CN111982119B - 一种主动式适应改变磁场的地磁室内定位方法 - Google Patents
一种主动式适应改变磁场的地磁室内定位方法 Download PDFInfo
- Publication number
- CN111982119B CN111982119B CN202010843238.6A CN202010843238A CN111982119B CN 111982119 B CN111982119 B CN 111982119B CN 202010843238 A CN202010843238 A CN 202010843238A CN 111982119 B CN111982119 B CN 111982119B
- Authority
- CN
- China
- Prior art keywords
- geomagnetic
- magnetic field
- pedestrian
- prediction model
- dead reckoning
- 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
Links
Images
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
-
- 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
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明涉及一种主动式适应改变磁场的地磁室内定位方法,包括:训练位置预测模型,通过带有惯性传感器的通讯设备测量当前行走位置的地磁序列,经滤波处理后输入训练好的位置预测模型中,得到初始时刻预测坐标位置。行人航位推算方法,推算行人当前位置。在环境磁场部分位置发生改变时,通过短时高精度且数据更新率高的行人航位推算对改变磁场位置进行判断并更新,避免了行人航位推算使用距离过长导致误差累积并与实际位置偏离的问题,同时,无需再次对整体磁场进行重新测量建模、建模、训练等,定位精度高,模型适应能力强。
Description
技术领域
本发明属于室内定位技术领域,涉及一种主动式适应改变磁场的地磁室内定位方法。
背景技术
由于地磁场是地球自转产生的自发磁场,所以,地磁室内定位相对其他室内定位技术而言,具有零部署的天然成本优势,在断电、火灾等无法使用已部署的电子设备的情况下,地磁室内定位仍能继续正常工作。但是,建筑物内测量磁场数据十分消耗人力成本,同时,地磁又十分容易受到外界环境的干扰。
在人工智能广泛应用的背景下,大量室内定位方法都通过神经网络来处理特征并最终输出位置。事实证明,神经网络对特征有着十分强大的提取能力,在室内定位方向有着广泛的应用场景。但是,由于地磁易受环境影响而改变,将神经网络应用在地磁室内定位上时,容易出现变化区域(环境磁场因部分物品摆放位置改变)定位结果误差大而导致定位点漂移的现象。
发明内容
本发明提出了一种适用性强、定位精度高的主动式适应改变磁场的地磁室内定位方法。
本发明所采用的技术方案为:
一种主动式适应改变磁场的地磁室内定位方法,包括如下步骤:
S1、沿规划路径测量室内定位区域的地磁序列,将地磁序列等分成若干地磁子序列,记录每段地磁子序列的终点坐标,同时,对每段地磁子序列进行滤波处理,并生成数据集;
S2、将数据集输入预先构建的位置预测模型中进行模型训练,位置预测模型输出结果为每段地磁子序列对应的预测终点坐标;
S3、定位时,通过带有惯性传感器的通讯设备测量当前行走位置的地磁序列,经滤波处理后输入步骤S2训练好的位置预测模型中,得到初始时刻预测坐标位置;
S4、根据上一时刻位置,通过行人航位推算方法,推算行人当前位置;
S5、比较通过位置预测模型预测出的行人位置和通过行人航位推算方法推算出的行人位置,计算两位置间的直线距离;若直线距离不大于设定阀值,则判定为环境磁场未发生改变,执行步骤S6;若直线距离大于设定阀值,则判定为环境磁场发生改变,执行步骤S7;
S6、采用位置预测模型预测出的行人位置进行定位,在每一次定位后,重新开始行人航位推算方法进行推算;
S7、通过行人航位推算方法进行定位,并不断进行位置比较,直至直线距离重新回到设定阀值范围内,重新开始行人航位推算方法进行推算;步骤S7中,还记录磁场变化区域的地磁序列数据并更新到步骤S2所述数据集中,用于对位置预测模型进行再训练。
进一步地,步骤S2中,位置预测模型采用双层分段LSTM回归模型;
首先,将数据集中的所有地磁子序列分别输入第一层LSTM网络中,再将第一层LSTM网络所有输出结果作为输入,输入第二层LSTM网络中,最后,将第二层LSTM网络通过由全连接层和非线性映射函数组成的回归单元输出二维的预测坐标位置。
进一步地,步骤S4包括:计算行人移动的步长D:
公式(1)中,K为常系数,Amax表示最大加速度值,Amin表示最小加速度值,Amax和Amin通过惯性传感器中的加速度传感器测得;
