CN108106630A - 一种行人导航的二维人体里程计及里程计算方法 - Google Patents
一种行人导航的二维人体里程计及里程计算方法 Download PDFInfo
- Publication number
- CN108106630A CN108106630A CN201711291544.8A CN201711291544A CN108106630A CN 108106630 A CN108106630 A CN 108106630A CN 201711291544 A CN201711291544 A CN 201711291544A CN 108106630 A CN108106630 A CN 108106630A
- Authority
- CN
- China
- Prior art keywords
- gait
- angle
- cut
- human body
- length
- 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
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
- G01C22/006—Pedometers
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement Of Distances Traversed On The Ground (AREA)
Abstract
本发明提供了一种行人导航的二维人体里程计及里程计算方法,解决行人在完成非常规步态下定位精度差的问题,能够得到行人精确的行进距离,实现高精度定位。本发明所述的二维人体里程计及方法,基于惯性导航解算与人体步态特征,对步态进行精确划分,针对每一种步态建立参考步长,并在参考步长基础上增加修正因子得到刻度因子,利用刻度因子作为人体行进的刻度标识,利用刻度因子实现精确的单步步长估计,解决行人在完成非约束、非等间隔或非平稳的非常规步态下定位精度差的问题,并结合步频信息得到精确的行进距离,提高定位精度。
Description
技术领域
本发明属于行人导航技术领域,具体涉及一种行人导航二维人体里程计及里程计算方法。
背景技术
随着人们对室内位置服务的需求迅速增加,利用微惯性导航系统对行人进行航位推算成为室内定位主流技术之一。在个人航位推算系统中,步长估计方法主要有两种:一是基于惯性导航原理对加速度进行二次积分,但消费级MEMS惯性器件的温度漂移及线性度等性能指标不高,数分钟内的积分误差将达到一个地球半径;二是利用人员行进特性对其特定动作下的行进距离进行建模,现有基于模型的步长估计方法将步长视为与步频、身高、加速度等相关的量,但人体运动具有复杂性和任意性,受外界环境和情绪等因素影响,行人在某种步态下的单步步长可能不同,一种步态对应单一的单步步长误差很大,另外行人在完成匍匐、侧行、跳跃等非常规步态时,普通步长建模方法不适用,模型精度无法满足实际需求。
发明内容
有鉴于此,本发明提供了一种行人导航的二维人体里程计及里程计算方法,解决行人在完成非常规步态下定位精度差的问题,能够得到行人精确的行进距离,实现高精度定位。
本发明提供了一种行人导航的人体里程计,包括惯性测量模块、导航解算模块和数据处理模块;
其中,以行进运动起始点处的人体重心为坐标原点,前后方向为X轴,左右方向为Y轴,上下方向为Z轴;
惯性测量模块用于采集实时的X轴、Y轴以及Z轴方向上的运动加速度与运动角速度并识别出相应的步态,将运动加速度与运动角速度发送至导航解算模块,将步态发送至数据处理模块;
导航解算模块基于惯性测量模块发送的运动加速度与运动角速度进行惯性导航解算,得到解算步长、运动步频以及步长差与方位角差,并发送至数据处理模块;
数据处理模块根据惯性测量模块发送的当前时刻的步态,选择对应步态的参考步长模型,将导航解算模块发送的运动步频代入参考步长模型获得参考步长;并根据导航解算模块发送的步长差和方位角差对参考步长进行修正;将修正后的参考步长与运动步频相乘得到人体位移增量并累加输出;
所述参考步长模型为:
S=[h·(ax·fstep+bx)+cx] (1)
其中,S为参考步长,fstep为运动步频,h为人的身高,ax、bx和cx为与步态相关的参考步长系数,ax、bx和cx数值由实验可知。
其中,所述参考步长系数与步态对应,参考步长系数的获得方式为:利用导航解算模块对各步态下的加速度和角速度进行导航解算,得到各步态下的实时解算步长及运动步频,将解算步长与对应步态的步长经验值进行融合,得到实时融合步长,以运动步频为公式(1)的自变量fstep,以对应的融合步长为公式(1)的因变量S,利用同一步态下多个时刻的运动步频及其对应的融合步长,对公式(1)进行拟合,得到该步态下的参考步长系数ax、bx和cx的估计值;
