CN108387918A - 一种行人导航方法和云系统服务器、存储介质、电子设备 - Google Patents
一种行人导航方法和云系统服务器、存储介质、电子设备 Download PDFInfo
- Publication number
- CN108387918A CN108387918A CN201810050602.6A CN201810050602A CN108387918A CN 108387918 A CN108387918 A CN 108387918A CN 201810050602 A CN201810050602 A CN 201810050602A CN 108387918 A CN108387918 A CN 108387918A
- Authority
- CN
- China
- Prior art keywords
- electronic equipment
- signal data
- system server
- cloud system
- module
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- 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
- G01C21/10—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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种行人导航方法和云系统服务器、存储介质、电子设备,所述方法包括:云系统服务器接收来自电子设备的微机电系统MEMS传感器信号数据;云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,确定电子设备的方位以及电子设备与已知位置之间的位移。本申请通过在云系统服务器端对电子设备的传感器信号数据进行处理,使得无高速处理器的电子设备或功耗较低的电子设备实现了行人导航功能。
Description
技术领域
本发明涉及导航定位技术领域,特别涉及一种行人导航方法和云系统服务器、存储介质、电子设备。
背景技术
目前,全球卫星导航定位系统(Global Navigation Satellite System,GNSS)已在全球广泛应用。GNSS接收机在消费领域首先广泛应用于汽车导航,最近几年,随着GNSS接收机的集成微小型化发展,已可将GNSS接收机集成到便携式电子设备中。然而一直以来,GNSS信号采集和定位测量的高功耗使得GNSS接收机用于行人导航有点不切实际。此外,在室内或者城市街谷环境中由于信号遮挡、干扰或拥塞,GNSS经常会失败或者性能变差。
近年来,随着微机电(Micro-Electro-Mechanical System,MEMS)技术的不断发展,装备有强大微机电系统传感器和高速处理器的便携式电子设备成为行人导航技术的一大研究热点。这种方法依赖MEMS传感器,如加速度传感器、陀螺仪传感器、磁力传感器及其组合,通过连续估算与已知位置的位移来跟踪行人,实现行人定位和导航的功能。
现有技术中的大多数研究都是采用MEMS或MEMS和GNSS融合技术来实现在电子设备侧使用的行人导航。但是,考虑到定位测量在电子设备侧的高功耗,或者对于没有配备高速处理器的部分便携式电子设备(如穿戴式电子设备),则不能直接通过这种行人导航方法进行定位与导航。
发明内容
为了解决上述技术问题,本发明提供了一种行人导航方法和云系统服务器、存储介质、电子设备,能够实现无高速处理器的电子设备或功耗较低的电子设备的行人导航定位功能。
为了达到本发明目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种行人导航方法,包括:
云系统服务器接收来自电子设备的微机电系统MEMS传感器信号数据;
云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,确定电子设备的方位以及电子设备与已知位置之间的位移。
进一步地,所述云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,具体包括:
所述云系统服务器接收来自所述电子设备的加速度传感器信号数据;
根据加速度传感器信号数据计算加速度值,根据计算出的加速度值确定加速度输出波形中的峰值;
当相邻两个峰值之间的差值大于或等于预先设置的第一阈值,或者当相邻两个峰值对应的时刻之间的时间间隔大于或等于预先设置的第二阈值时,确定相邻两个峰值对应的步伐有效,记录步伐长度和步数。
进一步地,所述MEMS传感器包括陀螺仪传感器、磁力传感器和加速度传感器;
所述确定电子设备的方位,具体包括:
所述云系统服务器使用陀螺仪传感器信号数据,并按照姿态运动学方程确定所述电子设备的欧拉角;
通过使用卡尔曼滤波器及接收的MEMS传感器信号数据,估算欧拉角误差、陀螺仪传感器误差和加速度传感器误差;
将欧拉角误差馈入姿态运动学方程,确定所述电子设备的方位。
进一步地,所述陀螺仪传感器误差和加速度传感器误差均为按一阶马尔科夫过程建模的偏差。
进一步地,所述方法还包括:
所述云系统服务器接收来自所述电子设备的全球卫星导航定位系统GNSS信号数据;
所述云系统服务器根据接收的GNSS信号数据,确定所述电子设备的GNSS位置;
所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
进一步地,在所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准的步骤之前,所述方法还包括:
所述云系统服务器检测接收的GNSS信号数据是否满足预先设定的质量条件;
当接收的GNSS信号数据满足预先设定的质量条件时,触发所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准的步骤。
进一步地,所述预先设定的质量条件,具体为预先定义的置信系数超过预先设置的置信系数阈值;
所述置信系数定义为:其中:
f为置信系数,M是每颗卫星的高度及载波噪声密度分别超过预先定义的高度阈值及载波噪声密度阈值的卫星颗数,N是每颗卫星的高度超过预先定义的高度阈值的卫星颗数。
本发明实施例还提供了一种行人导航方法,包括:
电子设备采集自身的微机电系统MEMS传感器信号数据和接收全球卫星导航定位系统GNSS信号数据;
电子设备将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据,并发送至云系统服务器;
电子设备接收云系统服务器的定位和导航结果。
本发明实施例还提供了一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如以上任一项所述的行人导航方法的步骤。
本发明实施例还提供了一种云系统服务器,包括接收模块、步伐检测模块、方位估计模块和航迹估测模块,其中:
