CN112611385A - 一种惯性导航与地图特征匹配的室内人员定位方法 - Google Patents
一种惯性导航与地图特征匹配的室内人员定位方法 Download PDFInfo
- Publication number
- CN112611385A CN112611385A CN202011463409.9A CN202011463409A CN112611385A CN 112611385 A CN112611385 A CN 112611385A CN 202011463409 A CN202011463409 A CN 202011463409A CN 112611385 A CN112611385 A CN 112611385A
- Authority
- CN
- China
- Prior art keywords
- matrix
- corner
- track
- points
- real
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 132
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- -1 airplanes Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
一种惯性导航与地图特征匹配的室内人员定位方法,本发明使用基于惯性导航数据的室内人员行动轨迹匹配方法,将惯导输出的相对运动轨迹与地图上所有可能的运动轨迹进行匹配,得到精确的绝对运动轨迹。本发明利用Hough变换、Harris角点检测、计算几何技术自动生成转角矩阵。本发明相比于传统的室内惯性导航方法能够将惯导得到的人员相对运动轨迹信息转化为绝对运动轨迹,匹配算法对惯导得到的轨迹误差有一定鲁棒性。
Description
技术领域
本发明涉及一种惯性导航与地图特征匹配的室内人员定位方法,属于惯性导航和图像处理技术领域,是一种组合导航方法。
背景技术
早期轨迹匹配算法或地图匹配算法多应用于户外,将用户行驶轨迹做为待匹配样本,利用算法在地图中寻找相似度最高的轨迹。室外轨迹匹配目的在于将车辆的运动轨迹于实际的室外地图中相似道路轨迹利用算法进行匹配。匹配算法的关键是两条轨迹之间的相似度量,主要通过空间相似性,比如两条轨迹的距离和两条轨迹包围的面积。室外的轨迹匹配算法中用户的行驶轨迹与地图中道路组成的轨迹的相对位置是已知的,即用来匹配的轨迹在同一空间中,所以能够使用距离度量的方式进行匹配。
随着微机械系统的不断发展,在军民领域都得到广泛的应用。同时,惯性技术应用场景的不断扩大。由于惯性导航不需要外部信息的特征,可以用做室内无卫星情况下的导航,惯性导航系统技术已经非常成熟,广泛地应用飞机、车辆、船舶等大型载体,由于传统惯性器件的体积较大、成本较高,不能够应用于人员的定位跟踪。现阶段由于MEMS技术的突飞猛进,解决了设备重量、体积和造价的问题。
现有导航技术由于室内定位时惯性导航生成的人员轨迹与地图中轨迹的相对位置是未知的,而且随着时间位置误差会发散,所以需要一种适用于室内环境的轨迹匹配算法。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提出了一种惯性导航与地图特征匹配的室内人员定位方法,确定精确的绝对运动轨迹。
本发明的技术方案是:
一种惯性导航与地图特征匹配的室内人员定位方法,包括步骤如下:
1)在地图图像上进行平面路线规划,获得m条由起点至目标点的可能行走轨迹,将可能行走轨迹中的所有拐点进行打断处理,从而获得n条直线段;所述地图图像为像素图像;m、n均为正整数;
2)对地图图像进行灰度处理,获得灰度图像并进行边缘检测,得到处理后的地图图像;其中,处理后的地图图像中的路径表征为白色实线,其余为黑色图像;
3)对步骤2)处理后的地图图像中表征为白色实线的路径,进行Hough霍夫变换,获得n条直线段的数据信息组成线段坐标对矩阵H1,直线段的数据信息包括:直线段两端点的坐标;将直线段的两端点坐标以坐标对的形式存入线段坐标对矩阵H1,H1为n行2列的二维矩阵;
4)对步骤2)处理后的地图图像进行Harris角点检测,获得所有可能行走轨迹中的交叉点、拐点、起始点并作为关键点,获得k个关键点的坐标;
5)利用步骤4)所述k个关键点,确定预估权值矩阵W和转角矩阵R;
6)利用穿戴在行人身上的导航模块获得行人由起始点行进到目标点过程中的角速度和加速度数据;