将估计值代入参考步长模型,得到对应步态的参考步长模型。
其中,采用递推最小二乘法对公式(1)进行拟合,得到参考步长系数的估计值。
其中,所述参考步长的修正方法为:
当步长差和方位角差均小于各自对应的阈值时,不对参考步长进行修正;
当只有步长差小于步长差阈值时,通过方位角差以及方位角差的权重因子对参考步长进行修正;
当只有方位角差小于方位角差阈值时,通过步长差以及步长差的权重因子对参考步长进行修正;
当步长差和方位角差均不小于各自对应的阈值时,通过方位角差、方位角差的权重因子、步长差以及步长差的权重因子对参考步长进行修正;
其中步长差和方位角差的权重因子大小与步态复杂度有关,复杂度越高的步态权重因子越大。
其中,对参考步长进行修正的修正因子为δKx:δKx=p·(ΔS/M1)+q·(Δψ/M2);
其中,p为步长差的权重因子,q为方位角差的权重因子,ΔS为步长差,Δψ为方位角差,M1为步长差阈值,M2为方位角差阈值。
其中,所述修正后的参考步长为Sx:
Sx=(1+δKx)[h·(ax·fstep+bx)+cx]。
其中,所述惯性测量模块为微惯性测量器件。
其中,所述惯性测量模块置于人体脚部、腰部或胫骨。
本发明还提供了一种行人导航的里程计算方法,采用本发明的行人导航的人体里程计进行里程计算,包括如下步骤:
步骤1,采集行进运动的运动加速度与运动角速度并识别出相应的步态;
步骤2,利用惯性导航解算方式对步骤1得到的运动加速度与运动角速度进行导航解算,得到运动步频以及步长差与方位角差;
步骤3,根据当前时刻的步态,选择对应步态的参考步长模型,将当前运动步频代入参考步长模型获得参考步长;
根据步长差和方位角差对参考步长进行修正;
步骤4,将修正后的参考步长与运动步频相乘得到人体位移增量,并累加输出,完成里程计算。
有益效果:
本发明所述的二维人体里程计及方法,基于惯性导航解算与人体步态特征,对步态进行精确划分,针对每一种步态建立参考步长,并在参考步长基础上增加修正因子得到刻度因子,利用刻度因子作为人体行进的刻度标识,利用刻度因子实现精确的单步步长估计,解决行人在完成非约束、非等间隔或非平稳的非常规步态下定位精度差的问题,并结合步频信息得到精确的行进距离,提高定位精度。
附图说明
图1为本发明的一种行人导航的人体里程计示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种行人导航的人体里程计及里程计算方法,结合人体步态特征,对步态进行精确划分,针对每一种步态建立自适应单步步长模型,作为人体行进的刻度标识,解决行人在完成非约束、非等间隔或非平稳的非常规步态下定位精度差的问题,并结合步频信息得到精确的行进距离,提高定位精度。
本发明所述的一种行人导航的人体里程计包括惯性测量模块、导航解算模块和数据处理模块;
其中以行进运动起始点处的人体重心为坐标原点,前后方向为X轴,左右方向为Y轴,上下方向为Z轴;建立的XYZ轴坐标系符合右手定则;
惯性测量模块用于采集实时的X轴、Y轴以及Z轴方向上的运动加速度与运动角速度并识别出相应的步态,同时将采集到的运动加速度与运动角速度发送至导航解算模块,将步态发送至数据处理模块;
其中,通过微惯性测量器件(MIMU)获得X轴、Y轴以及Z轴的运动加速度与运动角速度。微惯性测量器件(MIMU)还可以置于人体腰部或胫骨等部位,微惯性测量器件(MIMU)在不同位置时,人体里程计刻度因子中的参数值要相应调整。
导航解算模块基于惯性测量模块发送的运动加速度与运动角速度进行惯性导航解算,得到X轴和Y轴方向上的解算步长、运动步频以及相邻时刻的步长差与方位角差,并发送至数据处理模块;
数据处理模块根据惯性测量模块发送的当前时刻的步态,选择对应步态的参考步长模型,将导航解算模块发送的运动步频代入参考步长模型获得参考步长;并根据导航解算模块发送的步长差和方位角差对参考步长进行修正;将修正后的参考步长与运动步频相乘得到人体位移增量并累加输出;
如图1所示,修正后的参考步长即为刻度因子,也就是人体里程计的单步步长,运动步频为人体里程计的脉冲计数,位移增量为人体里程计的输出信息。
所述参考步长模型为:S=[h·(ax·fstep+bx)+cx]
其中,S为参考步长,fstep为运动步频,h为人的身高,ax、bx和cx为与步态相关的参考步长系数,ax、bx和cx数值由实验可知。
