CN108801267A - 一种融合多传感器的室内无锚点定位方法 - Google Patents
一种融合多传感器的室内无锚点定位方法 Download PDFInfo
- Publication number
- CN108801267A CN108801267A CN201810650564.8A CN201810650564A CN108801267A CN 108801267 A CN108801267 A CN 108801267A CN 201810650564 A CN201810650564 A CN 201810650564A CN 108801267 A CN108801267 A CN 108801267A
- Authority
- CN
- China
- Prior art keywords
- particle
- positioning
- target
- magnetometer
- positioning target
- 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
- 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
Abstract
本发明公开了一种融合多传感器的室内无锚点定位方法,主要解决现有技术在行人航迹推算中方向误差大,定位精度低的问题。实现步骤为:建立定位区域的地磁指纹库;估计定位目标行走步长;利用陀螺仪和磁力计对定位目标进行航向测量,并记录其每一时刻地磁强度;对定位目标行走状态进行划分;按划分结果计算融合方向角;利用粒子滤波算法进行地磁匹配,估计单定位目标位置;重复单目标的定位步骤,可得到多目标的定位位置。本发明在无锚点情况下,融合多传感器信息进行方向矫正,通过基于粒子滤波地磁匹配算法实现定位。本发明提高了行走方向的估算精度和定位精度,适用于各种环境下无锚点的室内定位。
Description
技术领域
本发明属于通信定位领域,特别涉及室内定位,具体是一种融合多传感器的室内无锚点定位方法,可用于在无锚点情况下实现高精度的室内行人定位。
背景技术
现有的定位技术主要有蓝牙定位技术、超宽带定位技术、Wi-Fi定位技术、地磁场定位技术和惯性传感器定位技术等。其中:
蓝牙定位技术,是使用智能手机的蓝牙模块,需要在定位环境中部署蓝牙基站,其定位精度最高可以达到亚米级,但是这种定位方法成本高,在复杂的环境中,稳定性欠妥、受噪声干扰明显。
超宽带定位技术,不依赖传统通信所必须的载波信号,需要极窄的脉冲信号,其在无遮挡的室内环境下可以达到厘米级的定位精度,但这种定位方法的不足是对硬件性能要求高,在复杂的室内环境下容易出现较大的定位误差。
Wi-Fi定位技术,是利用访问接入点AP组成的WLAN网,可以完成复杂环境中的定位任务,它以节点的位置数据为依据和前提,其最高精度在1米至20米之间,由于AP通常的覆盖半径在百米以内,容易被其他信号影响,降低其定位精度,且定位功耗也较高。
基于惯性传感器的定位技术,主要分为两种:一种是传统惯性传感器定位方法,另一种是行人航迹推算方法。这两种方法均应用于智能手机,即利用智能手机携带的传感器设备,先采集运动数据,然后通过计算获取手机的位置信息。
其中,传统惯性传感器定位方法利用牛顿运动定理,对加速度进行二次积分获得速度和位移,优点是不易受到外界环境的干扰,缺点是计算复杂,同时由于加速度测量值与实际值存在一定的偏差,这些误差会对定位结果产生影响,随着时间的累积,累计误差会越来越大;行人航迹推算方法,是在已知起始点坐标的基础上,根据运动的位移和方向来确定下一点的坐标,这种定位方法对加速度传感器的精度要求低,可以进一步减少硬件系统误差对于定位精度的影响,定位数据更为稳定,并且加入航向检测,可以单独作为定位技术使用,缺点是定位误差会随着时间的增加而累积。
蓝牙定位技术、超宽带定位技术、Wi-Fi定位技术需要锚点信息,而且定位精度会因为室内障碍物的存在而受到较大的影响;惯性传感器定位技术成本低廉,对环境要求低,但是定位精度会随着时间的增加而降低,存在累计误差,导致定位误差较大;地磁场定位技术独立于任何外界设施,易于管理和实施,特别是在没有无线系统的室内场所,更能显示其优势。
发明内容
本发明的目的在于针对上述现有技术存在的不足,提出一种提高行走方向精度和定位精度的融合多传感器的室内无锚点定位方法。
本发明是一种融合多传感器的室内无锚点定位方法,包括有如下步骤:
1)传感器安装:将加速度传感器、陀螺仪传感器和磁力计传感器分别安装到定位目标上;
2)构建地磁库:根据磁力计对定位区域的地磁测量结果建立定位区域的地磁指纹库模型M;
3)估算定位目标行走步长:利用加速度传感器获得定位目标的行走加速度,建立步长模型,根据模型估计定位目标的行走步长l;
4)定位目标方向测量:利用陀螺仪获得定位目标的角转动行走方向βgyro;同时利用磁力计获得定位目标的磁阻式数字行走方向βmag,并记录定位目标行走过程中每一步的地磁强度Mreal;
5)定位目标行走状态划分:根据相邻两个时刻磁力计测得的定位目标磁阻式数字行走方向βmag的差值和同一时刻陀螺仪测得的定位目标行走方向角转动βgyro与磁力计测得的定位目标磁阻式数字行走方向βmag的差值,对定位目标的行走状态进行状态划分;
6)定位目标方向融合:根据划分出的行走状态,每一种状态对应一种计算方法,计算磁力计和陀螺仪测量结果的融合方向角β;
7)单目标定位:使用得到的融合方向角β作为更新粒子状态的基准,利用粒子滤波算法将地磁测量值Mreal与地磁指纹库M进行匹配,完成定位区域的定位目标行走过程每一步的地磁匹配,估计得到定位区域中的定位目标所有位置。
