发送的蓝牙信息融合,对采集到的蓝牙信号进行预处理提出数据特征进行地图匹配和位置校正;
4)进行压力传感器信息融合,在高楼里,压力传感器接收数据且对其进行预处理,根据气压规律和压力传感器原理,基于楼层定位算法,对压力传感器处理后的数据特征更新行人坐标,显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度。
6.根据权利要求5所述的基于智能手机的室内定位行人追踪的方法,其特征在于:步骤1)中,所述改进惯导辅助MSD匹配算法,具体如下:
不同经纬度和高度下地球表面地磁场强度不同,从而构成了不同经纬度和高度下的一种矢量特征,通过手机内置陀螺仪可以得到主地磁场Mz、地壳地磁场Md和干扰地磁场Mg;
根据手机加速度计获得3个线加速度数值,经过坐标变换,导航计算,可得到手机的位置、速度和姿态等导航信息;
手机陀螺仪传感器得到的磁场大小和方向的关系为
M(r,t)=Mz(r,t)+Md(r)+Mg(r,t)
令磁场投射的水平强度为H,磁偏角为磁倾角为φ,则
<mrow>
<mi>M</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<msub>
<mi>M</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>M</mi>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>M</mi>
<mi>z</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<mi>H</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<msub>
<mi>M</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>M</mi>
<mi>y</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<mi>&phi;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mfrac>
<msub>
<mi>M</mi>
<mi>z</mi>
</msub>
<mi>H</mi>
</mfrac>
<mo>.</mo>
</mrow>
7.根据权利要求5所述的基于智能手机的室内定位行人追踪的方法,其特征在于:步骤4)中,所述压力传感器原理,具体如下:
基于气压测量,在重力场内大气压力随着目标高度的增加而减小,于是利用气压计测量的气压值通过变换可得到目标高度;
从而,重力势高度H<11km时,国际标准压高为:
<mrow>
<mi>H</mi>
<mo>=</mo>
<mn>44330.76</mn>
<mo>&lsqb;</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>P</mi>
<mi>s</mi>
</msub>
<mn>101.325</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mi>0</mi>
<mn>.190255</mn>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
其中,Ps为气压值;
目标高度h与重力势高度的对应关系为:
<mrow>
<mi>h</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>R</mi>
<mi>H</mi>
</mrow>
<mrow>
<mi>R</mi>
<mo>-</mo>
<mi>H</mi>
</mrow>
</mfrac>
</mrow>
其中,R=6356.766km为地球公称半径;
由于R>>H,所以则h≈H;
室内行走情况具体来讲,平路行走的步长设定为0.68m,而上、下行楼梯的步长设定为一个台阶宽度;此外,由于压力传感器存在测量误差,所以估计得到的目标高度可能出现较大波动,且在同一位置不同时间测量的气压值也不尽相同;则利用气压计测量值来判断目标是否上下行楼梯,而目标的高度信息则通过台阶高度的累积运算得到,能很好的减小压力传感器存在的这一误差。
8.根据权利要求1所述的基于智能手机的室内定位行人追踪的方法,其特征在于:步骤(3)中:所述使用融合信息数据辅助初步定位位置信息,具体步骤如下:
1)融合信息数据:通过分析室内环境下无处不在的地磁信息的特点,构建室内地磁地图信息,再基于改进惯导辅助MSD匹配算法,根据行人航位推算的结果进行地图匹配和位置校正,提高行人定位和轨迹的精准度;室内存在WiFi信号,基于位置指纹识别算法,提出一种新的无线信号传播模型,能根据采集到的无线信号特征与数据库中储存的信号,辅助地磁和行人航位推算融合的结果,进一步加到定位和导航的精准度;手机的蓝牙功能也能通过ibeacon基站发送的信号再次融合,精准度最后一次得到提升,最后通过压力传感器采集到数据特征能够显示行人当前所在楼层,从而能将定位及其行人轨迹从二维平面上升到三维空间的高度,精准度也从从数轴上单个点的数据提高到二维坐标型数据;