计算行人行走方向的航位角θ:
θt=αθt-1+βθm,t+γθg,t (2)
公式(2)中,α、β和γ为权重参数,θt-1表示上一时刻航位角;θm,t表示当前时刻惯性传感器中的磁力计测量值,θg,t表示当前时刻惯性传感器中的陀螺仪测量值;
结合步长D、航位角θ和上一时刻位置,推算出当前位置:
公式(3)中,xt-1,yt-1为上一时刻坐标位置,xt,yt为推算出的坐标位置。
进一步地,步骤S5中,所述设定阈值为1米。
本发明的有益效果在于:
本发明中,在环境磁场部分位置发生改变时,通过短时高精度且数据更新率高的行人航位推算对改变磁场位置进行判断并更新,避免了行人航位推算使用距离过长导致误差累积并与实际位置偏离的问题,同时,无需再次对整体磁场进行重新测量建模、建模、训练等,定位精度高,模型适应能力强(适合任何会因环境变化而出现特征改变的室内定位技术)。
附图说明
图1为本发明的主动式适应改变磁场的地磁室内定位方法流程框图;
图2为位置预测模型结构示意图;
图3为执行步骤S5至S7的比较过程示意图;
图4为本发明与传统地磁定位模型在环境磁场不同数量改变时的精度对比图。
具体实施方式
下面结合附图和具体的实施例对本发明的主动式适应改变磁场的地磁室内定位方法作进一步地详细说明。
如图1所示,一种主动式适应改变磁场的地磁室内定位方法,包括如下步骤:
S1、沿规划路径测量室内定位区域的地磁序列(路径规划为现有技术,宜采用直线),将地磁序列等分成若干地磁子序列,记录每段地磁子序列的终点坐标,同时,对每段地磁子序列进行滤波处理(滤波器可采用卡尔曼滤波器),并生成数据集。
S2、将数据集输入预先构建的位置预测模型中进行模型训练,位置预测模型输出结果为每段地磁子序列对应的预测终点坐标。
具体地,步骤S2中,位置预测模型采用双层分段LSTM回归模型,如图2所示。
首先,将数据集中的所有地磁子序列分别输入第一层LSTM网络中,再将第一层LSTM网络所有输出结果作为输入,输入第二层LSTM网络中,最后,将第二层LSTM网络通过由全连接层和非线性映射函数组成的回归单元输出二维的预测坐标位置。
S3、定位时,通过带有惯性传感器的通讯设备(如手机,惯性传感器是集成加速度传感器、磁力计和陀螺仪的模块化传感器,现如今,在绝大部分手机中均有安装设置,测量的数据可记录在手机中)测量当前行走位置的地磁序列,经滤波处理后输入步骤S2训练好的位置预测模型中,得到初始时刻预测坐标位置。
S4、根据上一时刻位置,通过行人航位推算方法(Pedestrian Dead Reckoning,PDR),推算行人当前位置。
步骤S4包括:计算行人移动的步长D:
公式(1)中,K为常系数,Amax表示最大加速度值,Amin表示最小加速度值,Amax和Amin通过惯性传感器中的加速度传感器测得。
计算行人行走方向的航位角θ(由于手机使用过程中,航位角易受到环境影响,因此,需要用陀螺仪补偿磁力计测得的数值):
θt=αθt-1+βθm,t+γθg,t (2)
公式(2)中,α、β和γ为权重参数,θt-1表示上一时刻航位角。θm,t表示当前时刻惯性传感器中的磁力计测量值,θg,t表示当前时刻惯性传感器中的陀螺仪测量值。
结合步长D、航位角θ和上一时刻位置,推算出当前位置:
公式(3)中,xt-1,yt-1为上一时刻坐标位置,xt,yt为推算出的坐标位置。
S5、比较通过位置预测模型预测出的行人位置和通过行人航位推算方法推算出的行人位置,计算两位置间的直线距离。若直线距离不大于设定阀值,则判定为环境磁场未发生改变,执行步骤S6。若直线距离大于设定阀值,则判定为环境磁场发生改变(出现定位点漂移的现象),执行步骤S7。设定阀值根据使用者所需定位精度决定(大小等于所需定位精度大小),本实施例中,设定阈值为1米。
S6、采用位置预测模型预测出的行人位置进行定位,在每一次定位后(清零手机/惯性传感器测量、记录的数据),重新开始行人航位推算方法进行推算。
S7、通过行人航位推算方法进行定位,并不断进行位置比较,直至直线距离重新回到设定阀值范围内(清零手机/惯性传感器测量、记录的数据),重新开始行人航位推算方法进行推算。
步骤S7中,还记录磁场变化区域的地磁序列数据并更新到步骤S2所述数据集中,用于对位置预测模型进行再训练。
如图3所示,为执行步骤S5至S7的比较过程示意图。
如图4所示,传统地磁室内定位方法,在环境磁场改变位置越多的情况下,平均定位误差越大。而本发明的方法,在环境磁场改变位置越多的情况下,平均定位误差基本保持不变。由此可见,本发明的方法具有明显优势。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术方法范围内,可轻易想到的替换或变换方法,都应该涵盖在本发明的保护范围之内。
Claims (4)
1.一种主动式适应改变磁场的地磁室内定位方法,其特征在于,包括如下步骤:
