CN110986952B - 一种针对行人的高精度抗干扰室内定位方法 - Google Patents

一种针对行人的高精度抗干扰室内定位方法 Download PDF

Info

Publication number
CN110986952B
CN110986952B CN201911268094.XA CN201911268094A CN110986952B CN 110986952 B CN110986952 B CN 110986952B CN 201911268094 A CN201911268094 A CN 201911268094A CN 110986952 B CN110986952 B CN 110986952B
Authority
CN
China
Prior art keywords
positioning
algorithm
precision
pedestrian
ultra
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.)
Active
Application number
CN201911268094.XA
Other languages
English (en)
Other versions
CN110986952A (zh
Inventor
邓庆绪
佟海滨
谢天赐
姜明辰
Original Assignee
东北大学
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 东北大学 filed Critical 东北大学
Priority to CN201911268094.XA priority Critical patent/CN110986952B/zh
Publication of CN110986952A publication Critical patent/CN110986952A/zh
Application granted granted Critical
Publication of CN110986952B publication Critical patent/CN110986952B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations
    • G01C21/206Instruments for performing navigational calculations specially adapted for indoor navigation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

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)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及种针对行人的高精度抗干扰室内定位方法,包括以下步骤:行人佩戴一个电子标签,标签以超宽带方式与部署的已知坐标的基站通信,计算信号飞行时间完成测距功能;通过行人佩戴的电子标签进行行人导航定位算法;在标签与基站测距的同时,将行人导航定位算法的结果上传到服务器;服务器汇总所有基站的测距与导航定位信息;服务器根据测距信息,使用最小二乘法完成超宽带定位;服务器判断超宽带定位结果精度,在精度高时,为行人导航算法提供校正数据,以提供行人导航算法精度,当超宽带定位精度较低时,使用加权平均算法融合行人导航算法提高定位精度。本发明能够规避两种定位算法的缺陷,从而实现在各种极端环境下的高精度室内定位。