2)采用决策级多模融合算法将多种室内信息能够完美的融合,同时在缺少部分室内信息的情况下,存在的其它室内信息也能够很好的转换形式进行新手的融合,从而在辅助手段上具有灵活、实用的优点,具体如下:
某一位置接收的信号强度与其所在的位置存在一定的映射关系为:
l=f(s)
基于该映射关系,在离线训练阶段,在空间中每一个坐标点采集多次AP信号数据,构成多个RSS向量r=(r1,r,…ri,…,rp);如果对每个坐标点的所有RSS向量的各分量分别求平均值,所得到的平均RSS向量值便可作为该点的特征值
其中rjk为rj的第k个分量,rik为ri第k个分量且满足,n为该坐标点采集的RSS向量总数;这样场景中每个坐标都可以得到一个这样的特征向量,而所有坐标的特征向量便可以构成指纹库从而建立相应的映射关系;
AP种类不止一种时,为了在决策级上进行多模融合,还需要对每个模型的定位结果加权求和;设第i类AP的定位结果为li=(xi,yi),多模融合后的定位结果为L=(X,Y),则可以根据以下公式进行决策级的融合:
<mrow>
<mi>X</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mrow>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
其中wi是第i类AP定位结果的权值且∑wi=1,n为多模AP的总数。
9.根据权利要求1所述的基于智能手机的室内定位行人追踪的方法,其特征在于:步骤(4)中:在理想情况下,对于行人定位和导航系统来说,所有的信息融合能够使室内行人的定位和轨迹精准到毫无偏差,但是在日常生活中,物体信息的干扰,传感器自身的误差和在行走过程中手机的状态都会导致精准度发生变化,为了更大的减小这些外界条件所带来的误差,采取了一系列的技术手段,具体步骤如下:
1)在直线上行走:物体磁性的干扰信息,传感器自身的误差,在多级融合的技术手段处理下,在直线上行走的轨迹跟行人实际行走时相差无几,剩余的误差,在采取的改进的均衡算法下完全消除;
2)在拐弯、曲线路径处行走:在每一个拐角、有角度的路径处,手机自带的陀螺仪造成的误差相对来说很大,在这种很大的误差情况下,精确度极大的受到了影响,因为当行人走在曲线路径上时,由于陀螺仪的漂移误差累积,没有经过校正的陀螺仪数据导致了较大的返回位置误差,在走过较长一段距离时,就会产生较大的方向误差,为了消除这种累计产生的误差,采取的手段是在PSP算法的基础上进行了改进的均衡算法,使得行人在拐弯、曲线路径处行走时得到更好的定位效果与更高的定位精度。
10.根据权利要求9所述的基于智能手机的室内定位行人追踪的方法,其特征在于:所述改进的均衡算法,具体如下:
先通过训练序列估计信道的参数,然后利用RLS算法对信道参数和输入数据的估计值同时进行逐幸存路径地更新;用与网格上每个状态对应的幸存序列来形成相应的误差信号,从而更新对应的信道估计值,此后,对于维特比算法在网格上的进一步搜索继续保持各自的信道估计值,即利用未知参数的估计值进行维特比搜索,从而使网格上的每个幸存路径都对应有一个信道估计值,有效地消除了由于延迟判决引入的估计误差,其步骤如下:首先对于所有可能的k时刻的状态转移Sk→Sk+1,每个状态的累积距离量度扩展到k+1时刻,然后对于每个状态,其相应的幸存路径同样扩展到k+1时刻,同时应用RLS算法来更新与幸存路径对应的信道参数,由于均衡算法将信道的估计值用于维特比算法,从而使信道的估计值能有效地跟踪信道的快速变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710953172.4A CN107830862A (zh) | 2017-10-13 | 2017-10-13 | 一种基于智能手机的室内定位行人追踪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710953172.4A CN107830862A (zh) | 2017-10-13 | 2017-10-13 | 一种基于智能手机的室内定位行人追踪的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107830862A true CN107830862A (zh) | 2018-03-23 |
Family
ID=61648022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710953172.4A Pending CN107830862A (zh) | 2017-10-13 | 2017-10-13 | 一种基于智能手机的室内定位行人追踪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107830862A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375376A (zh) * | 2018-03-08 | 2018-08-07 | 浙江师范大学 | 转角检测方法及装置 |
CN108806783A (zh) * | 2018-05-18 | 2018-11-13 | 浙江大学城市学院 | 基于app的病人护送示踪管理系统 |
CN108960072A (zh) * | 2018-06-06 | 2018-12-07 | 华为技术有限公司 | 一种步态识别的方法及设备 |