8)多目标定位扩展:对于不同的定位目标,重复步骤3)到步骤7),即可获得所有定位目标的所有位置。
本发明是基于粒子滤波的地磁定位方法。旨在无锚点环境下,实现高精度的室内定位。本发明与现有技术相比,具有以下优点:
1.本发明采用了地磁场定位技术,利用室内地磁场不同的分布状态来实现室内定位。每一个室内环境都有自己独特的环境磁场,如果磁场的信息足够丰富,在这样的环境磁场中移动,不同的运动路径就会得到不同的磁场观测结果,通过预先建立室内区分度高的地磁指纹库,便能得到较高的定位精度;
2.本发明在对定位目标定位过程中,采用了行人航迹推算定位方法,具有硬件要求低、适用范围广和短时间定位精度高的优点;本发明对现有技术中行人航迹推算定位方法的航向测量进行了改进,使用融合多传感器方法进行航向测量,通过对行走状态进行划分,能够精确估算出定位目标的行走方向,提高了定位目标行走方向的测量精度,为后续基于粒子滤波算法的地磁匹配算法提供了更为准确的粒子状态更新基准;
3.本发明将多传感器和地磁匹配定位进行了融合,不需要外界环境配置,仅使用移动设备自带装置,在无锚点的情况下进行定位,降低了环境配置不均或者信号遮挡等因素对定位精度的影响,地磁匹配通过每一步地磁匹配定位改善了行人航迹推算定位方法的误差累积,行人航迹推算定位方法提高了地磁匹配定位的初始位置定位精度;
4.本发明利用粒子滤波算法将多传感器测量结果和地磁匹配进行了融合,通过足够庞大数量的粒子,能够很好地近似模拟状态的后验概率分布;粒子滤波器的复杂度和精确度只与粒子的数量及其本身算法有关,而与状态空间的维度无关;因此,它不会因为状态空间的维数的增加而导致性能下降或者复杂度增加;本发明利用粒子滤波算法将多传感器测量的角度信息和地磁匹配进行融合,提高了定位算法的精度和稳定度,并且将定位算法的复杂度控制在了可控范围内。
附图说明
图1是本发明的实例实现流程图;
图2是本发明的行走状态划分示意图;
图3是本发明的多传感器测量行走方向的对比仿真图;
图4是本发明的多种定位方法的对比仿真图。
具体实施方案
以下结合附图和具体实施例,对本发明作详细说明。
实施例1:
随着移动互联网的迅速发展,基于位置的服务得到人们更多的关注。其中,在GPS信号薄弱的室内提供便捷、高精度的位置服务已经成为了亟待解决的问题,无论是商场或者停车场的室内导航,还是火灾的室内救援,都对室内定位的精度提出了很高的要求。室内定位常用的现有技术主要有蓝牙定位技术、超宽带定位技术、Wi-Fi定位技术、地磁场定位技术和惯性传感器定位技术,其中蓝牙定位技术存在作用范围小、需要部署蓝牙基站、成本高、易受噪声干扰等缺点,超宽带定位技术虽定位精度高,但存在硬件要求高、成本高、受环境干扰大等缺点,Wi-Fi定位技术存在容易被其他信号影响,定位精度低,且定位功耗也较高等缺点。针对这些问题,本发明展开了研究与探讨,提出了一种融合多传感器的室内无锚点定位方法。
本发明是一种融合多传感器的室内无锚点定位方法,参见图1,包括有如下步骤:
1)传感器安装:将加速度传感器、陀螺仪传感器和磁力计传感器分别安装到定位目标上。现在以上三种传感器在手机上均有配备,所以定位目标可以是行人使用的手机,也可以是实验中的开发板等,对定位目标要求是能调用这些传感器并能够返回测量数据即可。
2)构建地磁库:根据磁力计对定位区域的地磁测量结果建立定位区域的地磁指纹库模型M。建立地磁指纹库时采集的数据量越大,在地磁匹配定位时能得到的定位精度也越高,但采集更多的数据量意味着更多的工作量,故需要在工作量和精度之间寻找可接受的平衡点。
3)估算定位目标行走步长:利用加速度传感器获得定位目标的行走加速度,建立步长模型,根据模型估计定位目标的行走步长l。目前最常用的步长模型是线性步长模型,由加速度传感器不断返回的数据对线性步长模型进行训练,目标行走步长也是实时数据。
4)定位目标方向测量:利用陀螺仪获得定位目标的角转动行走方向βgyro;同时利用磁力计获得定位目标的磁阻式数字行走方向βmag,并记录定位目标行走过程中每一步的地磁强度Mreal。在测量过程中,通常无法准确得到某一时刻点的测量值,本发明的处理方法是将一步内测得的数据进行求和平均,将所得值视为这一步的测量值,这种做法简化了计算,并不失计算精度。
5)定位目标行走状态划分:根据相邻两个时刻磁力计测得的定位目标磁阻式数字行走方向βmag的差值和同一时刻陀螺仪测得的定位目标角转动行走方向βgyro与磁力计测得的定位目标磁阻式数字行走方向βmag的差值,对定位目标的行走状态进行状态划分。本发明已经具体给出状态的划分方案,在实验过程中只需根据阈值比较的结果进行状态选择。
本发明使用三种传感器,其中与行走方向有关的传感器有陀螺仪传感器和磁力计传感器,本发明分别考虑了相邻时刻下磁力计传感器测量的差值和同一时刻下陀螺仪传感器与磁力计传感器测量的差值,充分利用了传感器的测量数据,提高了对定位目标行走状态的估计。在对行走状态的划分中,直行与转弯大致能覆盖定位目标的任一行走状态,本发明通过将传感器的两个测量差值与阈值进行比较将定位目标的行走状态分为四种,对定位目标的行走状态进行了精确估计。
6)定位目标方向融合:根据步骤5)中划分出的行走状态,每一种状态对应一种计算方法,计算磁力计和陀螺仪测量结果的融合方向角β。本发明已经给出每种状态对应的计算公式,故只需根据所判定的状态选择对应的公式计算。