接收模块,用于接收来自电子设备的微机电系统MEMS传感器信号数据;
步伐检测模块,用于根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐;
方位估计模块,用于根据接收的MEMS传感器信号数据,确定电子设备的方位;
航迹估测模块,用于根据接收的MEMS传感器信号数据,确定电子设备与已知位置之间的位移。
进一步地,所述云系统服务器还包括融合估测模块,其中:
所述接收模块还用于,接收来自电子设备的全球卫星导航定位系统GNSS信号数据;
所述融合估测模块,用于根据所述航迹估测模块确定的电子设备与已知位置之间的位移以及接收模块接收的GNSS信号数据,确定电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
进一步地,所述云系统服务器还包括位置质量模块,其中:
位置质量模块,用于检测接收的GNSS信号数据是否满足预先设定的质量条件;当接收的GNSS信号数据满足预先设定的质量条件时,通知所述融合估测模块;
所述融合估测模块,用于接收到所述位置质量模块的通知,触发根据所述航迹估测模块确定的电子设备与已知位置之间的位移以及接收模块接收的GNSS信号数据,确定电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
本发明实施例还提供了一种电子设备,包括MEMS传感器、传感器处理器、GNSS接收机、数据聚合模块和通信模块,其中:
传感器处理器,用于采集MEMS传感器信号数据;
GNSS接收机,用于接收全球卫星导航定位系统GNSS信号数据;
数据聚合模块,用于将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据;
通信模块,用于将组合的导航数据发送至云系统服务器,并接收云系统服务器的定位和导航结果。
本发明的技术方案,具有如下有益效果:
本发明提供的行人导航方法和云系统服务器、存储介质、电子设备,通过在云系统服务器端对电子设备的传感器信号数据进行处理,使得无高速处理器的电子设备或功耗较低的电子设备也实现了行人导航定位功能;
进一步地,通过使用卡尔曼滤波器提供加速度计和陀螺仪的偏差的实时估算,提高了行人导航定位的精度;
进一步地,通过使用卡尔曼滤波器融合传感器确定的电子设备与已知位置之间的位移与电子设备的GNSS位置,确定方位和步长的误差,并对已确定的电子设备与已知位置之间的位移进行校准,进一步提高了行人导航定位的精度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明第一实施例的一种行人导航方法的流程示意图;
图2为本发明第二实施例的一种行人导航方法的流程示意图;
图3为本发明第一实施例的云系统服务器的结构示意图;
图4为本发明第二实施例的云系统服务器的结构示意图;
图5为本发明第三实施例的云系统服务器的结构示意图;
图6为本发明实施例的一种电子设备的结构示意图;
图7为本发明优选实施例的一种行人导航系统的结构示意图;
图8为本发明优选实施例的一种便携式电子设备的结构示意图;
图9为本发明优选实施例的一种服务器的结构示意图;
图10为本发明优选实施例的一种步伐检测过程示意图;
图11为本发明优选实施例的一种方位确定过程示意图;
图12为本发明优选实施例的当GNSS信号可用时,实现融合估算方法的流程示意图;
图13为实测的利用本发明的方法的行人导航定位结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
参照图1,本发明实施例提供了一种行人导航方法,包括如下步骤:
步骤101:云系统服务器接收来自电子设备的MEMS传感器信号数据;
需要说明的是,本发明所述的电子设备可以是任何类型的设备,如膝上型计算机、平板电脑、智能手机、可穿戴的电子设备等,被配置为使用无线信号与无线站进行通信。电子设备可以包括硬件,包括但不限于用于执行和存储指令的处理器和内存,软件包括一个或多个应用程序和操作系统。电子设备可能具有多个处理器和多个共享或单独的内存组件。
所述云系统服务器可能包括多个组件,示例性的,云系统服务器可以包括一个处理器和一个存储介质,也可以包括多个处理器和多个存储介质。在一个示例中,云系统服务器是使用一个分布式系统实现的,其中包括由网络耦合在一起的多个处理器和/或多个存储介质。存储介质存储各种用于行人导航的软件指令。在本发明一实施例中,处理器执行各种软件指令来提供一个或多个电子设备的轨迹。
进一步地,所述方法还包括:
云系统服务器接收来自电子设备的GNSS信号数据,并根据接收的GNSS信号数据,确定电子设备的GNSS位置。
需要说明的是,当电子设备没有导航卫星系统或没有打开导航卫星系统时,电子设备只发送MEMS传感器信号数据至云系统服务器;当电子设备有导航卫星系统且导航卫星系统已打开时,电子设备同时发送MEMS传感器信号数据和GNSS信号数据至云系统服务器。当电子设备上存储有位置速度时间(Position Velocity and Time,PVT)处理算法时(PVT处理算法用于确定用户设备的位置、速度和时间),所述电子设备发送的GNSS信号数据为PVT处理算法确定出的用户设备的位置、速度和时间数据。
步骤102:云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,确定电子设备的方位以及电子设备与已知位置之间的位移。
进一步地,云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,具体包括:
云系统服务器接收来自电子设备的加速度传感器信号数据;
根据加速度传感器信号数据计算加速度值,根据计算出的加速度值确定加速度输出波形中的峰值;
当相邻两个峰值之间的差值大于或等于预先设置的第一阈值,或者当相邻两个峰值对应的时刻之间的时间间隔大于或等于预先设置的第二阈值时,确定相邻两个峰值对应的步伐有效,记录步伐长度和步数。
进一步地,所述MEMS传感器包括陀螺仪传感器、磁力传感器、加速度传感器和气压传感器中的一个或者多个。
进一步地,所述确定电子设备的方位,具体包括:
云系统服务器使用陀螺仪传感器信号数据,并按照姿态运动学方程确定电子设备的欧拉角;
通过使用卡尔曼滤波器及接收的MEMS传感器信号数据,估算欧拉角误差、陀螺仪传感器误差和加速度传感器误差;
将欧拉角误差馈入姿态运动学方程,确定电子设备的方位。
具体地,所述陀螺仪传感器误差和加速度传感器误差均为按一阶马尔科夫过程建模的偏差。
进一步地,所述方法还包括:
根据估算的陀螺仪传感器误差和加速度传感器误差,对电子设备的陀螺仪传感器和加速度传感器进行校准。
进一步地,所述方法还包括:
云系统服务器根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准。