Description

一种针对行人的高精度抗干扰室内定位方法
技术领域
本发明涉及一种室内定位技术,具体为一种针对行人的高精度抗干扰室内定位方法。
背景技术
随着物联网技术的发展,室内定位的应用开始出现在各个领域。虽然基于超宽带的室内定位技术拥有很高的定位精度,并且也被应用于各个行业,但是它的高频通信则确定了它在抗干扰方面的短板,在较为复杂的环境中,该技术的定位精度会迅速下降。导致该结果的主要原因在于,复杂的环境中存在大量障碍物遮挡信号传输,而超宽带的信号穿透性较差,且障碍物也会影响信号的传输时间,这些都会大大影响测距的精度,进而导致定位精度迅速降低。而基于惯性传感器的行人导航算法对外部环境的干扰抵抗能力较强,但是它会产生无法消除的累积误差,从而导致定位精度随时间的增加而减小。
发明内容
针对现有室内定位技术定位精度不稳定等不足,本发明要解决的问题是提供一种针对行人的高精度抗干扰室内定位方法。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种针对行人的高精度抗干扰室内定位方法,以超宽带通信作为无线通信方式,根据超宽带通信的特性计算无线信号飞行时间进行精准测距,使用最小二乘法定位算法完成高精度定位功能,再融合行人导航定位算法,最终实现在复杂极端环境中的高精度室内定位,括以下步骤:
1)行人佩戴一个电子标签,标签以超宽带方式与部署的已知坐标的基站通信,计算信号飞行时间完成测距功能;
2)通过行人佩戴的电子标签进行行人导航定位算法;
3)在标签与基站测距的同时,将行人导航定位算法的结果上传到服务器;
4)服务器汇总所有基站的测距与导航定位信息;
5)服务器根据测距信息,使用最小二乘法完成超宽带定位;
6)服务器判断超宽带定位结果精度,在精度高时,为行人导航算法提供校正数据,以提供行人导航算法精度,当超宽带定位精度较低时,使用加权平均算法融合行人导航算法提高定位精度。
在步骤1)中,通过计算信号飞行时间完成标签与基站的测距,然后在步骤5)中,使用最小二乘法完成超宽带定位为:
Figure GDA0004151330190000021
/>
其中,(xi,yi)表示第i个信标节点的坐标,di表示标签与第i个信标节点之间的距离;
存在n个方程,将前n-1个方程分别与第n个方程做差,得到n-1个新的方程,将新的方程用矩阵表示为:
Figure GDA0004151330190000022
式3简化为:
AX=b(3)
其中:
Figure GDA0004151330190000023
服务器根据矩阵A的值,判断基于超宽带算法的定位精度。
步骤6)的定位结果通过加权平均算法计算:
P=w1PU+w2*Pp(5)
其中,P表示最终的定位结果,PU表示基于超宽带定位得到的结果,Pp表示通过行人定位导航算法得到的结果,w1与w2为相应的权重,并且,w1+w2=1。
步骤6)中,服务器判断超宽带定位结果精度为:
当矩阵A的值为非奇异矩阵时,基于超宽带的定位算法精度较高,直接使用该结果作为输出,相应地公式(5)中的权重w1为1,w2为0,同时,该结果为行人导航算法提供定位结果以矫正步长与方向参数;
当矩阵A的值为非[0,0]的奇异矩阵时,基于超宽带的定位算法精度下降,此时使用加权平均算法融合行人导航算法以提高精度,公式(5)中的权重w1为0.5,w2为0.5;
当矩阵A的值为[0,0]时,基于超宽带的定位算法无法完成定位,直接使用行人导航算法作为输出,即公式5中的权重w1为0,w2为1。
当矩阵A的值为非奇异矩阵时,则基于超宽带的定位算法能够得到高精度定位结果,该定位结果能够计算得到行人的行走距离,再除以步数,就能够得到行人真实的步长,然后可以修正行人定位导航算法中的步长计算参数,其公式为:
L=a*f+b*v+c(6)
其中,L为步长,a、b、c分别为待校正的参数,f为步行频率,v表示每一步的加速度变化值。