7)根据步骤6)获得的所述角速度和加速度数据,获得行人由起始点行进到目标点的行走轨迹中所有两相邻关键点之间的距离,从而获得行人真实行走路径中的e条线段并生成真实位移矩阵T,真实位移矩阵T的元素为e条线段的距离;根据k条线段中两相连线段之间的位置关系,生成真实转角矩阵D,真实转角矩阵D的元素为e-1个拐点对应的转角方向值;
8)将步骤5)所述预估位移矩阵W、转角矩阵R,和步骤7)所述真实位移矩阵T、真实转角矩阵D进行轨迹匹配处理,获得行人在地图图像上的实际行进路线。
k为大于40的正整数。
步骤5)所述确定预估权值矩阵W和转角矩阵R的方法,具体为:
51)利用步骤4)所述k个关键点,将线段坐标对矩阵H1对应的直线段在关键点处进行打断处理,获得最小线段,将最小线段的两端点坐标以坐标对的形式存入最小线段坐标对矩阵H2;
52)利用最小线段坐标对矩阵H2确定预估权值矩阵W;预估权值矩阵W为k×k的二维矩阵,预估权值矩阵W中第i行第j列元素w(i,j)等于第i个关键点到第j个关键点的距离,如果关键点i和关键点j的连线不构成所述最小线段,则w(i,j)=∞;i、j∈[1,k];
53)利用步骤4)所述k个关键点,获得n条直线段上所有的线段,将所有的线段的两端点坐标以坐标对的形式存入非最小线段集合矩阵H3;
54)根据步骤4)k个关键点中的拐点和步骤53)所述非最小线段集合矩阵H3,利用矢量叉积,获得转角矩阵R;其中,转角矩阵R为k×k×k的三维矩阵;其中,转角矩阵R中的元素r(i,j,p)表示第i个关键点经过第p个关键点到达第j个关键点的转角方向值;如果第j个关键点不构成转角时,则r(i,j,p)=0;p∈[1,k]。
步骤6)所述角速度和加速度数据的采样率为100Hz。
步骤6)所述导航模块包括:加速度计和陀螺仪。
步骤8)所述获得行人在地图图像上实际行进路线的方法,具体为:
81)根据惯性导航得到的室内运动轨迹,提取其中依次经过的真实转角矩阵D和相邻关键点之间的真实位移矩阵T;真实转角矩阵D的为1×(e-1)的矩阵,真实位移矩阵T为1×e的矩阵;
82)从路径中k个关键点中选择e+1个关键点组成轨迹集合TrA,排除重复关键点得到轨迹集合TrB,确定轨迹集合TrB轨迹的转角值,保留与真实转角矩阵D相符组成轨迹集合TrC;
83)计算轨迹集合TrC中相邻关键点的距离与真实位移矩阵T比较,符合门限值e_th的轨迹即为匹配轨迹,得到行人运动的绝对位置。
本发明与现有技术相比的有益效果是:
1)采用地图特征匹配技术手段,起到了抑制惯性误差累积作用,提高了连续导航的精度;
2)采用地图特征匹配技术手段,能够获得室内人员绝对位置坐标。
附图说明
图1为本发明线段矩阵转换关系图。
图2为本发明的系统实现框图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的描述。
本发明一种惯性导航与地图特征匹配的室内人员定位方法,包括步骤如下:
1)在地图图像上进行平面路线规划,获得m条由起点至目标点的可能行走轨迹,将可能行走轨迹中的所有拐点进行打断处理,从而获得n条直线段;所述地图图像为像素图像;m、n均为正整数。
2)对地图图像进行灰度处理,获得灰度图像并进行边缘检测,得到处理后的地图图像;其中,处理后的地图图像中的路径表征为白色实线,其余为黑色图像;
3)对步骤2)处理后的地图图像中表征为白色实线的路径,进行Hough霍夫变换,获得n条直线段的数据信息组成线段坐标对矩阵H1,直线段的数据信息包括:直线段两端点的坐标;将直线段的两端点坐标以坐标对的形式存入线段坐标对矩阵H1,H1为n行2列的二维矩阵;
4)对步骤2)处理后的地图图像进行Harris角点检测,获得所有可能行走轨迹中的交叉点、拐点、起始点并作为关键点,获得k个关键点的坐标;k为大于40的正整数,本发明实施例中k=50,如图1所示。
5)利用步骤4)所述k个关键点,确定预估权值矩阵W和转角矩阵R;
51)利用步骤4)所述k个关键点,将线段坐标对矩阵H1对应的直线段在关键点处进行打断处理,获得最小线段,将最小线段的两端点坐标以坐标对的形式存入最小线段坐标对矩阵H2;即任意一条最小线段上除最小线段的两端点外无其他关键点。
52)利用最小线段坐标对矩阵H2确定预估权值矩阵W;预估权值矩阵W为k×k的二维矩阵,预估权值矩阵W中第i行第j列元素w(i,j)等于第i个关键点到第j个关键点的距离,如果关键点i和关键点j的连线不构成所述最小线段,则令w(i,j)的为无穷大,w(i,j)=∞;i、j∈[1,k];
53)利用步骤4)所述k个关键点,获得n条直线段上所有的线段,将所有的线段的两端点坐标以坐标对的形式存入非最小线段集合矩阵H3;即对任意一根直线段,遍历该直线段上所有关键点,获得所有由两关键点相连而成的连线作为线段。