具体地,云系统服务器将所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置馈送至卡尔曼滤波器,卡尔曼滤波器根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置的组合,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准。
进一步地,在云系统服务器根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准的步骤之前,所述方法还包括:
云系统服务器检测接收的GNSS信号数据是否满足预先设定的质量条件;
当接收的GNSS信号数据满足预先设定的质量条件时,触发云系统服务器根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准。
在本发明一实施例中,所述预先设定的质量条件,具体为预先定义的置信系数f超过预先设置的置信系数阈值;
置信系数定义为:其中:
f为置信系数,M是每颗卫星的高度及载波噪声密度分别超过预先定义的高度阈值及载波噪声密度阈值的卫星颗数,N是每个卫星的高度超过预先定义的高度阈值的卫星颗数。
参照图2,本发明实施例还提供了一种行人导航方法,包括如下步骤:
步骤201:电子设备采集自身的微机电系统MEMS传感器信号数据和接收全球卫星导航定位系统GNSS信号数据;
步骤202:电子设备将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据,并发送至云系统服务器;
步骤203:电子设备接收云系统服务器的定位和导航结果。
进一步地,所述方法还包括:
电子设备将采集的MEMS传感器信号数据压缩后,与接收的GNSS信号数据组合为一组导航数据。
进一步地,所述发送至云系统服务器,具体包括:
电子设备通过连续处理方式或分批处理方式,将导航数据发送至云系统服务器。
本发明实施例还提供了一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如以上任一项所述的行人导航方法的步骤。
如图3所示,本发明实施例还提供了一种云系统服务器,包括接收模块301、步伐检测模块302、方位估计模块303和航迹估测模块,其中:
接收模块301,用于接收来自电子设备的MEMS传感器信号数据;
步伐检测模块302,用于根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐;
方位估计模块303,用于根据接收的MEMS传感器信号数据,确定电子设备的方位;
航迹估测模块304,用于根据接收的MEMS传感器信号数据,确定电子设备与已知位置之间的位移。
进一步地,如图4所示,云系统服务器还包括融合估测模块305,其中:
接收模块301还用于,接收来自电子设备的GNSS信号数据;
融合估测模块305,用于根据所述航迹估测模块304确定的电子设备与已知位置之间的位移以及接收模块301接收的GNSS信号数据,确定电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
具体地,融合估测模块305将所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置馈送至卡尔曼滤波器,卡尔曼滤波器根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置的组合,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准。
进一步地,如图5所示,云系统服务器还包括位置质量模块306,其中:
位置质量模块306,用于检测接收的GNSS信号数据是否满足预先设定的质量条件;当接收的GNSS信号数据满足预先设定的质量条件时,通知融合估测模块305;
融合估测模块305,用于接收到位置质量模块306的通知,触发根据所确定的电子设备与已知位置之间的位移以及电子设备的GNSS位置,确定电子设备的方位和步长的误差,并对所确定的电子设备与已知位置之间的位移进行校准的步骤。
在本发明一实施例中,所述预先设定的质量条件,具体为预先定义的置信系数f超过预先设置的置信系数阈值;
置信系数定义为:其中:
f为置信系数,M是每颗卫星的高度及载波噪声密度分别超过预先定义的高度阈值及载波噪声密度阈值的卫星颗数,N是每个卫星的高度超过预先定义的高度阈值的卫星颗数。
需要说明的是,当电子设备没有导航卫星系统或没有打开导航卫星系统时,电子设备只发送MEMS传感器信号数据至云系统服务器;当电子设备有导航卫星系统且导航卫星系统已打开时,电子设备同时发送MEMS传感器信号数据和GNSS信号数据至云系统服务器。当电子设备上存储有PVT处理算法(PVT处理算法用于确定用户设备的位置、速度和时间)时,所述电子设备发送的GNSS信号数据为PVT处理算法确定出的用户设备的位置、速度和时间数据。
进一步地,步伐检测模块302具体用于:
根据电子设备的加速度传感器信号数据计算加速度值,根据计算出的加速度值确定加速度输出波形中的峰值;
当相邻两个峰值之间的差值大于或等于预先设置的第一阈值,或者当相邻两个峰值对应的时刻之间的时间间隔大于或等于预先设置的第二阈值时,确定相邻两个峰值对应的步伐有效,记录步伐长度和步数。
进一步地,MEMS传感器包括陀螺仪传感器、磁力传感器、加速度传感器和气压传感器中的一个或者多个。
进一步地,方位估计模块303具体用于:
使用陀螺仪传感器信号数据,并按照姿态运动学方程确定电子设备的欧拉角;
通过使用卡尔曼滤波器及接收的MEMS传感器信号数据,估算欧拉角误差、陀螺仪传感器误差和加速度传感器误差;
将欧拉角误差馈入姿态运动学方程,确定电子设备的方位。
进一步地,云系统服务器还包括传感器校准模块,其中:
传感器校准模块,用于根据估算的陀螺仪传感器误差和加速度传感器误差,对电子设备的陀螺仪传感器和加速度传感器进行校准。
如图6所示,本发明实施例还提供了一种电子设备,包括MEMS传感器601、传感器处理器602、GNSS接收机603、数据聚合模块604和通信模块605,其中:
传感器处理器602,用于采集MEMS传感器信号数据;
GNSS接收机603,用于接收全球卫星导航定位系统GNSS信号数据;
数据聚合模块604,用于将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据;
通信模块605,用于将组合的导航数据发送至云系统服务器,并接收云系统服务器的定位和导航结果。
需要说明的是,当电子设备没有导航卫星系统或没有打开导航卫星系统时,电子设备只发送MEMS传感器信号数据至云系统服务器;当电子设备有导航卫星系统且导航卫星系统已打开时,电子设备同时发送MEMS传感器信号数据和GNSS信号数据至云系统服务器。当电子设备上存储有PVT处理算法(PVT处理算法用于确定用户设备的位置、速度和时间)时,所述电子设备发送的GNSS信号数据为PVT处理算法确定出的用户设备的位置、速度和时间数据。