所述参考步长系数与步态对应,参考步长系数的获得方式为:利用导航解算模块对各步态下的加速度和角速度进行导航解算,得到各步态下的实时解算步长及运动步频,将解算步长与对应步态的步长经验值进行融合,得到实时融合步长,运动步频为公式(1)的自变量fstep,对应的融合步长为公式(1)的因变量S,利用同一步态下多个时刻的运动步频及其对应的融合步长,对公式(1)进行拟合,得到该步态下的参考步长系数ax、bx和cx的估计值;
本实施例采用递推最小二乘法对公式(1)进行拟合,得到参考步长系数的估计值;
将参考步长系数的估计值代入参考步长模型,得到对应步态的参考步长模型。
不同步态的步长经验值通过对不同步态下的步长进行大量的实验获得;
采用修正因子对参考步长进行修正,修正因子是由于人体运动具有任意性和复杂性而引入的与运动步态相关的偏移修正量,修正因子的值与步长差和方位角差与各自对应的阈值大小有关,利用修正因子对参考步长进行修正的修正方法为:
当步长差和方位角差均小于各自对应的阈值时,修正因子为0,不对参考步长进行修正;
当只有步长差小于步长差阈值时,通过方位角差以及方位角差的权重因子,得到修正因子对参考步长进行修正;
当只有方位角差小于其对应的阈值时,通过步长差以及步长差的权重因子,得到修正因子对参考步长进行修正;
当步长差和方位角差均不小于各自对应的阈值时,通过方位角差、方位角差的权重因子、步长差以及步长差的权重因子,得到修正因子对参考步长进行修正;
其中,步长差和方位角差的权重因子大小与步态复杂度有关,复杂度越高的步态权重因子越大。所述步态包括静止、跑步、行走、倒退和上下楼等。复杂度高的步态(如匍匐前进、跳跃等),其权重因子值较大。一般人体实时运动步态根据步态识别确定,通过将实时步态与步态样本中的步态进行对比实现步态识别,所述步态样本中包括静止、跑步、行走、倒退和上下楼等步态信息。
修正因子δKx的表达式为:δKx=p·(ΔS/M1)+q·(Δψ/M2);
其中,p为步长差的权重因子,q为方位角差的权重因子,ΔS为步长差,Δψ为方位角差,M1为步长差阈值,M2为方位角差阈值。
修正后的参考步长为Sx:
Sx=(1+δKx)[h·(ax·fstep+bx)+cx]
其中,[h·(ax·fstep+bx)+cx]为参考步长,其中fstep为运动步频,h为人的身高,ax、bx、cx为参考步长系数;δKx为修正因子。
本发明的一种行人导航的人体里程计可以对X方向、Y方向和Z方向中的一个或多个方向的行进运动进行里程计算,分别输出相应方向的人体位移增量;对X方向和Y方向的行进运动进行里程计算时,为二维人体里程计。
采用本发明所述行人导航的人体里程计进行里程计算的方法包括如下步骤:
步骤1,将人体运动视为信息源,以人体重心为运动中心,前后方向为X轴,左右方向为Y轴,上下方向为Z轴,采集信息源的X轴、Y轴以及Z轴方向上的运动加速度与运动角速度并识别出相应的步态;
步骤2,利用惯性导航解算方式对步骤1得到的运动加速度与运动角速度进行导航解算,得到X轴和Y轴方向上的解算步长、运动步频以及步长差与方位角差;
步长差与方位角差较佳地获得方式为利用惯性导航系统对步骤1采集到的三轴加速度和角速度的值进行导航解算,得到解算步长差ΔS和解算方位角差Δψ;
步骤3,获得人体运动中X方向和Y方向的修正后的参考步长,修正后的参考步长获得方式为:
根据当前时刻的步态,选择对应步态的参考步长模型,将当前运动步频代入参考步长模型获得参考步长;
根据步长差和方位角差对参考步长进行修正,得到修正后的参考步长,修正后的参考步长即为人体行进运动中的单步步长;
其中,修正后的参考步长为Sx:
Sx=(1+δKx)[h·(ax·fstep+bx)+cx]
其中,[h·(ax·fstep+bx)+cx]为参考步长,其中fstep为运动步频,h为人的身高,ax、bx、cx为参考步长系数;δKx为修正因子。
步骤4,将X方向和Y方向的刻度因子与对应方向的运动步频相乘得到各自方向上的人体位移增量,并累加输出,完成里程计算。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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 (9)
1.一种行人导航的人体里程计,其特征在于,包括惯性测量模块、导航解算模块和数据处理模块;
其中,以行进运动起始点处的人体重心为坐标原点,前后方向为X轴,左右方向为Y轴,上下方向为Z轴;
惯性测量模块用于采集实时的X轴、Y轴以及Z轴方向上的运动加速度与运动角速度并识别出相应的步态,将运动加速度与运动角速度发送至导航解算模块,将步态发送至数据处理模块;