54)根据步骤4)k个关键点中的拐点和步骤53)所述非最小线段集合矩阵H3,利用矢量叉积,获得转角矩阵R;其中,转角矩阵R为k×k×k的三维矩阵;其中,转角矩阵R中的元素r(i,j,p)表示第i个关键点经过第p个关键点到达第j个关键点的转角方向值;如果第j个关键点不构成转角时,则r(i,j,p)=0;p∈[1,k];即步骤5)所述转角矩阵R的确定方法,具体为:
R={rij k};
其中,rij k表示连接关键点i和关键点k的线段与连接关键点j和关键点k的线段的矢量差乘结果,k为两条线段的公共关键点。本发明实施例中:
若rij k=-1,表示两条线段以k为公共关键点,由关键点i左转90度到关键点j;
若rij k=-0.5,表示两条线段以k为公共关键点,由关键点i左转45度到关键点j;
若rij k=0,表示两条线段以k为公共关键点时没有构成转角;
若rij k=1,表示两条线段以k为公共关键点,由关键点i右转90度到关键点j。
6)利用穿戴在行人身上的导航模块获得行人由起始点行进到目标点过程中的角速度和加速度数据;角速度和加速度数据的采样率为100Hz。所述导航模块包括:加速度计和陀螺仪。
7)根据步骤6)获得的所述角速度和加速度数据,获得行人由起始点行进到目标点的行走轨迹中所有两相邻关键点之间的距离,从而获得行人真实行走路径中的e条线段。并生成真实位移矩阵T,真实位移矩阵T的元素为e条线段的距离;根据k条线段中两相连线段之间的位置关系,生成真实转角矩阵D,真实转角矩阵D的元素为e-1个拐点对应的转角方向值。当行人行走过程中有3次转弯,则e=4(此时,无法获得行人经过e条线段的顺序)。
8)将步骤5)所述预估位移矩阵W、转角矩阵R,和步骤7)所述真实位移矩阵T、真实转角矩阵D进行轨迹匹配处理,获得行人在地图图像上的实际行进路线,具体为:
81)根据惯性导航得到的室内运动轨迹,提取其中依次经过的真实转角矩阵D和相邻关键点之间的真实位移矩阵T;真实转角矩阵D中的元素定义和转角矩阵R的定义相同;真实转角矩阵D的为1×(e-1)的矩阵,真实位移矩阵T为1×e的矩阵;
82)从路径中k个关键点中选择e+1个关键点组成轨迹集合TrA,排除重复关键点得到轨迹集合TrB,确定轨迹集合TrB轨迹的转角值,保留与真实转角矩阵D相符组成轨迹集合TrC;
83)计算轨迹集合TrC中相邻关键点的距离与真实位移矩阵T比较,符合门限值e_th的轨迹即为匹配轨迹,得到行人运动的绝对位置。
本发明的MEMS模块包括:三轴加速度计、三轴陀螺仪、三轴磁力计、气压计。借助PDR算法在假设已知人员初始位置的情况下生成人员在室内的相对运动轨迹。
利用图像处理的算法在室内地图中构建出所有的可能的运动轨迹。使用Hough变换检测人员可能运动轨迹中的关键点和轨迹片段,通过图像处理先将地图进行灰度化处理和边缘检测以提高Hough变换的计算速度。
在得到人员所有可能的运动轨迹后,对Hough变换得到的矩阵Ma中的线段进行完全分解,利用线段和关键点信息自动生成转角矩阵、权值矩阵。利用可能运动轨迹的距离以及转角信息和惯组输出轨迹的距离与转角信息,坐标转换后进行轨迹匹配,将PDR算法得到的人员运动的相对轨迹转换得到绝对轨迹。
系统的工作原理图如图2所示。在人员的运动过程中惯性单元产生数据,PDR算法利用加速度计和陀螺仪信息计算步长、步数及航向角信息,得到用户相对轨迹,将人员的相对轨迹在室内地图上进行匹配,将相对估计变为绝对轨迹。轨迹匹配,首先从室内地图和人员相对运动轨迹中提取距离信息和转角信息。人员相对运动轨迹的距离信息的矩阵表示为真实位移矩阵T,转角信息的矩阵表示为真实转角矩阵D。人员所有可能的运动轨迹来说距离信息矩阵表示为预估权值矩阵W,转角信息的矩阵表示为转角矩阵R。
为了实现用户相对运动轨迹在室内地图的匹配定位,首先要在室内地图上构造出用户所有可能的运动轨迹,使用图像处理相关算法:灰度化、边缘检测、Hough变换以及Harris角点检测等检测出人员所有可能的运动轨迹中所有的线段和关键点,检测得到所有线段和关键点后,通过欧几里得距离和计算几何的方法得到代表距离和转角信息的矩阵W和R,该方法可以简化匹配流程和复杂度,匹配效果较好。轨迹匹配的具体步骤如下:
1)IMU数据得到人员在室内运动轨迹,并提取人员室内运动依次经过的转角方向矩阵D和相邻转角之间的距离矩阵T,所有选出的轨迹集合记为TrA。
2)TrA中排除包含重复节点的轨迹,获得新的轨迹集合TrB。