进一步地,所述数据聚合模块604还用于,将采集的MEMS传感器信号数据压缩后,与接收的GNSS信号数据组合为一组导航数据。
进一步地,通信模块605将组合的导航数据发送至云系统服务器,包括:
通过连续处理方式或分批处理方式,将导航数据发送至云系统服务器。
本发明实施例还提供了几个优选地实施例对本发明进行进一步解释,但是值得注意的是,该优选实施例只是为了更好的描述本发明,并不构成对本发明不当的限定。下面的各个实施例可以独立存在,且不同实施例中的技术特点可以组合在一个实施例中联合使用。
图7为本发明优选实施例的一个行人导航系统框图,用于说明如何在云系统上实施本发明的行人导航方法。所描述的几何结构可以用来说明关于图8到图12的任一个示例、或者在本披露范围内的任意数量的其他过程。
该行人导航系统包括网络、服务器和多个便携式电子设备,如便携式电子设备710和720。该网络可能包括多个无线站,如无线站WS-A到WS-C,被配置为通过无线信号与便携式电子设备通信。当一个人携带设备需要导航时,服务器可以根据一组导航数据确定便携式电子设备的轨迹。网络可以包括单个网络或多个相同或不同类型的网络。在一个例子中,该网络包括一个与蜂窝网络连接的光纤网络。此外,网络可以是数据网络或电信或视频分发(如电缆、地面广播或卫星)网络,与数据网络相连。无论是全球、国家、区域、广域、局域网还是在家网络,都可以在不背离披露的精神和范围的情况下使用电信、视频/音频分发和数据网络的任何组合。
无线站可以是蜂窝网络中的蜂窝基站。每个无线站都根据各种蜂窝技术进行配置,如全球移动系统(Global System for Mobile Communication,GSM)、码分多址接入(Code Division Multiplexing Access,CDMA)、宽带码分多址接入(Wideband CodeDivision Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)等,使用无线电频率信号与便携式电子设备通信。无线站可以为便携式电子设备提供电话服务和/或可以中继传输,通过使用网关提供对广域网(WAN)的通信来向服务器访问。无线站可以是无线局域网((Wireless Local Area Networks,WLAN)或无线个人区域网络(Personal AreaNetwork,PAN)的接入点。每个无线站都根据各种通信协议进行配置,如电气和电子工程师协会(Institute of Electrical and Electronics Engineers,IEEE)基于802.11协议(例如,WiFi TM网络)或基于IEEE 802.15的协议(如蓝牙网络),以使用射频信号与便携式电子设备进行通信。接入点可以中继传输,通过提供对广域网(Wide Area Network,WAN)(如Internet)的通信来向服务器访问。
便携式电子设备可以是任何类型的设备,如膝上型计算机、平板电脑、智能手机、可穿戴的电子设备等,被配置为使用无线信号与无线站进行通信。便携式电子设备可以包括硬件,包括但不限于用于执行和存储指令的处理器和内存,软件包括一个或多个应用程序和操作系统。便携式电子设备可能具有多个处理器和多个共享或单独的内存组件。
服务器可能包括多个组件。如图7所示,服务器包括一个处理器和一个存储介质。在一个示例中,服务器可以包含多个处理器和存储媒体。在一个示例中,服务器是使用一个分布式系统实现的,其中包括由网络耦合在一起的多个处理器和/或多个存储介质。存储介质存储各种用于行人导航的软件指令。在一个例子中,处理器执行各种软件指令来提供一个便携式电子设备的轨迹。
便携式电子设备安装用于行人导航的客户端应用程序。在一个示例中,安装了客户端应用程序的便携式电子设备会向服务器提供一组导航数据。在另一个示例中,具有客户端应用程序的便携式电子设备从服务器请求导航服务。在图7示例中,便携式电子设备710包括多个组件,如天线、接收电路(未显示)、传输电路(未显示)、处理器(未显示)等,以启用与无线站的无线通信。此外,便携式电子设备还安装了全球导航卫星系统(GNSS),如全球定位系统(Global Positioning System,GPS)、格洛纳斯(GLONASS)、伽利略(GALILEO)、北斗(Beidou)和用于行人导航的客户端应用程序。客户端应用程序使便携式电子设备710能够与服务器通信。在实施例中,便携式电子设备710的用户打开导航系统,允许便携式电子设备710提供旅途中的位置信息。当导航系统打开时,客户端应用程序请求用户的权限,例如通过用户界面,向服务器提供一组导航数据。客户端应用程序根据网络通信协议(例如,用于实现通信协议的软件,如传输控制协议/Internet协议(TCP/IP)、超文本传输协议(HTTP)等)准备消息到服务器。该消息带有导航数据组。然后,便携式电子设备710发送与该消息对应的无线信号到无线站,无线站通过网络将消息转发到服务器。当使用便携式电子设备710的用户在行程中移动时,在不同的位置,便携式电子设备710可以在不同位置提供导航数据到服务器。服务器接收消息。服务器基于导航数据组的为便携式电子设备710提供了一个轨迹。
在图7示例中,便携式电子设备720包括多个组件,如天线、接收电路(未显示)、传输电路(未显示)、处理器(未显示)等,以启用与无线站的无线通信。此外,便携式电子设备720安装了一个用于行人导航的客户端应用程序。在一个例子中,便携式电子设备720没有导航卫星系统或没有打开导航卫星系统,但需要知道设备在旅行中的轨迹。用户通过用户界面启用客户端应用程序。然后,客户端应用程序使便携式电子设备根据网络通信协议向服务器发送消息。该消息携带一组导航数据。服务器检索导航数据组,并根据导航数据确定便携式电子设备720的轨迹。在该示例中,服务器根据网络通信协议发送一条响应消息,将导航结果(即,便携式电子设备的轨迹)传送到便携式电子设备720。
图8根据披露的具体体现显示了一个便携式电子设备的框图。便携式电子设备包括GNSS接收机、一个或多个传感器处理器,以及一个或多个物理传感器(如加速度计、陀螺仪、磁强计、气压计等)。GNSS接收机包含射频(RF)部分(未示出)用于采集GNSS信号、中央处理单元(CPU)和非易失性存储器。CPU可以是但不限于微处理器、现场可编程门阵列(FPGA)、应用特定的集成电路(ASIC),等等。存储器用于储存CPU执行用的数据或指令。例如,存储器可储存位置、速度、时间(PVT)处理算法。当GNSS接收机从一个或多个卫星星座接收信号时,PVT处理算法用于确定用户设备的位置、速度和时间,信号在RF段被下变频并在基带处理中进行调制。
在图8的例子中,每个传感器可以连接或与传感器处理器通信。传感器处理器可以是传感器的组件或专用处理器,用于从多个传感器获取数据。一个或多个传感器处理器被配置为通过使用低于主要应用处理器所消耗的功率,从一个或多个传感器采集传感器数据,采样速率大约为50Hz或者其他频率。一个或多个传感器处理器被配置为处理从一个或多个传感器接收的数据,以获取用于识别人类活动的特征向量(即观察)并根据部分特征确定二元状态,其中状态信息可以是静止和运动。一个或多个传感器处理器被配置为根据人类活动的结果来处理获取的传感器数据的压缩。获取的传感器数据流可以分包为第一和第二部分。第一部分包括一个位域头,然后一个数据域。数据域包括一个带传感器数据序列值表示的字节序列。