7)单目标定位:使用步骤6)中得到的融合方向角β作为更新粒子状态的基准,利用粒子滤波算法将地磁测量值Mreal与地磁指纹库M进行匹配,完成定位区域的定位目标行走过程每一步的地磁匹配,估计得到定位区域中的定位目标所有位置。本发明在粒子滤波算法中,融合方向角用于确定粒子移动的方向,行走步长用于确定粒子移动的步长,地磁指纹库匹配的结果用于确定各粒子的权重,定位目标每移动一次,运行一次粒子滤波算法。
8)多目标定位扩展:对于不同的定位目标,重复步骤3)到步骤7),即可获得所有定位目标的所有位置。多目标定位相对于单目标定位仅仅是将本发明的融合定位方法进行了多次重复使用,不需额外使用算法对多目标进行定位,说明本算法效率较高。
本发明的基本思想是基于粒子滤波的地磁定位算法。
地磁定位包含三个方面:一是建立定位区域地磁指纹库;二是利用定位目标所携带磁力计进行实时测量;三是定位目标所测地磁数据和地磁指纹库的相似程度作为基准进行匹配。地磁指纹库的建立和地磁数据测量通过磁力计实时测量即可完成,采用粒子滤波算法来完成关键的地磁匹配。
在众多室内定位技术中,融合多种定位技术来实现高精度室内定位是使用最为频繁的一种思路。惯性传感器定位具有硬件要求低、适用环境广、抗干扰能力强并且短期精度高的优点,地磁场定位具有指纹库区分度高、硬件要求较低、稳定性高、成本低及隐蔽性好等优点,本发明中惯性传感器辅助地磁场定位可以高精度、长时间、抗干扰地为室内定位系统提供实时、连续精准的位置信息,且安全可靠、成本低廉、对环境要求低,只需要通过室内基本稳定的地磁场信息,利用惯性传感器即可实现无锚点室内定位。
实施例2:
一种融合多传感器的室内无锚点定位方法同实施例1,步骤5)中所述根据相邻两个时刻βmag的差值和同一时刻βgyro与βmag的差值对定位目标的行走状态进行划分,具体划分方法包括有如下步骤:
5.1)参数设定:用hmag表示定位目标的转弯情况,hcor表示磁力计所测定位目标行走方向和陀螺仪所测定位目标行走方向的相似性度,设定位目标转弯阈值如果则表示定位目标直行,反之表示转弯;设定位目标行走方向的相似度阈值如果表示磁力计与陀螺仪所测定位目标的行走方向相似,反之表示两者不相似;其中为磁力计当前时刻所测得定位目标磁阻式数字行走方向,为磁力计上一时刻所测得定位目标磁阻式数字行走方向,为陀螺仪当前时刻所测得定位目标角转动行走方向。
5.2)状态划分:根据上述转弯阈值和相似度阈值以及定位目标的实测值将定位目标的行走状态分为四类:
状态一:定位目标直行且磁力计和陀螺仪所测方向相似;
状态二:定位目标转弯且磁力计和陀螺仪所测方向相似;
状态三:定位目标直行且磁力计和陀螺仪所测方向不相似;
状态四:定位目标转弯且磁力计和陀螺仪所测方向不相似。
方向估计各种实验结果表明,陀螺仪计算出的方向角在长时间内有较大的累积误差,磁力计计算的结果容易受到室内电磁环境的局部干扰,磁力计与陀螺仪在测量角度时均有较大误差,若单独使用某一种测量结果得到的定位精度较低。本发明通过设定转弯阈值和相似度阈值,将定位目标的行走状态细分为四类,更加精确地估计了定位目标的行走状态,为之后对定位目标的行走方向的估计提供了依据,提高了对定位目标行走方向的估算精度。本实例中选择的转弯阈值和相似度阈值是根据多次仿真实验结果选择出来的,在室内走廊环境下转弯阈值和相似度阈值得到的状态区分效果最好,但由于不同环境的磁场分布不同,可根据具体环境对转弯阈值和相似度阈值进行具体选择。
实施例3:
一种融合多传感器的室内无锚点定位方法同实施例1-2,本发明步骤6)中的计算磁力计和陀螺仪测量结果的融合方向角β,是根据步骤5)所划分定位目标行走状态计算融合方向角β的方法,具体如下:
根据行走状态分类计算每一时刻的融合方向角β:
状态一时:
状态二时:
状态三时:βt=βt-1
状态四时:
其中,βt-1表示前一时刻的融合方向角,磁力计当前t时刻所测得定位目标磁阻式数字行走方向,表示陀螺仪当前t时刻所测得定位目标角转动行走方向,wp、wm、wg分别表示βt-1、所占权重,行走方向也可表述为行走角度。本发明规定各权重占比为
wp:wg:wm=2:2:1
wpgm=(wp+wg+wm)-1
wgm=(wg+wm)-1
wpg=(wp+wg)-1。
现有确定定位目标行走方向的技术多是利用卡尔曼滤波对多传感器的测量值进行融合,但这种方法存在稳定性较低,单一传感器测量值对最终融合结果影响较大等缺点。本发明通过判定定位目标的不同行走状态,确定定位目标行走方向的不同融合方案,对定位目标的每一种行走状态都进行了精确地行走方向估算,较大地提升了估算定位目标行走方向的精度。
实施例4:
一种融合多传感器的室内无锚点定位方法同实施例1-3,步骤7)中单目标定位利用粒子滤波算法完成地磁匹配,估计定位目标位置,包括有如下步骤:
7.1)粒子初始化:在定位目标初始位置的给定范围内随机生成N个粒子,粒子在k时刻的分布状态表示为其中表示第i个粒子在k时刻的x坐标,表示第i个粒子在k时刻的y坐标,表示第i个粒子在k时刻的权重,初始化粒子集时,所有粒子权重设为1/N。每一个粒子都是对定位目标状态的一个估计,粒子数量越多,得到的融合定位精度越高,但粒子滤波算法的算法复杂度随着粒子数量的增加而增加,故应在粒子数量与定位精度之间寻找满足实验要求的平衡点,在实际应用中,由于地磁库指纹采集精度限制,粒子数量一般不会导致算法复杂度超出服务器处理范围。
7.2)重要性采样:根据步骤3)中所得行走步长l和步骤6)中所得融合方向角β,根据状态转移方程更新粒子状态,状态转移方程如下:
其中n为零均值高斯噪声。因为粒子的位置用二维坐标表示,故直接使用融合方向角的正弦值和余弦值乘以行走步长对粒子坐标进行更新。