3)迹集合TrB中,将各轨迹中每3个连续节点利用人员所有的可能运动轨迹的转角矩阵R确定三个节点之间的转角方向为-1还是1,并与室内运动轨迹的转角方向矩阵D比较,与室内运动轨迹的转角方向D完全相符的轨迹集合保留,获得轨迹集合TrC。
4)用户所有可能运动轨迹的权重矩阵W,以算法得到最短距离矩阵D,通过最短距离矩阵D获得轨迹集合TrC中各轨迹相邻两节点之间的直线距离,将轨迹集合TrC中各轨迹相邻两节点之间的直线距离与室内运动轨迹距离矩阵TD对比,满足门限值等距离条件的轨迹保留,获得轨迹集合TrD,TrD中的轨迹就是与室内运动轨迹相匹配的轨迹集合。
5)距离矩阵TD计算出轨迹集合TrD中轨迹的起始点和终止点的绝对物理坐标。
通过人员轨迹和电子地图匹配将人员相对位置转化为绝对位置,并修正运动轨迹得到更精确的位置。
实施例
选取指定楼宇平面图,进行本发明的图像处理获得转角矩阵和权值矩阵,在该楼层进行两次行走测试:1)转角较少,距离较长的行走测试,T=[5 40 30 40]。,D=[1 -1 -1]。2)转角较多,行走距离较长的行走测试T=[5 20 25 15 13 25],D=[1 -1 1 0.5 -1]。两次行走测试匹配结果均和实际行走轨迹重合。
本发明所述的实例,为最佳的实施方法,但并非对本发明进行限制,任何熟悉本技术领域的技术人员,在上述披露的范围之内,可以自行变化和替换。这里无法对所有的形式进行例举,凡是本发明技术方案所引申的显而易见的变化或变动仍属于本发明的保护范围之内。
本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。
Claims (6)
1.一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,包括步骤如下:
1)在地图图像上进行平面路线规划,获得m条由起点至目标点的可能行走轨迹,将可能行走轨迹中的所有拐点进行打断处理,从而获得n条直线段;所述地图图像为像素图像;m、n均为正整数;
2)对地图图像进行灰度处理,获得灰度图像并进行边缘检测,得到处理后的地图图像;其中,处理后的地图图像中的路径表征为白色实线,其余为黑色图像;
3)对步骤2)处理后的地图图像中表征为白色实线的路径,进行Hough霍夫变换,获得n条直线段的数据信息组成线段坐标对矩阵H1,直线段的数据信息包括:直线段两端点的坐标;将直线段的两端点坐标以坐标对的形式存入线段坐标对矩阵H1,H1为n行2列的二维矩阵;
4)对步骤2)处理后的地图图像进行Harris角点检测,获得所有可能行走轨迹中的交叉点、拐点、起始点并作为关键点,获得k个关键点的坐标;
5)利用步骤4)所述k个关键点,确定预估权值矩阵W和转角矩阵R;
6)利用穿戴在行人身上的导航模块获得行人由起始点行进到目标点过程中的角速度和加速度数据;
7)根据步骤6)获得的所述角速度和加速度数据,获得行人由起始点行进到目标点的行走轨迹中所有两相邻关键点之间的距离,从而获得行人真实行走路径中的e条线段并生成真实位移矩阵T,真实位移矩阵T的元素为e条线段的距离;根据k条线段中两相连线段之间的位置关系,生成真实转角矩阵D,真实转角矩阵D的元素为e-1个拐点对应的转角方向值;
8)将步骤5)所述预估位移矩阵W、转角矩阵R,和步骤7)所述真实位移矩阵T、真实转角矩阵D进行轨迹匹配处理,获得行人在地图图像上的实际行进路线。
2.根据权利要求1所述的一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,k为大于40的正整数。
3.根据权利要求1所述的一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,步骤5)所述确定预估权值矩阵W和转角矩阵R的方法,具体为:
51)利用步骤4)所述k个关键点,将线段坐标对矩阵H1对应的直线段在关键点处进行打断处理,获得最小线段,将最小线段的两端点坐标以坐标对的形式存入最小线段坐标对矩阵H2;
52)利用最小线段坐标对矩阵H2确定预估权值矩阵W;预估权值矩阵W为k×k的二维矩阵,预估权值矩阵W中第i行第j列元素w(i,j)等于第i个关键点到第j个关键点的距离,如果关键点i和关键点j的连线不构成所述最小线段,则w(i,j)=∞;i、j∈[1,k];
53)利用步骤4)所述k个关键点,获得n条直线段上所有的线段,将所有的线段的两端点坐标以坐标对的形式存入非最小线段集合矩阵H3;