CN108981702A (zh) * | 2018-07-03 | 2018-12-11 | 浙江大学 | 一种多位置联合粒子滤波的车辆定位方法 |
CN109029456A (zh) * | 2018-07-17 | 2018-12-18 | 成都精位科技有限公司 | 基于虚拟坐标的定位方法及装置 |
CN109246620A (zh) * | 2018-08-10 | 2019-01-18 | 北京溯安链科技有限公司 | 信标追踪的方法和装置 |
CN109298436A (zh) * | 2018-05-15 | 2019-02-01 | 重庆邮电大学 | 一种多信息融合的室内定位与导航方法 |
CN109405829A (zh) * | 2018-08-28 | 2019-03-01 | 桂林电子科技大学 | 基于智能手机音视频多源信息融合的行人自定位方法 |
CN109444814A (zh) * | 2018-09-20 | 2019-03-08 | 桂林电子科技大学 | 一种基于蓝牙和rfid融合定位的室内定位方法 |
CN109541499A (zh) * | 2018-10-16 | 2019-03-29 | 天津大学 | 多源传感器融合中磁场干扰检测装置及方法 |
CN109668552A (zh) * | 2018-12-04 | 2019-04-23 | 西南大学 | 一种室内导航系统及方法 |
CN109883320A (zh) * | 2019-01-22 | 2019-06-14 | 湖南土流信息有限公司 | 一种土地面积测量方法及系统 |
CN109982245A (zh) * | 2019-04-04 | 2019-07-05 | 南京邮电大学 | 一种室内实时三维定位方法 |
CN110260855A (zh) * | 2019-06-24 | 2019-09-20 | 北京壹氢科技有限公司 | 一种融合行人航位推算、地磁信息与室内地图信息的室内行人导航定位方法 |
CN110332936A (zh) * | 2019-05-23 | 2019-10-15 | 湖南大学 | 基于多传感器的室内运动轨迹导航方法 |
CN110579207A (zh) * | 2018-06-07 | 2019-12-17 | 光禾感知科技股份有限公司 | 基于地磁信号结合电脑视觉的室内定位系统及方法 |
CN111197983A (zh) * | 2020-01-15 | 2020-05-26 | 重庆邮电大学 | 基于人体分布惯性节点矢量测距的三维位姿测量方法 |
CN111741424A (zh) * | 2019-03-08 | 2020-10-02 | 炬芯科技股份有限公司 | 蓝牙测距方法及蓝牙设备 |
CN112284391A (zh) * | 2020-10-16 | 2021-01-29 | 北方华录文化科技(北京)有限公司 | 室内行走物定位方法、装置、计算机设备 |
CN113063420A (zh) * | 2021-03-17 | 2021-07-02 | 建信金融科技有限责任公司 | 室内定位方法、装置、电子设备和存储介质 |
CN113271537A (zh) * | 2021-05-20 | 2021-08-17 | 北京智慧图科技有限责任公司 | 一种混合室内定位系统 |
WO2021238785A1 (zh) * | 2020-05-27 | 2021-12-02 | 华为技术有限公司 | 定位方法、用户设备、存储介质和电子设备 |
CN113973746A (zh) * | 2021-11-19 | 2022-01-28 | 华东师范大学 | 一种行为轨迹跟踪装置及方法 |
WO2022021040A1 (zh) * | 2020-07-28 | 2022-02-03 | 蜂图志科技控股有限公司 | 一种定位方法、装置、移动终端、存储介质 |
CN117890949A (zh) * | 2024-03-14 | 2024-04-16 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445776A (zh) * | 2015-12-28 | 2016-03-30 | 天津大学 | 一种室内外无缝定位系统 |
CN206269826U (zh) * | 2016-12-02 | 2017-06-20 | 华中科技大学 | 一种基于多传感器融合的室内导航装置 |
-
2017
- 2017-10-13 CN CN201710953172.4A patent/CN107830862A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445776A (zh) * | 2015-12-28 | 2016-03-30 | 天津大学 | 一种室内外无缝定位系统 |
CN206269826U (zh) * | 2016-12-02 | 2017-06-20 | 华中科技大学 | 一种基于多传感器融合的室内导航装置 |
Non-Patent Citations (5)
Title |
---|
向倩等: "一种短波信道自适应均衡算法的研究", 《电波科学学报》 * |
宋镖等: ""基于惯导辅助地磁的手机室内定位系统设计"", 《传感技术学报》 * |