导航解算模块基于惯性测量模块发送的运动加速度与运动角速度进行惯性导航解算,得到解算步长、运动步频以及步长差与方位角差,并发送至数据处理模块;
数据处理模块根据惯性测量模块发送的当前时刻的步态,选择对应步态的参考步长模型,将导航解算模块发送的运动步频代入参考步长模型获得参考步长;并根据导航解算模块发送的步长差和方位角差对参考步长进行修正;将修正后的参考步长与运动步频相乘得到人体位移增量并累加输出;
所述参考步长模型为:
S=[h·(ax·fstep+bx)+cx] (1)
其中,S为参考步长,fstep为运动步频,h为人的身高,ax、bx和cx为与步态相关的参考步长系数,ax、bx和cx数值由实验可知。
2.如权利要求1所述的一种行人导航的人体里程计,其特征在于,所述参考步长系数与步态对应,参考步长系数的获得方式为:利用导航解算模块对各步态下的加速度和角速度进行导航解算,得到各步态下的实时解算步长及运动步频,将解算步长与对应步态的步长经验值进行融合,得到实时融合步长,以运动步频为公式(1)的自变量fstep,以对应的融合步长为公式(1)的因变量S,利用同一步态下多个时刻的运动步频及其对应的融合步长,对公式(1)进行拟合,得到该步态下的参考步长系数ax、bx和cx的估计值;
将估计值代入参考步长模型,得到对应步态的参考步长模型。
3.如权利要求2所述的一种行人导航的人体里程计,其特征在于,采用递推最小二乘法对公式(1)进行拟合,得到参考步长系数的估计值。
4.如权利要求1所述的一种行人导航的人体里程计,其特征在于,所述参考步长的修正方法为:
当步长差和方位角差均小于各自对应的阈值时,不对参考步长进行修正;
当只有步长差小于步长差阈值时,通过方位角差以及方位角差的权重因子对参考步长进行修正;
当只有方位角差小于方位角差阈值时,通过步长差以及步长差的权重因子对参考步长进行修正;
当步长差和方位角差均不小于各自对应的阈值时,通过方位角差、方位角差的权重因子、步长差以及步长差的权重因子对参考步长进行修正;
其中步长差和方位角差的权重因子大小与步态复杂度有关,复杂度越高的步态权重因子越大。
5.如权利要求4所述的一种行人导航的人体里程计,其特征在于,对参考步长进行修正的修正因子为δKx:δKx=p·(ΔS/M1)+q·(Δψ/M2);
其中,p为步长差的权重因子,q为方位角差的权重因子,ΔS为步长差,Δψ为方位角差,M1为步长差阈值,M2为方位角差阈值。
6.如权利要求5所述的一种行人导航的人体里程计,其特征在于,所述修正后的参考步长为Sx:
Sx=(1+δKx)[h·(ax·fstep+bx)+cx]。
7.如权利要求1所述的一种行人导航的人体里程计,其特征在于,所述惯性测量模块为微惯性测量器件。
8.如权利要求1所述的一种行人导航的人体里程计,其特征在于,所述惯性测量模块置于人体脚部、腰部或胫骨。
9.一种行人导航的里程计算方法,其特征在于,采用如权利要求1-8任意一项所述的一种行人导航的人体里程计进行里程计算,包括如下步骤:
步骤1,采集行进运动的运动加速度与运动角速度并识别出相应的步态;
步骤2,利用惯性导航解算方式对步骤1得到的运动加速度与运动角速度进行导航解算,得到运动步频以及步长差与方位角差;
步骤3,根据当前时刻的步态,选择对应步态的参考步长模型,将当前运动步频代入参考步长模型获得参考步长;
根据步长差和方位角差对参考步长进行修正;
步骤4,将修正后的参考步长与运动步频相乘得到人体位移增量,并累加输出,完成里程计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711291544.8A CN108106630B (zh) | 2017-12-08 | 2017-12-08 | 一种行人导航的二维人体里程计及里程计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711291544.8A CN108106630B (zh) | 2017-12-08 | 2017-12-08 | 一种行人导航的二维人体里程计及里程计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108106630A true CN108106630A (zh) | 2018-06-01 |
CN108106630B CN108106630B (zh) | 2020-11-06 |
Family