54)根据步骤4)k个关键点中的拐点和步骤53)所述非最小线段集合矩阵H3,利用矢量叉积,获得转角矩阵R;其中,转角矩阵R为k×k×k的三维矩阵;其中,转角矩阵R中的元素r(i,j,p)表示第i个关键点经过第p个关键点到达第j个关键点的转角方向值;如果第j个关键点不构成转角时,则r(i,j,p)=0;p∈[1,k]。
4.根据权利要求1所述的一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,步骤6)所述角速度和加速度数据的采样率为100Hz。
5.根据权利要求1所述的一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,步骤6)所述导航模块包括:加速度计和陀螺仪。
6.权利要求5所述的一种惯性导航与地图特征匹配的室内人员定位方法,其特征在于,步骤8)所述获得行人在地图图像上实际行进路线的方法,具体为:
81)根据惯性导航得到的室内运动轨迹,提取其中依次经过的真实转角矩阵D和相邻关键点之间的真实位移矩阵T;真实转角矩阵D的为1×(e-1)的矩阵,真实位移矩阵T为1×e的矩阵;
82)从路径中k个关键点中选择e+1个关键点组成轨迹集合TrA,排除重复关键点得到轨迹集合TrB,确定轨迹集合TrB轨迹的转角值,保留与真实转角矩阵D相符组成轨迹集合TrC;
83)计算轨迹集合TrC中相邻关键点的距离与真实位移矩阵T比较,符合门限值e_th的轨迹即为匹配轨迹,得到行人运动的绝对位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011463409.9A CN112611385A (zh) | 2020-12-11 | 2020-12-11 | 一种惯性导航与地图特征匹配的室内人员定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011463409.9A CN112611385A (zh) | 2020-12-11 | 2020-12-11 | 一种惯性导航与地图特征匹配的室内人员定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112611385A true CN112611385A (zh) | 2021-04-06 |
Family
ID=75233709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011463409.9A Pending CN112611385A (zh) | 2020-12-11 | 2020-12-11 | 一种惯性导航与地图特征匹配的室内人员定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112611385A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023116179A1 (zh) * | 2021-12-23 | 2023-06-29 | 中兴通讯股份有限公司 | 行走轨迹的确定方法、终端和计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809376A (zh) * | 2012-08-06 | 2012-12-05 | 哈尔滨工程大学 | 一种基于等值线的辅助导航定位方法 |
CN107167130A (zh) * | 2017-05-18 | 2017-09-15 | 上海谦尊升网络科技有限公司 | 地图匹配定位方法及系统 |
-
2020
- 2020-12-11 CN CN202011463409.9A patent/CN112611385A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102809376A (zh) * | 2012-08-06 | 2012-12-05 | 哈尔滨工程大学 | 一种基于等值线的辅助导航定位方法 |
CN107167130A (zh) * | 2017-05-18 | 2017-09-15 | 上海谦尊升网络科技有限公司 | 地图匹配定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