李海兵等: "高精度加速度计分辨率的动态估算方法 ", 《中国惯性技术学报》 * |
赵稳稳等: "基于多模融合的室内定位算法研究", 《现代电子技术》 * |
黄承恺: ""多传感器信息融合算法在室内定位中的应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108375376A (zh) * | 2018-03-08 | 2018-08-07 | 浙江师范大学 | 转角检测方法及装置 |
CN108375376B (zh) * | 2018-03-08 | 2020-11-24 | 浙江师范大学 | 转角检测方法及装置 |
CN109298436A (zh) * | 2018-05-15 | 2019-02-01 | 重庆邮电大学 | 一种多信息融合的室内定位与导航方法 |
CN108806783B (zh) * | 2018-05-18 | 2021-06-08 | 浙江大学城市学院 | 基于app的病人护送示踪管理系统 |
CN108806783A (zh) * | 2018-05-18 | 2018-11-13 | 浙江大学城市学院 | 基于app的病人护送示踪管理系统 |
CN108960072A (zh) * | 2018-06-06 | 2018-12-07 | 华为技术有限公司 | 一种步态识别的方法及设备 |
CN110579207A (zh) * | 2018-06-07 | 2019-12-17 | 光禾感知科技股份有限公司 | 基于地磁信号结合电脑视觉的室内定位系统及方法 |
CN110579207B (zh) * | 2018-06-07 | 2022-09-13 | 光禾感知科技股份有限公司 | 基于地磁信号结合电脑视觉的室内定位系统及方法 |
CN108981702A (zh) * | 2018-07-03 | 2018-12-11 | 浙江大学 | 一种多位置联合粒子滤波的车辆定位方法 |
CN109029456A (zh) * | 2018-07-17 | 2018-12-18 | 成都精位科技有限公司 | 基于虚拟坐标的定位方法及装置 |
CN109246620A (zh) * | 2018-08-10 | 2019-01-18 | 北京溯安链科技有限公司 | 信标追踪的方法和装置 |
CN109405829A (zh) * | 2018-08-28 | 2019-03-01 | 桂林电子科技大学 | 基于智能手机音视频多源信息融合的行人自定位方法 |
CN109444814A (zh) * | 2018-09-20 | 2019-03-08 | 桂林电子科技大学 | 一种基于蓝牙和rfid融合定位的室内定位方法 |
CN109541499A (zh) * | 2018-10-16 | 2019-03-29 | 天津大学 | 多源传感器融合中磁场干扰检测装置及方法 |
CN109668552A (zh) * | 2018-12-04 | 2019-04-23 | 西南大学 | 一种室内导航系统及方法 |
CN109883320A (zh) * | 2019-01-22 | 2019-06-14 | 湖南土流信息有限公司 | 一种土地面积测量方法及系统 |
CN111741424A (zh) * | 2019-03-08 | 2020-10-02 | 炬芯科技股份有限公司 | 蓝牙测距方法及蓝牙设备 |
CN109982245A (zh) * | 2019-04-04 | 2019-07-05 | 南京邮电大学 | 一种室内实时三维定位方法 |
CN109982245B (zh) * | 2019-04-04 | 2021-01-05 | 南京邮电大学 | 一种室内实时三维定位方法 |
CN110332936A (zh) * | 2019-05-23 | 2019-10-15 | 湖南大学 | 基于多传感器的室内运动轨迹导航方法 |
CN110332936B (zh) * | 2019-05-23 | 2023-04-21 | 湖南大学 | 基于多传感器的室内运动轨迹导航方法 |
CN110260855A (zh) * | 2019-06-24 | 2019-09-20 | 北京壹氢科技有限公司 | 一种融合行人航位推算、地磁信息与室内地图信息的室内行人导航定位方法 |
CN111197983A (zh) * | 2020-01-15 | 2020-05-26 | 重庆邮电大学 | 基于人体分布惯性节点矢量测距的三维位姿测量方法 |
CN111197983B (zh) * | 2020-01-15 | 2022-12-27 | 重庆邮电大学 | 基于人体分布惯性节点矢量测距的三维位姿测量方法 |
WO2021238785A1 (zh) * | 2020-05-27 | 2021-12-02 | 华为技术有限公司 | 定位方法、用户设备、存储介质和电子设备 |
CN113739784A (zh) * | 2020-05-27 | 2021-12-03 | 华为技术有限公司 | 定位方法、用户设备、存储介质和电子设备 |
CN113739784B (zh) * | 2020-05-27 | 2024-05-17 | 华为技术有限公司 | 定位方法、用户设备、存储介质和电子设备 |