S1、沿规划路径测量室内定位区域的地磁序列,将地磁序列等分成若干地磁子序列,记录每段地磁子序列的终点坐标,同时,对每段地磁子序列进行滤波处理,并生成数据集;
S2、将数据集输入预先构建的位置预测模型中进行模型训练,位置预测模型输出结果为每段地磁子序列对应的预测终点坐标;
S3、定位时,通过带有惯性传感器的通讯设备测量当前行走位置的地磁序列,经滤波处理后输入步骤S2训练好的位置预测模型中,得到初始时刻预测坐标位置;
S4、根据上一时刻位置,通过行人航位推算方法,推算行人当前位置;
S5、比较通过位置预测模型预测出的行人位置和通过行人航位推算方法推算出的行人位置,计算两位置间的直线距离;若直线距离不大于设定阈 值,则判定为环境磁场未发生改变,执行步骤S6;若直线距离大于设定阈 值,则判定为环境磁场发生改变,执行步骤S7;
S6、采用位置预测模型预测出的行人位置进行定位,在每一次定位后,重新开始行人航位推算方法进行推算;
S7、通过行人航位推算方法进行定位,并不断进行位置比较,直至直线距离重新回到设定阈 值范围内,重新开始行人航位推算方法进行推算;步骤S7中,还记录磁场变化区域的地磁序列数据并更新到步骤S2所述数据集中,用于对位置预测模型进行再训练。
2.根据权利要求1所述的主动式适应改变磁场的地磁室内定位方法,其特征在于,步骤S2中,位置预测模型采用双层分段LSTM回归模型;
首先,将数据集中的所有地磁子序列分别输入第一层LSTM网络中,再将第一层LSTM网络所有输出结果作为输入,输入第二层LSTM网络中,最后,将第二层LSTM网络通过由全连接层和非线性映射函数组成的回归单元输出二维的预测坐标位置。
3.根据权利要求1所述的主动式适应改变磁场的地磁室内定位方法,其特征在于,步骤S4包括:计算行人移动的步长D:
公式(1)中,K为常系数,Amax表示最大加速度值,Amin表示最小加速度值,Amax和Amin通过惯性传感器中的加速度传感器测得;
计算行人行走方向的航位角θ:
θt=αθt-1+βθm,t+γθg,t (2)
公式(2)中,α、β和γ为权重参数,θt-1表示上一时刻航位角;θm,t表示当前时刻惯性传感器中的磁力计测量值,θg,t表示当前时刻惯性传感器中的陀螺仪测量值;
结合步长D、航位角θ和上一时刻位置,推算出当前位置:
公式(3)中,xt-1,yt-1为上一时刻坐标位置,xt,yt为推算出的坐标位置。
4.根据权利要求1至3中任一项所述的主动式适应改变磁场的地磁室内定位方法,其特征在于,步骤S5中,所述设定阈值为1米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843238.6A CN111982119B (zh) | 2020-08-20 | 2020-08-20 | 一种主动式适应改变磁场的地磁室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843238.6A CN111982119B (zh) | 2020-08-20 | 2020-08-20 | 一种主动式适应改变磁场的地磁室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111982119A CN111982119A (zh) | 2020-11-24 |
CN111982119B true CN111982119B (zh) | 2022-07-26 |
Family
ID=73443395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010843238.6A Active CN111982119B (zh) | 2020-08-20 | 2020-08-20 | 一种主动式适应改变磁场的地磁室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982119B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440888B (zh) * | 2022-01-14 | 2023-05-16 | 中山大学 | 基于序列分组滑动窗口的室内定位方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110057354A (zh) * | 2019-03-11 | 2019-07-26 | 杭州电子科技大学 | 一种基于磁偏角修正的地磁匹配导航方法 |
CN110118560A (zh) * | 2019-05-28 | 2019-08-13 | 东北大学 | 一种基于lstm和多传感器融合的室内定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190017454A (ko) * | 2017-08-11 | 2019-02-20 | 고려대학교 산학협력단 | 인공 신경망을 이용한 자기장 기반 위치 추정 모델 생성 장치 및 방법 |