数据聚合模块被配置为接收来自GNSS接收机的GNSS位置数据和来自一个或多个传感器处理器的压缩传感器数据。数据聚合模块被配置为将接收的数据组合为一组导航数据处理。每个导航数据可以包括位置和方向信息、一个或多个传感器标识符以及一个或多个压缩传感器数据。数据聚合模块根据网络通信协议将导航数据组发送到服务器。在实施例中,数据聚合模块可以通过连续处理时间窗口中的数据,以流式方式处理接收的数据。在这种情况下,数据聚合模块单独的接收然后处理,当数据可得到,该模块只接收并发送数据。例如,要发送n个导航数据样本,数据聚合模块将启动接收和发送导航数据示例,n次。在另一个实施例中,数据聚合模块使用批处理,其等待一定的时间,然后开始处理累积的数据。在这种情况下,数据聚合模块实现了数据批处理,数据收集和传递序列是分批执行的。因此,当数据聚合模块必须接收和传输N个导航数据样本时,例如,数据聚合模块可以将进程分成两批。导航数据样本的前半部分将在一个时间间隔后发送。然后在另一个时间间隔之后,将发送导航数据样本的后半部分,与流式传递方法所需的N个传输进行比较,总共进行两次传输。数据聚合模块可以通过软件、硬件或者采用混合方法等多种技术来实现。根据当前披露的一个方面,数据聚合模块可以作为在电子设备中存储和执行的软件程序实现。
在图8示例中,便携式电子设备可包含主应用程序处理器(如微处理器、数字信号处理器、多核处理器等等)和内存,内存可结合处理器,用于存储处理器执行所用的数据或指令,因此是可让处理器读取或计算机读取的内存。例如,内存存储导航使用的地图信息。在实现中,基于行人导航信息的便携式电子设备可根据需要调用以及/或者调整基于位置的应用程序。例如,便携式电子设备可以包含一个显示单元。主应用程序处理器可执行根据行人导航信息将导航消息显示调到前台。在另一个例子中,主应用程序处理器可执行基于行人导航信息在显示单元上延迟或提前显示地图信息。
图9根据披露的具体体现显示了一个服务器示例的框图,该服务器包括一个数据检索器和一个行人导航引擎。这些元素结合在一起,如图9所示。在操作过程中,数据检索器包括一个接收模块,被配置为通过无线站接收来自便携式电子设备的消息。接收模块处理消息并从消息中提取一组导航数据。每个导航数据可能包括GNSS位置和方位信息、一个或多个传感器标识符以及一个或多个压缩传感器数据。数据检索器还包括一个解压缩模块,被配置为从接收模块接收的导航数据中重建一个或多个传感器数据。解压缩模块使用传感器标识符作为索引,以搜索传感器数据,重建原始传感器数据。在一个例子中,传感器数据可以是加速度计读数,陀螺仪读数,磁力仪读数,或类似的。在解压缩模块检索到原始传感器数据后,将导航数据中继到一个行人导航引擎。
在图9的例子中,行人导航引擎包括传感器校准模块、位置质量模块、方位估计模块和行人导航模块。传感器校准模块被配置为根据传感器数据的误差模型对传感器偏差进行校准。传感器校准包括校准加速度计,陀螺仪,磁力仪,气压计,或类似的。例如,传感器校准包括磁力仪数据的动态校准。另一个例子,传感器校准包括陀螺仪数据的静态校准。位置质量模块被配置为根据置信系数确定GNSS位置信息的质量。方位估计模块被配置为确定用户设备的方向、加速度计和陀螺的偏差以及磁干扰。
在图9的例子中,行人导航模块可包含一个步测器、航迹估测器和融合估测器。步测器被配置用来通过使用传感器数据(即加速度计数据)来探测步伐并记录步数。例如,可通过峰值探测来获得步伐探测。又例如,可通过现有的零点交越检测或者扁平区检测来获得步伐检测。步长通常采用步幅模型来估算每一步的长度。例如,步幅模型可通过与行走频率及每一步的加速度变化的线性关系来表达。步幅模型可能随时间不同而变化,因为人类活动变化、人类身体条件或者地面类型、健康状况等方面存在差异,因此用一种线性回归关系难以准确估算步长。在图9示例中,航迹估测器被配置用于估算与已知位置之间的位移。在一种实现中,每次探测一个步伐时,就会确定步伐长度。在另一种实现中,方位估计模块来确定步伐的方位。估算出的步伐长度及已确定的方位被馈入航迹估测器来确定与已知位置之间的位移。当GNSS位置和方位信息存在时,GNSS位置结果以及航迹结果被馈入融合估测器。融合估测器被配置用来通过使用卡尔曼滤波器基于GNSS位置结果和航迹结果来估算与已知位置之间的位移。此外,融合估测器被配置用来确定方位和步长的误差。当确定与已知位置之间的下一次位移时,方位和步长的误差可用于校准。
图7中的存储设备用于将行人导航引擎存储为一个软件程序,以供图7中的处理器执行本发明的方法。
下文通过示意流程图10-12介绍在便携式电子设备中行人导航的工作方法。图10中的示例流程图介绍按照当前发明实现的步伐检测过程。在一个示例中,该过程由行人导航模块中的步测器执行。该过程包含从三轴加速度计中采集传感器信号。根据人类活动的生理学特点,当确定处于走路活动时,三轴加速度计的波形可从周期性变化的形状来获得。因此,周期性和特征的值被用于检测步伐。在此例中,该过程还包含计算三轴加速度计的值其中ax,ay,az是三轴加速度计分别在X、Y和Z方向上的输出数据,该过程通过使用数字低通滤波器确定加速度计值输出波形中出现的第一个峰值。
根据当前披露的一个方面,当用户手持电子设备走路时会产生一些小的抖动,比如用户在走路时不定期地摇动设备。在这种情况下,加速度计值的输出波形会出现假峰值,因此检测到假的步伐。在此例中,该过程进一步包含确定是否符合检测条件。在一个示例中,当每两个相邻峰值的时间间隔超过阈值Tth时,即满足检测条件。在大多数应用中,Tth可选择一个固定的设计值。但是,不同的实现中可采用可变时长Tth或者为不同的Tth值执行并行处理。前一种场景中特别适用于复杂性较低的实现中,而后一种选项则可用于需要较高性能和可靠性的应用中。在另一个示例中,每当两个相邻峰值之间的峰值数值超过阈值Ath时,即满足检测条件。在大多数应用中,Ath可以选择为固定的设计值,或者为不同的Ath值执行并行处理。当满足检测条件时,该过程包含确定加速度计值输出波形中出现的第二个峰值,才能检测到步伐;否则,该过程将重复上述过程。
图11中的示例流程图介绍根据当前发明一个方面实现的方位估算。在一个例子中,由行人导航引擎中的方位估计模块执行该过程。在一个示例中,由行人导航引擎中的方位估计模块执行该过程。该过程包含分别从三轴陀螺仪、三轴磁力仪和三轴加速度计中采集传感器信号,通过使用三轴陀螺仪值按照姿态运动学方程确定电子设备的欧拉角(即翻滚、俯仰和偏航)。
所述姿态运动学方程为Q(t0)=Q0;
其中:Q=q0+q1i+q2j+q3k是四元数,t0是用户运动的初始时间,Q0是初始四元数,ω=0+ω1i+ω2j+ω3k是电子设备坐标中的角速度四元数,表示四元数乘法。