当矩阵A的值为非奇异矩阵时,基于超宽带的定位算法能够得到高精度定位记过,该定位结果能够准确的计算行人行走方向,标签根据方向调整行人导航算法的行走方向;
行人的行走方向与标签的姿态相关,即基于三轴加速度计、三轴陀螺仪、三轴磁力计计算得到的航向角相关;
行人行走方向与航向角的关系为:
Heading=bias+θ(7)
其中,heading表示行人行走方向,θ表示标签航向角,bias表示二者之间的偏移。
本发明具有以下有益效果及优点:
1.本发明将基于超宽带的高精度室内定位算法与基于惯性传感器的行人导航算法相结合,能够规避两种定位算法的缺陷,从而实现在各种极端环境下的高精度室内定位。
2.本发明结合基于超宽带的高精度室内定位算法,可以实现为每一个行人动态调整他的行走步长和方向,从而提高基于行人定位导航算法的精度。
3.本发明能够在行人佩戴的标签仅能够与一个信标节点通信并完成测距算法时,依然能够实现高精度室内定位,而传统的基于超宽带的定位算法此时无法工作。
附图说明
图1为本发明一种针对行人的高精度抗干扰室内定位方法中行人导航算法示意图;
图2为本发明中基于超宽带通信的三边定位算法示意图。
图3为本发明中标签使用三条消息实现测距的示意图。
图4为本发明中系统的通信架构图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。本文的算法基于超宽带的定位系统,一般至少包含两种硬件设备:电子标签与基站,另外还需要服务器用于收集信息及完成定位计算。其中,电子标签由待定位目标佩戴,定位系统即是对电子标签的定位。基站是信标节点,布置在需要定位的环境中,坐标已知。标签与基站使用超宽带通信,使用三条消息完成无线信号飞行时间的计算,进而获得标签与基站之间的距离。基站与服务器之间的通信被视为可靠通信。如图4所示。电子标签内安装有mpu9250的9轴惯性传感器,包括三轴加速度计、三轴陀螺仪、三轴磁力计。
标签与基站之间通过测量通信时间进行测距,基站将测距结果上传到上位机,上位机通过三边定位算法计算标签坐标,如图2所示。
图2中,A、B、C分别为信标节点及其位置,而R1、R2、R3分别为该信标节点与标签距离。
同时标签与基站进行超宽带通信时,将惯性传感器的数据上传到基站,进而到达上位机。上位机根据这些数据实现行人导航算法,如图1所示。
标签以超宽带通信作为无线通信方式,根据超宽带通信的特性计算无线信号飞行时间进行精准测距,使用最小二乘法定位算法完成高精度定位功能,再融合行人导航定位算法,最终实现在复杂极端环境中的高精度室内定位,它包括以下步骤:
步骤1)标签与基站完的测距
标签与基站之间使用三条消息完成信号飞行时间的计算,如图3所示,然后根据时间计算距离:
dij=C*Vt(8)
其中dij表示标签i与基站j之间的距离,C表示光速,Δt表示超宽带信号从标签i到基站j所需要的时间。
步骤2)标签完成行人定位导航算法
通过步长、行走方向、步数,迭代完成行人定位导航算法,迭代过程为:
Figure GDA0004151330190000041
其中,(xt,yt)与(xt+1,yt+1)分别表示行人在t时刻与t+1时刻的坐标,L表示步长,NS表示步数,Ht表示行人在t时刻的行走方向。
步数侦测的计算主要依靠加速度传感器,首先计算三轴加速度传感器的综合变化值:
Figure GDA0004151330190000042
其中,amag为综合变化值,(ax,ay,az)分别为相应轴的加速值,每当amag的变化从小到大超过阈值ath时,判定行人行走了一步,amag的计算方式为:
Figure GDA0004151330190000043
其中,m表示上一个步长内加速度计采样的数量。
步长计算方式为:
L=a*f+b*v+c(6)
其中,L为步长,a、b、c分别为待定系数,它们通过超宽带定位结果动态调整,f为步行频率,v表示每一步的加速度变化值。