-
2020
- 2020-08-20 CN CN202010843238.6A patent/CN111982119B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110057354A (zh) * | 2019-03-11 | 2019-07-26 | 杭州电子科技大学 | 一种基于磁偏角修正的地磁匹配导航方法 |
CN110118560A (zh) * | 2019-05-28 | 2019-08-13 | 东北大学 | 一种基于lstm和多传感器融合的室内定位方法 |
Non-Patent Citations (3)
Title |
---|
IMU and magnetometer modeling for smartphone-based PDR;Roland Hostettler,et al.;《IEEE:2016 International Conference on Indoor Positioning and Indoor Navigation (IPIN)》;20161130;全文 * |
基于PDR和地磁融合的室内定位算法;于鹏等;《桂林电子科技大学学报》;20180825(第04期);全文 * |
基于序列匹配的地磁_PDR融合定位算法研究;张超;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20191015(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111982119A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109253726B (zh) | 一种水下滑翔器导航定位系统及上浮精度校正方法 | |
CN110057354B (zh) | 一种基于磁偏角修正的地磁匹配导航方法 | |
CN102654404B (zh) | 一种提高航姿参考系统解算精度和系统抗干扰能力的方法 | |
CN111272174B (zh) | 一种组合导航方法和系统 | |
CN112577521B (zh) | 一种组合导航误差校准方法及电子设备 | |
CN106168485B (zh) | 步行航迹数据推算方法及装置 | |
CN109059907A (zh) | 轨迹数据处理方法、装置、计算机设备和存储介质 | |
CN109000640A (zh) | 基于离散灰色神经网络模型的车辆gnss/ins组合导航方法 | |
CN112651437B (zh) | 一种基于深度学习的空间非合作目标位姿估计方法 | |
CN112082547B (zh) | 组合导航系统优化方法、装置、电子设备及存储介质 | |
CN109855623B (zh) | 基于Legendre多项式和BP神经网络的地磁模型在线逼近方法 | |
CN111982119B (zh) | 一种主动式适应改变磁场的地磁室内定位方法 | |
KR20190017454A (ko) | 인공 신경망을 이용한 자기장 기반 위치 추정 모델 생성 장치 및 방법 | |
CN110346821A (zh) | 一种解决gps长时间失锁问题的sins/gps组合定姿定位方法及系统 | |
CN114689047A (zh) | 基于深度学习的组合导航方法、装置、系统及存储介质 | |
Hasan et al. | Automatic estimation of inertial navigation system errors for global positioning system outage recovery | |
CN109857127B (zh) | 训练神经网络模型以及飞行器姿态解算的方法、装置 | |
CN114440895A (zh) | 基于因子图的气压辅助Wi-Fi/PDR室内定位方法 | |
CN117516517A (zh) | 一种室内环境下无源融合定位方法、系统及电子设备 | |
CN109682372B (zh) | 一种结合建筑物结构信息与rfid标定的改进型pdr方法 | |
CN109387196B (zh) | 一种远距离水下地磁仿生导航方法 | |
KR101462007B1 (ko) | 자세 추정 장치 및 자세 추정 방법 | |
CN109885598A (zh) | 故障识别方法、装置、计算机可读存储介质及电子设备 | |
KR20190042540A (ko) | 인공 신경망을 이용한 자기장 기반 위치 추정 모델 생성 장치 및 방법 | |
CN113449265A (zh) | 一种基于堆叠lstm的腰载式航向角计算方法 |
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 |