7.3)更新权重:粒子集中每个粒子所处的位置在地磁指纹库中都有相对应位置的地磁强度,记第i个粒子当前位置在地磁指纹库中对应地磁强度为Mi,根据步骤4)所得移动设备移动过程中每一步对应地磁强度为Mreal;根据Mi与定位目标移动过程中每一步对应地磁强度Mreal的相似程度来更新粒子的权重,Mi与Mreal越接近,说明定位目标出现在该位置的可能性越大,该粒子的权重越高;更新粒子集权重后,对粒子权重进行归一化处理,便于下一次粒子权重更新。
7.4)粒子重采样:在每次更新粒子状态时,权重大的粒子会有更大概率被选中,而权重较小的粒子很可能在重采样过程中被过滤,由于粒子数的不断减少会导致粒子贫瘠,为了防止粒子数减少到算法不能继续,择优选中其中部分粒子,重新构建粒子群,并设置粒子权重为1/N。重新构建粒子群的具体方法是将粒子根据其所占权重比进行分裂,权重越高的粒子,分裂的次数越多。
7.5)估计单目标位置:每个粒子的定位坐标乘以对应的权重,求和后得到定位目标的当前位置。
定位目标的当前位置为
完成了单目标的定位。
粒子滤波算法是一种序列蒙特卡罗滤波方法,它的本质是使用一系列的随机样本(即粒子)描述状态的后验概率分布。通过足够庞大数量的粒子,能够很好地近似模拟状态的后验概率分布。粒子滤波器的复杂度和精确度只与粒子的数量及其本身算法有关,而与状态空间的维度无关。因此,它不会因为状态空间的维数的增加而导致性能下降或者复杂度增加。本发明利用粒子滤波算法将多传感器测量的角度信息和地磁匹配进行融合,提高了定位算法的精度和稳定度,并且将定位算法的复杂度控制在了可控范围内。
下面给出一个更加完整和详实的例子,对本发明进一步说明
实施例5:
一种融合多传感器的室内无锚点定位方法同实施例1-4,
参照图1,本发明一种融合多传感器的室内无锚点定位方法,包括以下步骤:
步骤1,将加速度传感器、陀螺仪传感器和磁力计传感器分别安装到定位目标上。
本发明需调用加速度传感器、陀螺仪传感器和磁力计传感器,若定位目标已装配有以上三种传感器,则无需进行传感器装配,直接进行步骤2。本实例采用手机作为定位目标,故跳过步骤1,无需进行传感器装配。
步骤2,根据磁力计测量结果建立定位区域的地磁指纹库模型M。
本实例中对定位区域进行网格单元划分,在每个单元分割点利用磁力计进行地磁数据采集,对采集到的数据进行克里格插值,得到室内地磁指纹库模型M。本实例的定位区域为两条1.8m*11.8m和两条1.8m*8.5m组成的回形走廊,参见图4,其中的两条虚线间形成了回行走廊,每个网格单元为0.8m*0.8m。
步骤3,获取定位目标的行走步长l。
本实例利用加速度传感器获得定位目标的加速度信息,并根据加速度信息进行步长估计,得到行走步长l。本实例中取其中apeak为每一步中加速度的峰值,m为步长估算参数,n为偏差补偿参数且m,n均为常数,本实例经训练得到m=0.32,n=0.22。m和n的取值应该随着测量环境和定位目标的行走状态的变化而变化。
步骤4,获取定位目标的陀螺仪航向βgyro、磁力计航向βmag和每一时刻的地磁强度Mreal。
本实例利用陀螺仪和磁力计分别获得定位目标的方向信息,陀螺仪航向βgyro即为陀螺仪获得定位目标的角转动行走方向,磁力计航向βmag即为磁力计获得定位目标的磁阻式数字行走方向,同时记录磁力计每一时刻所测地磁强度为Mreal。陀螺仪和磁力计的测量结果已在图3中给出。
步骤5,对定位目标行走状态进行划分。
参照图2,本步骤的具体实现如下:
根据相邻两个时刻βmag的差值和同一时刻βgyro和βmag的差值对定位目标的行走状态进行划分;
5a)用hmag表示转弯情况,hcor表示磁力计所测方向和陀螺仪所测方向的相似性度;设转弯阈值如果则表示直行,反之表示转弯;设相似度阈值如果表示磁力计与陀螺仪所测方向相似,反之表示两者不相似;
其中为磁力计当前时刻所测得移动方向,为磁力计上一时刻所测得移动方向,为磁力计当前时刻所测得移动方向;
5b)根据步骤4a1)中阈值将移动设备的行走状态分为四类,参见图2:
状态一:直行且磁力计和陀螺仪所测方向相似;
状态二:转弯且磁力计和陀螺仪所测方向相似;
状态三:直行且磁力计和陀螺仪所测方向不相似;
状态四:转弯且磁力计和陀螺仪所测方向不相似。
步骤6,根据划分的行走状态计算融合方向角,根据步骤4a2)所划分行走状态计算每一时刻的融合方向角β的具体方案如下:
状态一时:
状态二时:
状态三时:βt=βt-1
状态四时:
其中,βt-1表示前一时刻的融合方向角,表示磁力计当前时刻的测量方向,表示陀螺仪当前时刻的测量方向,wp表示βt-1所占权重、wm表示所占权重、wg表示所占权重,它们表示的是在不同的融合方案中各方向信息在融合中所占的比例,本发明规定各权重占比为
wp:wg:wm=2:2:1
wpgm=(wp+wg+wm)-1
wgm=(wg+wm)-1
wpg=(wp+wg)-1
本实例的融合方向角的仿真结果如图3所示。
步骤7,基于粒子滤波算法完成地磁匹配,估计定位目标位置。
本步骤中估计定位目标位置具体实现如下:
6a)粒子初始化:在定位目标初始位置的给定范围内随机生成N个粒子,粒子在k时刻的分布状态表示为其中表示第i个粒子在k时刻的x坐标,表示第i个粒子在k时刻的y坐标,表示第i个粒子在k时刻的权重,初始化粒子集时,所有粒子权重设为1/N。在本实例中,取粒子总数N=100,则所有粒子初始权重为0.01。
6b)重要性采样:根据步骤2所得步长l和步骤4b)所得融合方向角β,依照如下状态转移方程更新粒子状态:
其中n为零均值高斯噪声。
6c)更新权重:粒子集中每个粒子所处的位置在地磁指纹库中都有相对应位置的地磁强度,记第i个粒子当前位置在地磁指纹库中对应地磁强度为Mi,根据步骤3)所得移动设备移动过程中每一时刻对应地磁强度为Mreal。根据Mi与Mreal的相似程度来更新粒子的权重,Mi与Mreal越接近,说明定位目标出现在该位置的可能性越大,该粒子的权重越高。更新粒子集权重后,对粒子权重进行归一化处理。