WO2022021040A1 (zh) * | 2020-07-28 | 2022-02-03 | 蜂图志科技控股有限公司 | 一种定位方法、装置、移动终端、存储介质 |
CN112284391B (zh) * | 2020-10-16 | 2022-10-18 | 北方华录文化科技(北京)有限公司 | 室内行走物定位方法、装置、计算机设备 |
CN112284391A (zh) * | 2020-10-16 | 2021-01-29 | 北方华录文化科技(北京)有限公司 | 室内行走物定位方法、装置、计算机设备 |
CN113063420A (zh) * | 2021-03-17 | 2021-07-02 | 建信金融科技有限责任公司 | 室内定位方法、装置、电子设备和存储介质 |
CN113063420B (zh) * | 2021-03-17 | 2024-02-02 | 建信金融科技有限责任公司 | 室内定位方法、装置、电子设备和存储介质 |
CN113271537A (zh) * | 2021-05-20 | 2021-08-17 | 北京智慧图科技有限责任公司 | 一种混合室内定位系统 |
CN113973746A (zh) * | 2021-11-19 | 2022-01-28 | 华东师范大学 | 一种行为轨迹跟踪装置及方法 |
CN113973746B (zh) * | 2021-11-19 | 2023-05-26 | 华东师范大学 | 一种行为轨迹跟踪装置及方法 |
CN117890949A (zh) * | 2024-03-14 | 2024-04-16 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
CN117890949B (zh) * | 2024-03-14 | 2024-05-24 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107830862A (zh) | 一种基于智能手机的室内定位行人追踪的方法 | |
Ban et al. | Indoor positioning method integrating pedestrian Dead Reckoning with magnetic field and WiFi fingerprints | |
CN103968827B (zh) | 一种可穿戴式人体步态检测的自主定位方法 | |
Zhou et al. | Activity sequence-based indoor pedestrian localization using smartphones | |
US9020752B2 (en) | Method and device for indoor positioning using magnetic field properties | |
Zhang et al. | A localization database establishment method based on crowdsourcing inertial sensor data and quality assessment criteria | |
CN105115487B (zh) | 一种基于信息融合的超市内定位导航方法 | |
CN107504971A (zh) | 一种基于pdr和地磁的室内定位方法及系统 | |
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 | |
CN107167130A (zh) | 地图匹配定位方法及系统 | |
CN105589064A (zh) | Wlan位置指纹数据库快速建立和动态更新系统及方法 | |
CN104215238A (zh) | 一种智能手机室内定位方法 | |
CN106370189A (zh) | 一种基于多传感器融合的室内导航装置及方法 | |
CN104977006A (zh) | 一种基于模糊理论和多传感器融合的室内定位方法 | |
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 | |
CN111566444A (zh) | 确定移动设备的位置 | |
CN106767828A (zh) | 一种手机室内定位解决方法 | |
CN105074381A (zh) | 确定设备与行人之间的未对准的方法和装置 | |
CN111829516B (zh) | 一种基于智能手机的自主式行人定位方法 | |
CN105865450A (zh) | 一种基于步态的零速更新方法及系统 | |
CN106248107A (zh) | 一种基于室内地磁轨迹匹配的航迹推断校准方法和装置 | |
CN104808174B (zh) | 基于卡尔曼滤波器和航位推测法的核电站无线定位系统 | |
CN107255474B (zh) | 一种融合电子罗盘和陀螺仪的pdr航向角确定方法 | |
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 | |
CN107014375A (zh) | 超低部署的室内定位系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180323 |