ID=62209314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711291544.8A Active CN108106630B (zh) | 2017-12-08 | 2017-12-08 | 一种行人导航的二维人体里程计及里程计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108106630B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112229422A (zh) * | 2020-09-30 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 基于fpga时间同步的里程计快速标定方法及系统 |
CN113124896A (zh) * | 2019-12-30 | 2021-07-16 | 上海智远弘业智能技术股份有限公司 | 一种agv里程计在线精确校准的控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010022828A1 (en) * | 1998-10-28 | 2001-09-20 | Nathan Pyles | Pedometer |
CN102419180A (zh) * | 2011-09-02 | 2012-04-18 | 无锡智感星际科技有限公司 | 一种基于惯性导航系统和wifi的室内定位方法 |
CN103884337A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人工业技术研究院 | 多姿态步距校正定位系统与方法 |
CN104937376A (zh) * | 2012-11-07 | 2015-09-23 | 谷歌技术控股有限责任公司 | 计步器装置中基于频率的跨步长度修正的系统和方法 |
KR20160075977A (ko) * | 2014-12-19 | 2016-06-30 | 서울대학교산학협력단 | 로코모션 인터페이스 장치상에서 보행하는 보행자의 위치 추정 방법 및 장치 |
CN105865448A (zh) * | 2016-03-18 | 2016-08-17 | 常州大学 | 一种基于imu的室内定位方法 |
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 |
CN106840162A (zh) * | 2016-12-26 | 2017-06-13 | 上海雅丰信息科技有限公司 | 基于惯导的室内路径匹配方法 |
CN107179079A (zh) * | 2017-05-29 | 2017-09-19 | 桂林电子科技大学 | 基于pdr与地磁融合的室内定位方法 |
-
2017
- 2017-12-08 CN CN201711291544.8A patent/CN108106630B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010022828A1 (en) * | 1998-10-28 | 2001-09-20 | Nathan Pyles | Pedometer |
CN102419180A (zh) * | 2011-09-02 | 2012-04-18 | 无锡智感星际科技有限公司 | 一种基于惯性导航系统和wifi的室内定位方法 |
CN104937376A (zh) * | 2012-11-07 | 2015-09-23 | 谷歌技术控股有限责任公司 | 计步器装置中基于频率的跨步长度修正的系统和方法 |
CN103884337A (zh) * | 2012-12-19 | 2014-06-25 | 财团法人工业技术研究院 | 多姿态步距校正定位系统与方法 |
KR20160075977A (ko) * | 2014-12-19 | 2016-06-30 | 서울대학교산학협력단 | 로코모션 인터페이스 장치상에서 보행하는 보행자의 위치 추정 방법 및 장치 |
CN105865448A (zh) * | 2016-03-18 | 2016-08-17 | 常州大学 | 一种基于imu的室内定位方法 |
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 |
CN106840162A (zh) * | 2016-12-26 | 2017-06-13 | 上海雅丰信息科技有限公司 | 基于惯导的室内路径匹配方法 |