6d)粒子重采样:在每次更新粒子状态时,权重大的粒子会有更大概率被选中,而权重较小的粒子很可能在重采样过程中被过滤,由于粒子数的不断减少会导致粒子贫瘠,择优选中其中部分粒子,重新构建粒子群,并设置粒子权重为1/N。在本实例中,每次完成粒子重采样时,粒子总数都应为100,所有粒子的权重都应为0.01。
6e)估计位置:
定位目标的当前位置为
在本实例中,分别对以下三种情况进行了仿真分析:1.仅使用陀螺仪测量的行走方向融合地磁匹配进行定位,2.仅使用磁力计测量的行走方向融合地磁匹配进行定位,3.本发明提出的基于地磁匹配的融合多传感器定位,仿真结果如图4所示。
本实例仅对一个定位目标进行了定位,若需要对多个目标进行定位,只需重复本实例即可。本实例由于在对定位目标定位过程中,对现有技术中利用行人航迹推算定位方法的航向测量进行改进,使用融合多传感器方法进行航向测量,提高了对定位目标行走方向的测量精度,为后续基于粒子滤波算法的地磁匹配算法提供了更为准确的粒子状态更新基准;
本发明地磁匹配与其他信号强度位置指纹相比的优势在于:
1、它不需要任何基础设施,不需配置锚点,地磁场普遍存在于所有场景中;它比其他信号强度位置指纹更稳定;
2、它比其他信号强度位置指纹更加稳定。研究表明,地磁场的扭曲更多来源于建筑物结构的影响。室内家具、中小型的电子设备、以及人自身对其影响较小,而且地磁场随着时间的变化也是微乎其微;
3、地磁场对位置的变化更为敏感,有利于实现高精度的定位;
4、从能耗角度分析,磁力计的能耗要远小于扫描其他信号强度所需的能耗。
本发明不需要外界环境配置,使用移动设备自带装置,在无锚点的情况下进行定位,降低了环境配置不均或者信号遮挡等因素对定位精度的影响。
下面通过仿真及其结果对本发明的技术效果再做说明
实施例6:
一种融合多传感器的室内无锚点定位方法同实施例1-5,图3是不同方法测量的定位目标的行走方向的仿真结果,其中空心圆点连线表示的是单独使用陀螺仪测得的定位目标的行走方向,实点连线表示的是单独使用磁力计测得的定位目标的行走方向,细实线表示的是本发明中的融合方向角度值,虚线表示的是实际的行走方向。
由图3仿真结果知:本发明融合方向角度值比任一单一的传感器测量值都要更接近于实际的行走方向,说明本发明通过划分行走状态确定不同行走方向的融合方式,提高了对定位目标行走方向的估算精度,本实例的估算误差在20度以内,相比于使用单一传感器的方式在行走方向的估算上提升了5到10度。
实施例7:
一种融合多传感器的室内无锚点定位方法同实施例1-6,图4分别给出了以下四种情况的仿真结果:1.空心圆点连线表示的是仅使用陀螺仪测量的行走方向融合地磁匹配进行定位的仿真结果;2.实心圆点连线表示的是仅使用磁力计测量的行走方向融合地磁匹配进行定位的仿真结果;3.‘x’型连线表示的是本发明提出的基于地磁匹配的融合多传感器定位的仿真结果;4.细实线表示的是实际的行走路线。虚线表示的是墙壁,虚线框框定的是回形定位区域。
由图4仿真结果知:在行走开始阶段,使用单一传感器的定位路线就出现了较大偏移,并且在之后的每一个转弯路口都出现了穿墙现象,在随后的直行过程中也都出现了偏移,整体定位精度较低,但本发明的一种融合多传感器的室内无锚点定位方法的仿真路线漂移较小,整体均在定位区域内,没有出现穿墙现象,接近于实际行走路线。使用单一传感器的定位方法在直行路线上定位精度较高,但在转弯路线上的定位精度较低,每一次转弯均出现了很大偏移,本发明一种融合多传感器的室内无锚点定位方法将路线定位在了转弯区域内,提高了转弯路线上的定位精度。本发明一种融合多传感器的室内无锚点定位方法的仿真定位路线与实际行走路线的误差不超过1m,相比于其他两种使用单一传感器测量行走方向的融合地磁匹配定位方法平均提升了至少0.5m的定位精度。
综上所述,本发明公开的一种融合多传感器的室内无锚点定位方法,主要解决现有技术在行人航迹推算中方向误差大,定位精度低的问题。实现步骤为:1.将所需传感器装配到定位目标上2.建立待定位区域的地磁指纹库模型M;3.估计定位目标的行走步长;4.利用陀螺仪和磁力计分别对定位目标进行航向测量,并记录定位目标每一时刻的地磁强度;5.对定位目标的行走状态进行划分6.按行走状态的划分结果计算融合方向角;7.利用粒子滤波算法进行地磁匹配,估计单定位目标位置;8.重复单目标的定位步骤,可得到多目标的定位位置。本发明在无锚点情况下,融合多传感器信息进行方向矫正,通过基于粒子滤波的地磁匹配算法实现定位。本发明提高了行走方向的估算精度和行走路线的定位精度,适用于各种环境下无锚点的室内定位。
Claims (4)
1.一种融合多传感器的室内无锚点定位方法,其特征在于,包括有如下步骤:
1)传感器安装:将加速度传感器、陀螺仪传感器和磁力计传感器分别安装到定位目标上;
2)构建地磁库:根据磁力计对定位区域的地磁测量结果建立定位区域的地磁指纹库模型M;
3)估算定位目标行走步长:利用加速度传感器获得定位目标的行走加速度,建立步长模型,根据模型估计定位目标的行走步长l;
4)定位目标方向测量:利用陀螺仪获得定位目标的角转动行走方向βgyro;同时利用磁力计获得定位目标的磁阻式数字行走方向βmag,并记录定位目标行走过程中每一步的地磁强度Mreal;
5)定位目标行走状态划分:根据相邻两个时刻磁力计测得的定位目标磁阻式数字行走方向βmag的差值和同一时刻陀螺仪测得的定位目标行走方向角转动βgyro与磁力计测得的定位目标磁阻式数字行走方向βmag的差值,对定位目标的行走状态进行状态划分;