在本例中,该过程还包含通过使用按照卡尔曼滤波器确定的欧拉角、三轴磁力仪值和三轴加速度计值来估算欧拉角误差和传感器校准因数。传感器校准因数包含加速度计和陀螺仪的误差。在卡尔曼滤波器中,误差状态矢量定义为其中ρ是欧拉角误差,Δxg是陀螺仪误差,Δxa是加速度计误差。矢量ρ=[∈N,∈E,∈D]T包含相对于导航坐标系定义的小角度旋转,用于旋转导航坐标系与计算出的导航坐标系对齐。在ρ分量中,∈N和∈E是指倾斜误差,∈D是指偏航误差。陀螺仪误差是按一阶马尔科夫过程建模的偏差,即其中:是一阶马尔科夫陀螺仪偏差;xg是陀螺仪误差;Fg=-λgI和ωg是高斯白噪声过程,λg是一个时间常数,功率频谱密度为加速度计误差是一阶马尔科夫过程建模的偏差,即其中:是一阶马尔科夫加速度计偏差,xa是加速度计误差,Fa=-λaI和ωa是高斯白噪声过程,λa是一个时间常数,功率频谱密度为在本例中,该过程进一步包含将欧拉角误差馈入姿态运动学方程,以及确定电子设备的方位。
使用上述过程可让系统跟踪个人移动相对于起点的位置。例如,如果在时间tk时估计的方位θk以及步长sk,则可简单通过xk=xk-1+skcosθk;yk=yk-1+sksinθk来确定相对于先前位置的新位置。由行人导航模块中的航迹估测器来执行这个过程。
在行人导航中,估算行人方向更加困难。困难在于电子设备指向与行走方向之间无法对齐。在任何时候,可在GNSS接收机从一个或多个卫星星座接收到信号时解决这个问题。图12中的示意流程图介绍根据本发明的一个方面,当GNSS信号可用时如何实现融合估算。该过程包含从一个或多个卫星星座接收GNSS信号,确定是否满足质量条件。在一个示例中,当GNSS位置结果可以通过置信因数检查时,即满足质量条件。置信因数定义为其中M是每颗卫星的高度及载波噪声密度分别超过某个阈值的卫星颗数,N是每个卫星的高度超过某个阈值的卫星颗数。在一种实现中,高度阈值可选为一个固定的设计值(如20度)。在另一种实现中,载波噪声密度的阈值可以选为一个固定的设计值(如28dBHz)。在一个例子中,上述过程由行人导航引擎中的位置质量模块来执行。当满足质量条件时,该过程包含将GNSS位置结果和航迹结果馈送到卡尔曼滤波器。卡尔曼滤波器用于根据GNSS位置结果和航迹结果的组合,确定方位和步长的误差以及估算与已知位置之间的位移。误差模型定义为Δp=[Δx,Δy,Δθ,Δs],其中Δx是在x坐标方向的位置误差,Δy是在y坐标方向的位置误差,Δθ是前进方向误差,Δs是步长误差。Δx和Δy是一个位置的位移量,用于计算下一个时刻的位置;确定的前进方向误差Δθ可馈入航迹估值器用于校准;确定的步长误差Δs可馈入行人导航引擎中的步伐检测器用于校准。在一个示例中,上述过程由行人导航模块中的融合估测器来执行。
精选示例可更好地显示所披露行人导航过程的结果。图13中的图形为按照当前发明的一个方面显示当用户手持电子设备时的预估行走轨迹。在图13示例中,圆形轨迹显示由GNSS接收机确定的行走轨迹,三角形轨迹显示由航迹估测器所确定的行走轨迹。相比而言,方形规矩显示由融合估测器(即GNSS位置结果和航迹结果的融合)确定的行走轨迹。可以看出,使用融合估测器后,即使GNSS接收机存在性能变差的情况,仍然可以得到显著的改善。比如,在行走轨迹的左下角可以看到这种改善,使用融合估测器后可以更好地跟随实际轨迹(实线)。要注意,当GNSS接收机性能足够好时,使用融合估测器可以看到显著改善。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (13)
1.一种行人导航方法,其特征在于,包括:
云系统服务器接收来自电子设备的微机电系统MEMS传感器信号数据;
云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,确定电子设备的方位以及电子设备与已知位置之间的位移。
2.根据权利要求1所述的行人导航方法,其特征在于,所述云系统服务器根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐,具体包括:
所述云系统服务器接收来自所述电子设备的加速度传感器信号数据;
根据加速度传感器信号数据计算加速度值,根据计算出的加速度值确定加速度输出波形中的峰值;
当相邻两个峰值之间的差值大于或等于预先设置的第一阈值,或者当相邻两个峰值对应的时刻之间的时间间隔大于或等于预先设置的第二阈值时,确定相邻两个峰值对应的步伐有效,记录步伐长度和步数。
3.根据权利要求1所述的行人导航方法,其特征在于,所述MEMS传感器包括陀螺仪传感器、磁力传感器和加速度传感器;
所述确定电子设备的方位,具体包括:
所述云系统服务器使用陀螺仪传感器信号数据,并按照姿态运动学方程确定所述电子设备的欧拉角;
通过使用卡尔曼滤波器及接收的MEMS传感器信号数据,估算欧拉角误差、陀螺仪传感器误差和加速度传感器误差;
将欧拉角误差馈入姿态运动学方程,确定所述电子设备的方位。
4.根据权利要求3所述的行人导航方法,其特征在于,所述陀螺仪传感器误差和加速度传感器误差均为按一阶马尔科夫过程建模的偏差。
5.根据权利要求1所述的行人导航方法,其特征在于,所述方法还包括:
所述云系统服务器接收来自所述电子设备的全球卫星导航定位系统GNSS信号数据;
所述云系统服务器根据接收的GNSS信号数据,确定所述电子设备的GNSS位置;
所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
6.根据权利要求5所述的行人导航方法,其特征在于,在所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准的步骤之前,所述方法还包括:
所述云系统服务器检测接收的GNSS信号数据是否满足预先设定的质量条件;
当接收的GNSS信号数据满足预先设定的质量条件时,触发所述云系统服务器根据所述确定的电子设备与已知位置之间的位移以及所述电子设备的GNSS位置,确定所述电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准的步骤。
7.根据权利要求6所述的行人导航方法,其特征在于,所述预先设定的质量条件,具体为预先定义的置信系数超过预先设置的置信系数阈值;
所述置信系数定义为:
其中:f为置信系数,M是每颗卫星的高度及载波噪声密度分别超过预先定义的高度阈值及载波噪声密度阈值的卫星颗数,N是每颗卫星的高度超过预先定义的高度阈值的卫星颗数。
8.一种行人导航方法,其特征在于,包括:
电子设备采集自身的微机电系统MEMS传感器信号数据和接收全球卫星导航定位系统GNSS信号数据;
电子设备将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据,并发送至云系统服务器;
电子设备接收云系统服务器的定位和导航结果。
9.一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的行人导航方法的步骤。