标签根据九轴惯性传感器进行姿态演算,姿态演算的结果中,航向角与行人行走方向相关:
Heading=bias+θ(12)
其中,heading表示行人行走方向,θ表示标签航向角,bias表示二者之间的偏移。
步骤3)标签与基站测距过程中,需要进行三条消息的发送与接收,标签在发送消息时,将惯性导航定位结果上传给基站。
步骤4)基站将接收到标签的定位导航结果、标签测距结果打包发送给服务器。
步骤5)服务器根据步骤4)上传的测距结果,使用最小二乘法定位其过程为:
首先根据基站坐标与相应的距离,可以得到以下方程组:
Figure GDA0004151330190000051
其中,(x,y)表示待测标签的坐标,(xi,yi)表示第i个信标节点的坐标,di表示标签与第i个信标节点之间的距离。则式14表示存在n个方程,我们用前n-1个方程分别减去第n个,可以得到n-1个方程,将其使用矩阵表示为:
Figure GDA0004151330190000052
式3可以简化为:
AX=b(3)
其中:
Figure GDA0004151330190000053
步骤6)定位结果要通过加权平均算法计算:
P=w1PU+w2*Pp(13)
其中,P表示最终的定位结果,PU表示基于超宽带定位得到的结果,Pp表示通过行人定位导航算法得到的结果,w1与w2为相应的权重,并且,w1+w2=1。
当矩阵A的值为非奇异矩阵时,基于超宽带的定位算法精度较高,直接使用该结果作为输出,相应地公式19中的权重w1为1,w2为0,同时,该结果为行人导航算法提供定位结果以矫正步长与方向参数。此时基于超宽带的定位算法能够得到较高的定位精度,该结果可以计算行人行走距离,标签根据该距离与步数来计算实时步长,从而修正行人定位导航算法的步长参数:
L=a*f+b*v+c(6)
其中,L为步长,a、b、c分别为待校正的参数,f为步行频率,v表示每一步的加速度变化值。
同时,定位结果可以提供行人行走方向,标签根据方向调整行人导航算法的行走方向。行人的行走方向与标签的姿态相关,即基于三轴加速度计、三轴陀螺仪、三轴磁力计计算得到的航向角相关;
行人行走方向与航向角的关系为:
Heading=bias+θ(14)
其中,heading表示行人行走方向,θ表示标签航向角,bias表示二者之间的偏移。
当矩阵A的值为非[0,0]的奇异矩阵时,基于超宽带的定位算法精度下降,此时使用加权平均算法融合行人导航算法以提高精度,公式19中的权重w1为0.5,w2为0.5;
当矩阵A的值为[0,0]时,基于超宽带的定位算法无法完成定位,直接使用行人导航算法作为输出,即公式19中的权重w1为0,w2为1。
本发明用于矿山、建筑施工现场等复杂环境时,依旧能够实现较高的定位精度,并且对各种障碍物的遮挡具有较高的鲁棒性。在本发明在部署时,需要在待定位环境中铺设信标节点,部署人员需要测算这些信标节点的坐标,信标节点可以通过TCP/IP协议或其他可靠通信方式将数据传输到服务器。其中,标签中部署行人定位导航算法,它通过超宽带通信、以1Hz的频率向信标节点发送消息,该消息包括行人定位导航算法的结果,同时与信标节点完成基于信号飞行时间的测距算法。所有这些数据被汇总到服务器,服务器部署本发明的主要算法,完成高精度定位。该过程中,相关设置数据如表1所示。
表1本发明部署时典型参数
Figure GDA0004151330190000061
本发明将基于超宽带的高精度室内定位算法与基于惯性传感器的行人导航算法相结合,能够规避两种定位算法的缺陷,从而实现在各种极端环境下的高精度室内定位。它主要体现在两个方面。首先,本发明结合基于超宽带的高精度室内定位算法,可以实现为每一个行人动态调整他的行走步长和方向,从而提高基于行人定位导航算法的精度。其次,当行人佩戴的标签仅能够与一个信标节点通信并完成测距算法时,此时传统的基于超宽带的定位算法无法工作,而本发明所提出的算法依然能够实现高精度室内定位。