6)定位目标方向融合:根据划分出的行走状态,每一种状态对应一种计算方法,计算磁力计和陀螺仪测量结果的融合方向角β;
7)单目标定位:使用得到的融合方向角β作为更新粒子状态的基准,利用粒子滤波算法将地磁测量值Mreal与地磁指纹库M进行匹配,完成定位区域的定位目标行走过程每一步的地磁匹配,估计得到定位区域中的定位目标所有位置。
8)多目标定位扩展:对于不同的定位目标,重复步骤3)到步骤7),即可获得所有定位目标的所有位置。
2.根据权利要求1所述的一种融合多传感器的室内无锚点定位方法,其特征在于,步骤5)中所述的方法对定位目标的行走状态进行划分,具体划分方法包括有如下步骤:
5.1)参数设定:用hmag表示转弯情况,hcor表示磁力计所测方向和陀螺仪所测方向的相似性度,设定位目标转弯阈值如果则表示直行,反之表示转弯;设相似度阈值如果表示磁力计与陀螺仪所测方向相似,反之表示两者不相似;其中 为磁力计当前时刻所测得定位目标磁阻式数字行走方向,为磁力计上一时刻所测得定位目标磁阻式数字行走方向,为陀螺仪当前时刻所测得定位目标角转动行走方向;
5.2)状态划分:根据上述转弯阈值和相似度阈值以及定位目标的实测值将定位目标的行走状态分为四类:
状态一:直行且磁力计和陀螺仪所测方向相似;
状态二:转弯且磁力计和陀螺仪所测方向相似;
状态三:直行且磁力计和陀螺仪所测方向不相似;
状态四:转弯且磁力计和陀螺仪所测方向不相似。
3.根据权利要求1所述的一种融合多传感器的室内无锚点定位方法,其特征在于,步骤6)中所述的计算磁力计和陀螺仪测量结果的融合方向角β,具体如下:根据行走状态分类计算每一时刻的融合方向角β:
状态一时:
状态二时:
状态三时:βt=βt-1
状态四时:
其中,βt-1表示前一时刻的融合方向角,磁力计当前时刻所测得定位目标磁阻式数字行走方向,表示陀螺仪当前时刻所测得定位目标角转动行走方向,wp、wm、wg分别表示βt-1、所占权重,
wp:wg:wm=2:2:1
wpgm=(wp+wg+wm)-1
wgm=(wg+wm)-1
wpg=(wp+wg)-1。
4.根据权利要求1所述的一种融合多传感器的室内无锚点定位方法,其特征在于,步骤7)中单目标定位,包括有如下步骤:
7.1)粒子初始化:在定位目标初始位置的给定范围内随机生成N个粒子,粒子在k时刻的分布状态表示为其中表示第i个粒子在k时刻的x坐标,表示第i个粒子在k时刻的y坐标,表示第i个粒子在k时刻的权重,初始化粒子集时,所有粒子权重设为1/N;
7.2)重要性采样:根据行走步长l和融合方向角β,根据状态转移方程更新粒子状态,状态转移方程如下:
其中n为零均值高斯噪声;
7.3)更新权重:粒子集中每个粒子所处的位置在地磁指纹库中都有相对应位置的地磁强度,记第i个粒子当前位置在地磁指纹库中对应地磁强度为Mi,根据Mi与定位目标移动过程中每一步对应地磁强度Mreal的相似程度来更新粒子的权重,Mi与Mreal越接近,说明定位目标出现在该位置的可能性越大,该粒子的权重越高;更新粒子集权重后,对粒子权重进行归一化处理;
7.4)粒子重采样:在每次更新粒子状态时,权重大的粒子会有更大概率被选中,而权重较小的粒子很可能在重采样过程中被过滤,由于粒子数的不断减少会导致粒子贫瘠,择优选中其中部分粒子,重新构建粒子群,并设置粒子权重为1/N;
7.5)估计单目标位置:每个粒子的定位坐标乘以对应的权重,求和后得到定位目标的当前位置;
定位目标的当前位置为
完成了单目标的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810650564.8A CN108801267B (zh) | 2018-06-22 | 2018-06-22 | 一种融合多传感器的室内无锚点定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810650564.8A CN108801267B (zh) | 2018-06-22 | 2018-06-22 | 一种融合多传感器的室内无锚点定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108801267A true CN108801267A (zh) | 2018-11-13 |
CN108801267B CN108801267B (zh) | 2020-09-15 |
Family
ID=64084412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810650564.8A Active CN108801267B (zh) | 2018-06-22 | 2018-06-22 | 一种融合多传感器的室内无锚点定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108801267B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187308A (zh) * | 2019-06-20 | 2019-08-30 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN111426321A (zh) * | 2020-04-03 | 2020-07-17 | 北京爱笔科技有限公司 | 一种室内机器人的定位方法及装置 |