10.一种云系统服务器,其特征在于,包括接收模块、步伐检测模块、方位估计模块和航迹估测模块,其中:
接收模块,用于接收来自电子设备的微机电系统MEMS传感器信号数据;
步伐检测模块,用于根据接收的MEMS传感器信号数据,检测使用电子设备的用户的步伐;
方位估计模块,用于根据接收的MEMS传感器信号数据,确定电子设备的方位;
航迹估测模块,用于根据接收的MEMS传感器信号数据,确定电子设备与已知位置之间的位移。
11.根据权利要求10所述的云系统服务器,其特征在于,还包括融合估测模块,其中:
所述接收模块还用于,接收来自电子设备的全球卫星导航定位系统GNSS信号数据;
所述融合估测模块,用于根据所述航迹估测模块确定的电子设备与已知位置之间的位移以及接收模块接收的GNSS信号数据,确定电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
12.根据权利要求11所述的云系统服务器,其特征在于,还包括位置质量模块,其中:
位置质量模块,用于检测接收的GNSS信号数据是否满足预先设定的质量条件;当接收的GNSS信号数据满足预先设定的质量条件时,通知所述融合估测模块;
所述融合估测模块,用于接收到所述位置质量模块的通知,触发根据所述航迹估测模块确定的电子设备与已知位置之间的位移以及接收模块接收的GNSS信号数据,确定电子设备的方位和步长的误差,并对所述确定的电子设备与已知位置之间的位移进行校准。
13.一种电子设备,其特征在于,包括MEMS传感器、传感器处理器、GNSS接收机、数据聚合模块和通信模块,其中:
传感器处理器,用于采集MEMS传感器信号数据;
GNSS接收机,用于接收全球卫星导航定位系统GNSS信号数据;
数据聚合模块,用于将采集的MEMS传感器信号数据和接收的GNSS信号数据组合为一组导航数据;
通信模块,用于将组合的导航数据发送至云系统服务器,并接收云系统服务器的定位和导航结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810050602.6A CN108387918A (zh) | 2018-01-18 | 2018-01-18 | 一种行人导航方法和云系统服务器、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810050602.6A CN108387918A (zh) | 2018-01-18 | 2018-01-18 | 一种行人导航方法和云系统服务器、存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108387918A true CN108387918A (zh) | 2018-08-10 |
Family
ID=63077168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810050602.6A Pending CN108387918A (zh) | 2018-01-18 | 2018-01-18 | 一种行人导航方法和云系统服务器、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108387918A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156338A1 (en) * | 2004-02-13 | 2007-07-05 | Jacques Coatantiec | Device for monitoring the integrity of information delivered by a hybrid ins/gnss system |
CN101858980A (zh) * | 2010-05-18 | 2010-10-13 | 东南大学 | 一种车载基于gps软件接收机的智能超紧组合导航方法 |
CN102445200A (zh) * | 2011-09-30 | 2012-05-09 | 南京理工大学 | 微小型个人组合导航系统及其导航定位方法 |
CN103235328A (zh) * | 2013-04-19 | 2013-08-07 | 黎湧 | 一种gnss与mems组合导航的方法 |
CN103776446A (zh) * | 2013-10-29 | 2014-05-07 | 哈尔滨工程大学 | 一种基于双mems-imu的行人自主导航解算算法 |
CN104181574A (zh) * | 2013-05-25 | 2014-12-03 | 成都国星通信有限公司 | 一种捷联惯导系统/全球导航卫星系统组合导航滤波系统及方法 |
CN105116421A (zh) * | 2015-09-30 | 2015-12-02 | 湖南北云科技有限公司 | 一种基于云服务的卫星导航接收机 |
CN105607104A (zh) * | 2016-01-28 | 2016-05-25 | 成都佰纳瑞信息技术有限公司 | 一种基于gnss与ins的自适应导航定位系统及方法 |
CN106767797A (zh) * | 2017-03-23 | 2017-05-31 | 南京航空航天大学 | 一种基于对偶四元数的惯性/gps组合导航方法 |
CN106949889A (zh) * | 2017-03-17 | 2017-07-14 | 南京航空航天大学 | 针对行人导航的低成本mems/gps组合导航系统及方法 |
CN107490803A (zh) * | 2017-06-14 | 2017-12-19 | 合肥中导机器人科技有限公司 | 利用gps和惯导系统对机器人定位定向方法 |
-
2018
- 2018-01-18 CN CN201810050602.6A patent/CN108387918A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156338A1 (en) * | 2004-02-13 | 2007-07-05 | Jacques Coatantiec | Device for monitoring the integrity of information delivered by a hybrid ins/gnss system |
CN101858980A (zh) * | 2010-05-18 | 2010-10-13 | 东南大学 | 一种车载基于gps软件接收机的智能超紧组合导航方法 |
CN102445200A (zh) * | 2011-09-30 | 2012-05-09 | 南京理工大学 | 微小型个人组合导航系统及其导航定位方法 |
CN103235328A (zh) * | 2013-04-19 | 2013-08-07 | 黎湧 | 一种gnss与mems组合导航的方法 |
CN104181574A (zh) * | 2013-05-25 | 2014-12-03 | 成都国星通信有限公司 | 一种捷联惯导系统/全球导航卫星系统组合导航滤波系统及方法 |