Claims (3)

1.一种针对行人的高精度抗干扰室内定位方法,其特征在于:以超宽带通信作为无线通信方式,根据超宽带通信的特性计算无线信号飞行时间进行精准测距,使用最小二乘法定位算法完成高精度定位功能,再融合行人导航定位算法,最终实现在复杂极端环境中的高精度室内定位,包括以下步骤:
1)行人佩戴一个电子标签,标签以超宽带方式与部署的已知坐标的基站通信,计算信号飞行时间完成测距功能;
2)通过行人佩戴的电子标签进行行人导航定位算法;
3)在标签与基站测距的同时,将行人导航定位算法的结果上传到服务器;
4)服务器汇总所有基站的测距与导航定位信息;
5)服务器根据测距信息,使用最小二乘法完成超宽带定位;
6)服务器判断超宽带定位结果精度,在精度高时,为行人导航算法提供校正数据,以提供行人导航算法精度,当超宽带定位精度较低时,使用加权平均算法融合行人导航算法提高定位精度;
在步骤1)中,通过计算信号飞行时间完成标签与基站的测距,然后在步骤5)中,使用最小二乘法完成超宽带定位为:
Figure FDA0004151330170000011
其中,(xi,yi)表示第i个信标节点的坐标,di表示标签与第i个信标节点之间的距离;
存在n个方程,将前n-1个方程分别与第n个方程做差,得到n-1个新的方程,将新的方程用矩阵表示为:
Figure FDA0004151330170000012
式2简化为:
AX=b (3)
其中:
Figure FDA0004151330170000021
服务器根据矩阵A的值,判断基于超宽带算法的定位精度;
步骤6)的定位结果通过加权平均算法计算:
P=w1PU+w2*Pp (5)
其中,P表示最终的定位结果,PU表示基于超宽带定位得到的结果,Pp表示通过行人定位导航算法得到的结果,w1与w2为相应的权重,并且,w1+w2=1;
步骤6)中,服务器判断超宽带定位结果精度为:
当矩阵A的值为非奇异矩阵时,基于超宽带的定位算法精度较高,直接使用该结果作为输出,相应地公式(5)中的权重w1为1,w2为0,同时,该结果为行人导航算法提供定位结果以矫正步长与方向参数;
当矩阵A的值为非[0,0]的奇异矩阵时,基于超宽带的定位算法精度下降,此时使用加权平均算法融合行人导航算法以提高精度,公式(5)中的权重w1为0.5,w2为0.5;
当矩阵A的值为[0,0]时,基于超宽带的定位算法无法完成定位,直接使用行人导航算法作为输出,即公式5中的权重w1为0,w2为1。
2.根据权利要求1所述的高精度抗干扰室内定位方法,其特征在于:当矩阵A的值为非奇异矩阵时,则基于超宽带的定位算法能够得到高精度定位结果,该定位结果能够计算得到行人的行走距离,再除以步数,就能够得到行人真实的步长,然后可以修正行人定位导航算法中的步长计算参数,其公式为:
L=a*f+b*v+c (6)
其中,L为步长,a、b、c分别为待校正的参数,f为步行频率,v表示每一步的加速度变化值。
3.根据权利要求1所述的针对行人的高精度抗干扰室内定位方法,其特征在于:当矩阵A的值为非奇异矩阵时,基于超宽带的定位算法能够得到高精度定位结果,该定位结果能够准确的计算行人行走方向,标签根据方向调整行人导航算法的行走方向;
行人的行走方向与标签的姿态相关,即基于三轴加速度计、三轴陀螺仪、三轴磁力计计算得到的航向角相关;
行人行走方向与航向角的关系为:
Heading=bias+θ (7)
其中,heading表示行人行走方向,θ表示标签航向角,bias表示二者之间的偏移。
CN201911268094.XA 2019-12-11 2019-12-11 一种针对行人的高精度抗干扰室内定位方法 Active CN110986952B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911268094.XA CN110986952B (zh) 2019-12-11 2019-12-11 一种针对行人的高精度抗干扰室内定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911268094.XA CN110986952B (zh) 2019-12-11 2019-12-11 一种针对行人的高精度抗干扰室内定位方法

Publications (2)

Publication Number Publication Date
CN110986952A CN110986952A (zh) 2020-04-10
CN110986952B true CN110986952B (zh) 2023-06-02

Family

ID=70092446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911268094.XA Active CN110986952B (zh) 2019-12-11 2019-12-11 一种针对行人的高精度抗干扰室内定位方法

Country Status (1)

Country Link
CN (1) CN110986952B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112556689B (zh) * 2020-10-30 2023-09-05 郑州联睿电子科技有限公司 一种融合加速度计和超宽带测距的定位方法
CN112566021B (zh) * 2020-12-04 2023-04-18 东南大学 一种基于估计偏差平均的四基站uwb平面定位算法
CN112561019A (zh) * 2020-12-09 2021-03-26 国家电网有限公司 一种基于uwb方法的低功耗电子标签及定位方法
CN116338579B (zh) * 2022-11-08 2023-09-12 杭州昊恒科技有限公司 针对人员管理的定位纠偏方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106714303A (zh) * 2017-03-06 2017-05-24 成都球记科技有限公司 一种足球数据智能采集系统
CN108896956A (zh) * 2018-06-07 2018-11-27 邢敬宏 一种基于超宽带的自动引导车定位系统和方法
CN109855621A (zh) * 2018-12-27 2019-06-07 国网江苏省电力有限公司检修分公司 一种基于uwb与sins的组合室内行人导航系统及方法
CN110213813A (zh) * 2019-06-25 2019-09-06 东北大学 一种室内定位技术中惯性传感器的智能管理方法
CN110456305A (zh) * 2019-08-27 2019-11-15 全图通位置网络有限公司 一种超宽带定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070129879A1 (en) * 2005-12-07 2007-06-07 Honeywell International Inc. Precision approach guidance using global navigation satellite system (GNSS) and ultra-wideband (UWB) technology