CN112972972A (zh) * | 2021-03-31 | 2021-06-18 | 湖南现代德雷工程有限公司 | 一种用于建筑安全施工场地的智慧消防方法及系统 |
GB2616940A (en) * | 2022-03-22 | 2023-09-27 | Univ China Mining | Passive combined indoor positioning system and method based on intelligent terminal sensor |
CN114608560B (zh) * | 2022-03-22 | 2024-04-26 | 中国矿业大学 | 一种基于智能终端传感器的无源组合室内定位系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5319561A (en) * | 1991-01-21 | 1994-06-07 | Sumitomo Electric Industries, Ltd. | Apparatus for estimating current heading using magnetic and angular velocity sensors |
JP2009186376A (ja) * | 2008-02-07 | 2009-08-20 | Fujitsu Ltd | 移動方向算出装置および移動方向算出プログラム |
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 |
CN103969669A (zh) * | 2013-01-31 | 2014-08-06 | 卡西欧计算机株式会社 | 行走状态检测装置、行走状态检测方法 |
CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
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 |
CN105806333A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种判断室内移动方向的方法及移动终端 |
CN106643705A (zh) * | 2016-11-29 | 2017-05-10 | 南京航空航天大学 | 基于磁‑陀螺航向梯度空间辅助的室内行人转弯辨识方法 |
-
2018
- 2018-06-22 CN CN201810650564.8A patent/CN108801267B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5319561A (en) * | 1991-01-21 | 1994-06-07 | Sumitomo Electric Industries, Ltd. | Apparatus for estimating current heading using magnetic and angular velocity sensors |
JP2009186376A (ja) * | 2008-02-07 | 2009-08-20 | Fujitsu Ltd | 移動方向算出装置および移動方向算出プログラム |
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 |
CN103969669A (zh) * | 2013-01-31 | 2014-08-06 | 卡西欧计算机株式会社 | 行走状态检测装置、行走状态检测方法 |
CN105806333A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种判断室内移动方向的方法及移动终端 |
CN104757976A (zh) * | 2015-04-16 | 2015-07-08 | 大连理工大学 | 一种基于多传感器融合的人体步态分析方法和系统 |
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 |
CN106643705A (zh) * | 2016-11-29 | 2017-05-10 | 南京航空航天大学 | 基于磁‑陀螺航向梯度空间辅助的室内行人转弯辨识方法 |
Non-Patent Citations (3)
Title |
---|
TAO LIN ET AL.: "Multiple sensors integration for pedestrian indoor navigation", 《 2015 INTERNATIONAL CONFERENCE ON INDOOR POSITIONING AND INDOOR NAVIGATION (IPIN)》 * |
YANSHUN ZHANG ET AL.: "The standing calibration method of MEMS gyro bias for autonomous pedestrian navigation system", 《THE JOURNAL OF NAVIGATION》 * |
李珊: "基于智能设备多传感器感知的多层室内定位方法研究", 《中国硕士学位论文全文数据库·信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187308A (zh) * | 2019-06-20 | 2019-08-30 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN111426321A (zh) * | 2020-04-03 | 2020-07-17 | 北京爱笔科技有限公司 | 一种室内机器人的定位方法及装置 |