CN103776446A (zh) * | 2013-10-29 | 2014-05-07 | 哈尔滨工程大学 | 一种基于双mems-imu的行人自主导航解算算法 |
CN105116421A (zh) * | 2015-09-30 | 2015-12-02 | 湖南北云科技有限公司 | 一种基于云服务的卫星导航接收机 |
CN105607104A (zh) * | 2016-01-28 | 2016-05-25 | 成都佰纳瑞信息技术有限公司 | 一种基于gnss与ins的自适应导航定位系统及方法 |
CN106949889A (zh) * | 2017-03-17 | 2017-07-14 | 南京航空航天大学 | 针对行人导航的低成本mems/gps组合导航系统及方法 |
CN106767797A (zh) * | 2017-03-23 | 2017-05-31 | 南京航空航天大学 | 一种基于对偶四元数的惯性/gps组合导航方法 |
CN107490803A (zh) * | 2017-06-14 | 2017-12-19 | 合肥中导机器人科技有限公司 | 利用gps和惯导系统对机器人定位定向方法 |
Non-Patent Citations (3)
Title |
---|
徐江颖: "室内外行人导航系统研究", 《压电与声光》 * |
李金凤等: "基于MEMS惯性传感器的行人航位推算系统", 《传感器与微系统》 * |
陈明剑等: "《星载GNSS卫星编队相对导航技术》", 31 January 2016 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10652695B2 (en) | Determining the geographic location of a portable electronic device | |
KR101728123B1 (ko) | 지구 자기장을 이용한 동시 로컬리제이션 및 매핑 | |
US9638784B2 (en) | Deduplicating location fingerprint data | |
Liu et al. | Fusing similarity-based sequence and dead reckoning for indoor positioning without training | |
JP6965253B2 (ja) | 視覚慣性オドメトリおよび衛星測位システムの基準フレームのアラインメント | |
US9689962B2 (en) | Determining the geographic location of a portable electronic device | |
JP6054535B2 (ja) | 歩行者モーション認識基盤の歩行者位置推定装置、及びその方法 | |
US20150365806A1 (en) | Method, apparatus and computer program product for orienting a smartphone display and estimating direction of travel of a pedestrian | |
Hu et al. | WiBEST: A hybrid personal indoor positioning system | |
Tarrío et al. | Fusion of RSS and inertial measurements for calibration-free indoor pedestrian tracking | |
Giarré et al. | Improved PDR localization via UWB-anchor based on-line calibration | |
Liu et al. | From wireless positioning to mobile positioning: An overview of recent advances | |
US11368809B2 (en) | Single antenna direction finding and localization | |
Basso et al. | A smartphone-based indoor localization system for visually impaired people | |
Pendao et al. | FastGraph enhanced: High accuracy automatic indoor navigation and mapping | |
CN108387918A (zh) | 一种行人导航方法和云系统服务器、存储介质、电子设备 | |
Mannesson et al. | Radio and IMU based indoor positioning and tracking | |
Sathyadevan | GPS Spoofing Detection in UAV Using Motion Processing Unit | |
US20210080533A1 (en) | Single antenna direction finding and localization | |
EP4350378A1 (en) | Method for determining position of an object in a space | |
Shoushtari et al. | L5in+: From an analytical platform to optimization of deep inertial odometry | |
Qu et al. | Inertial sensing approach for indoor localization | |
Dinh et al. | Smartphone Indoor Positioning System based on BLE iBeacon and Reliable region-based position correction algorithm | |
Islam | Infrastructure-less based positioning: Localization in GNSS-denied environments | |
Al-Turjman | Drones Navigation in Mission Critical Applications |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |
|
RJ01 | Rejection of invention patent application after publication |