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106714303A (zh) * 2017-03-06 2017-05-24 成都球记科技有限公司 一种足球数据智能采集系统
CN108896956A (zh) * 2018-06-07 2018-11-27 邢敬宏 一种基于超宽带的自动引导车定位系统和方法
CN109855621A (zh) * 2018-12-27 2019-06-07 国网江苏省电力有限公司检修分公司 一种基于uwb与sins的组合室内行人导航系统及方法
CN110213813A (zh) * 2019-06-25 2019-09-06 东北大学 一种室内定位技术中惯性传感器的智能管理方法
CN110456305A (zh) * 2019-08-27 2019-11-15 全图通位置网络有限公司 一种超宽带定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵洪亮 ; 李锐君 ; 宋杨 ; 侯维岩 ; .基于惯性导航与UWB的联合定位算法.安徽大学学报(自然科学版).(第03期),全文. *

Also Published As

Publication number Publication date
CN110986952A (zh) 2020-04-10

Similar Documents

Publication Publication Date Title
CN110986952B (zh) 一种针对行人的高精度抗干扰室内定位方法
CN109855621B (zh) 一种基于uwb与sins的组合室内行人导航系统及方法
CN109682375B (zh) 一种基于容错决策树的uwb辅助惯性定位方法
CN107014375B (zh) 超低部署的室内定位系统及方法
CN109807911B (zh) 基于gnss、uwb、imu、激光雷达、码盘的室外巡逻机器人多环境联合定位方法
CN109375158A (zh) 基于UGO Fusion的移动机器人定位方法
CN106168805A (zh) 基于云计算的机器人自主行走的方法
CN113124856A (zh) 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法
CN106123895B (zh) 一种基于uwb测距的惯导原点定位方法及系统
CN110026993B (zh) 一种基于uwb及热释电红外传感器的人体跟随机器人
CN111982102B (zh) 一种复杂环境下基于bp-ekf的uwb-imu定位方法
CN104251702A (zh) 一种基于相对位姿测量的行人导航方法
CN111487587A (zh) 一种基于超带宽定位的危岩崩塌灾害变形监测方法及系统
CN114739400A (zh) 一种基于uwb和imu信息融合的室内定位方法
CN116567531A (zh) 基于粒子滤波算法的传感器融合室内定位方法及系统
CN114111802A (zh) 一种行人航迹推算辅助uwb的定位方法
CN113324544A (zh) 一种基于图优化的uwb/imu的室内移动机器人协同定位方法
KR101135201B1 (ko) 무선 네트워크에서 가속도 위치 정보를 이용한 수신신호강도 기반 위치 측정 방법 및 위치측정 시스템
CN115767412A (zh) 融合超宽带和惯性测量单元的室内定位方法
Zhang et al. A dynamic window-based UWB-odometer fusion approach for indoor positioning
CN114739397A (zh) 矿井环境运动惯性估计自适应卡尔曼滤波融合定位方法
CN107888289B (zh) 基于可见光通信与惯性传感器融合的室内定位方法及平台
CN113115230B (zh) 一种基于信息物理系统的车辆广播通信控制方法
CN206876184U (zh) 一种基于rssi和惯性导航的室内定位装置
Yuan et al. MIAKF: Motion inertia estimated adaptive Kalman filtering for underground mine tunnel positioning

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200410

Assignee: SHENYANG HEAD BIRD AUTOMATIC EQUIPMENT Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2023210000184

Denomination of invention: A high-precision anti-interference indoor positioning method for pedestrians

Granted publication date: 20230602

License type: Common License

Record date: 20231121

EE01 Entry into force of recordation of patent licensing contract