CN111426321B (zh) * | 2020-04-03 | 2022-08-12 | 北京爱笔科技有限公司 | 一种室内机器人的定位方法及装置 |
CN112972972A (zh) * | 2021-03-31 | 2021-06-18 | 湖南现代德雷工程有限公司 | 一种用于建筑安全施工场地的智慧消防方法及系统 |
CN112972972B (zh) * | 2021-03-31 | 2021-12-21 | 湖南现代德雷工程有限公司 | 一种用于建筑安全施工场地的智慧消防方法及系统 |
GB2616940A (en) * | 2022-03-22 | 2023-09-27 | Univ China Mining | Passive combined indoor positioning system and method based on intelligent terminal sensor |
CN114608560B (zh) * | 2022-03-22 | 2024-04-26 | 中国矿业大学 | 一种基于智能终端传感器的无源组合室内定位系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108801267B (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110455291B (zh) | 用于利用磁场异常进行户内定位-寻找的方法和装置 | |
Sun et al. | Indoor positioning tightly coupled Wi-Fi FTM ranging and PDR based on the extended Kalman filter for smartphones | |
Wang et al. | WLAN-based pedestrian tracking using particle filters and low-cost MEMS sensors | |
CN106441292B (zh) | 一种基于众包imu惯导数据的楼宇室内平面图建立方法 | |
US10267646B2 (en) | Method and system for varying step length estimation using nonlinear system identification | |
CN108801267A (zh) | 一种融合多传感器的室内无锚点定位方法 | |
CN105910601B (zh) | 一种基于隐马尔科夫模型的室内地磁定位方法 | |
CN109164411B (zh) | 一种基于多数据融合的人员定位方法 | |
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 | |
CN106840163A (zh) | 一种室内定位方法及系统 | |
CN109211229A (zh) | 一种基于手机传感器及WiFi特征的人员室内定位方法 | |
GB2520751A (en) | Location finding apparatus and associated methods | |
CN108020813A (zh) | 定位方法、定位装置和电子设备 | |
KR101264306B1 (ko) | 이동 모델 학습을 통한 실내 위치 추적 장치 및 이를 위한 기록매체 | |
CN112729301A (zh) | 一种基于多源数据融合的室内定位方法 | |
Hasan et al. | Smart phone based sensor fusion by using Madgwick filter for 3D indoor navigation | |
CN114615740A (zh) | 一种基于蓝牙、pdr和地图匹配融合的室内人员定位方法 | |
CN107105404B (zh) | 一种基于步长匹配的行人室内定位方法 | |
Shi et al. | Indoor localization scheme using magnetic map for smartphones | |
Chen et al. | Pedestrian positioning with physical activity classification for indoors | |
CN113325455B (zh) | 用于跟踪和确定物体的室内位置的方法和系统 | |
Huang et al. | Indoor positioning system based on improved PDR and magnetic calibration using smartphone | |
Alaoui et al. | Points of interest detection for map-aided PDR in combined outdoor-indoor spaces | |
CN106525052A (zh) | 一种图模型约束的室内定位方法 | |
Rantakokko et al. | Soldier positioning in GNSS-denied operations |
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 |