CN107179079A (zh) * | 2017-05-29 | 2017-09-19 | 桂林电子科技大学 | 基于pdr与地磁融合的室内定位方法 |
Non-Patent Citations (2)
Title |
---|
VALRIE RENAUDIN等: "Step Length Estimation Using Handheld Inertial Sensors", 《SENSORS》 * |
钱久超: "基于无约束自包含传感器的行人室内定位技术研究", 《万方学位论文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124896A (zh) * | 2019-12-30 | 2021-07-16 | 上海智远弘业智能技术股份有限公司 | 一种agv里程计在线精确校准的控制方法 |
CN112229422A (zh) * | 2020-09-30 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 基于fpga时间同步的里程计快速标定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108106630B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104061934B (zh) | 基于惯性传感器的行人室内位置跟踪方法 | |
Georgy et al. | Modeling the stochastic drift of a MEMS-based gyroscope in gyro/odometer/GPS integrated navigation | |
CN104296750B (zh) | 一种零速检测方法和装置以及行人导航方法和系统 | |
CN108759838A (zh) | 基于秩卡尔曼滤波器的移动机器人多传感器信息融合方法 | |
CN107084714B (zh) | 一种基于RoboCup3D的多机器人协作目标定位方法 | |
US10267646B2 (en) | Method and system for varying step length estimation using nonlinear system identification | |
CN110146909A (zh) | 一种定位数据处理方法 | |
CN107958221A (zh) | 一种基于卷积神经网络的人体运动步态分类方法 | |
CN108621161A (zh) | 基于多传感器信息融合的足式机器人本体状态估计方法 | |
CN103968827A (zh) | 一种可穿戴式人体步态检测的自主定位方法 | |
CN106168485B (zh) | 步行航迹数据推算方法及装置 | |
CN104613965B (zh) | 一种基于双向滤波平滑技术的步进式行人导航方法 | |
CN105865452B (zh) | 一种基于间接卡尔曼滤波的移动平台位姿估计方法 | |
KR20130059344A (ko) | 물체의 제로 속도 상태를 검출하는 방법 및 시스템 | |
CN108180923B (zh) | 一种基于人体里程计的惯性导航定位方法 | |
CN109323695A (zh) | 一种基于自适应无迹卡尔曼滤波的室内定位方法 | |
CN109931955A (zh) | 基于状态相关李群滤波的捷联惯性导航系统初始对准方法 | |
CN106153042A (zh) | 航向角获取方法和装置 | |
CN107702712A (zh) | 基于惯性测量双层wlan指纹库的室内行人组合定位方法 | |
CN109459028A (zh) | 一种基于梯度下降的自适应步长估计方法 | |
CN104374405A (zh) | 一种基于自适应中心差分卡尔曼滤波的mems捷联惯导初始对准方法 | |
CN107063245A (zh) | 一种基于5阶ssrckf的sins/dvl组合导航滤波方法 | |
CN104613966B (zh) | 一种地籍测量事后数据处理方法 | |
CN111522034A (zh) | 基于惯性导航的定位方法、设备及装置 | |
CN102168979B (zh) | 一种基于三角形约束模型的无源导航的等值线匹配方法 |
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 |