范艳云: ""基于惯导数据的室内用户运动轨迹匹配算法研究"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, pages 1 - 4 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023116179A1 (zh) * | 2021-12-23 | 2023-06-29 | 中兴通讯股份有限公司 | 行走轨迹的确定方法、终端和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Heo et al. | EKF-based visual inertial navigation using sliding window nonlinear optimization | |
US10696300B2 (en) | Vehicle tracking | |
Panahandeh et al. | Vision-aided inertial navigation based on ground plane feature detection | |
CN110095116A (zh) | 一种基于lift的视觉定位和惯性导航组合的定位方法 | |
CN108051002A (zh) | 基于惯性测量辅助视觉的运输车空间定位方法及系统 | |
CN105953796A (zh) | 智能手机单目和imu融合的稳定运动跟踪方法和装置 | |
CN112639502A (zh) | 机器人位姿估计 | |
CN106780699A (zh) | 一种基于sins/gps和里程计辅助的视觉slam方法 | |
KR20100072590A (ko) | 동적 환경에서 모바일 플랫폼의 지도 작성방법 | |
JP2013531781A (ja) | 対象物のゼロ速度状態の検出方法及びシステム | |
CN113447949B (zh) | 一种基于激光雷达和先验地图的实时定位系统及方法 | |
CN113741503B (zh) | 一种自主定位式无人机及其室内路径自主规划方法 | |
CN111145251A (zh) | 一种机器人及其同步定位与建图方法和计算机存储设备 | |
CN108132053A (zh) | 一种行人轨迹构建方法、系统及惯性测量装置 | |
Bai et al. | A sensor fusion framework using multiple particle filters for video-based navigation | |
Cruz et al. | MagLand: Magnetic landmarks for road vehicle localization | |
Nazemipour et al. | MEMS gyro bias estimation in accelerated motions using sensor fusion of camera and angular-rate gyroscope | |
Anousaki et al. | Simultaneous localization and map building of skid-steered robots | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
CN112611385A (zh) | 一种惯性导航与地图特征匹配的室内人员定位方法 | |
Munguía et al. | A visual-aided inertial navigation and mapping system | |
Kessler et al. | Multi-Sensor indoor pedestrian navigation system with vision aiding | |
Bonilla et al. | Pedestrian dead reckoning towards indoor location based applications | |
Purnawarman et al. | The methodology for obtaining nonlinear and continuous three-dimensional topographic data using inertial and optical measuring instruments of unmanned ground systems | |
CN116380079A (zh) | 一种融合前视声呐与orb-slam3的水下slam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 |