CN112964257B - 一种基于虚拟地标的行人惯性slam方法 - Google Patents

一种基于虚拟地标的行人惯性slam方法 Download PDF

Info

Publication number
CN112964257B
CN112964257B CN202110163791.XA CN202110163791A CN112964257B CN 112964257 B CN112964257 B CN 112964257B CN 202110163791 A CN202110163791 A CN 202110163791A CN 112964257 B CN112964257 B CN 112964257B
Authority
CN
China
Prior art keywords
pedestrian
virtual
map
course
hexagonal grid
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
CN202110163791.XA
Other languages
English (en)
Other versions
CN112964257A (zh
Inventor
曹志国
熊智
丁一鸣
李婉玲
王铮淳
陈芷心
李晓东
李欣童
安竞轲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110163791.XA priority Critical patent/CN112964257B/zh
Publication of CN112964257A publication Critical patent/CN112964257A/zh
Application granted granted Critical
Publication of CN112964257B publication Critical patent/CN112964257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/10—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
    • G01C21/14—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 recording the course traversed by the object
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于虚拟地标的行人惯性SLAM方法，属于行人导航方法技术领域。该方法首先根据惯性行人里程计输出的信息，识别出行人航迹中方的虚拟地标点，并通过匹配虚拟地标点对位置和航向进行误差补偿，再引入SLAM结构，同时构建六边形栅格概率地图和修正位置误差，实现了仅基于惯性传感器的同时构图与定位。本发明解决了仅低成本惯性传感器的行人导航系统在估计航向角时，航向角存在累计误差的问题，以较小的计算量实现了较高的定位精度。

Description

一种基于虚拟地标的行人惯性SLAM方法
技术领域
本发明涉及一种基于虚拟地标的行人惯性SLAM(同时构图与定位)方法，属于行人导航方法技术领域。
背景技术
随着社会的飞速发展，日常生活以及国防等领域对室内行人导航系统的需求日益增加。目前较为成熟的室内导航方法大多采用多信息融合的方法，通过将惯性传感器，WIFI，UWB(超宽带测距技术)，蓝牙，先验地图等不同信息源的信息组合处理得到行人位姿。然而除惯性传感器的其他信息源在使用时需要提前布置或提前采集、制作指纹库，大大制约了行人导航系统的自主性。因此，仅依靠惯性传感器的行人导航系统具有很大的实用意义。
目前纯惯性行人导航系统通常使用的低成本惯性传感器存在较大的噪声，在估计航向角时，会引起较大的累计误差，无法满足长时间高精度的行人导航要求。
发明内容
本发明提出了一种基于虚拟地标的行人惯性SLAM方法，通过利用行人里程计输出的航向和步长信息识别出虚拟地标点，基于虚拟地标点进行误差补偿，在此基础上，引入SLAM的思想，在估计位置的同时建立六边形栅格地图，有效抑制了航向角的漂移误差。
本发明为解决其技术问题采用如下技术方案：
一种基于虚拟地标的行人惯性SLAM方法，包括步骤：
(1)采集惯性行人里程计输出的信息，提取并匹配虚拟地标点；
(2)基于上述虚拟地标点建立误差方程并利用最小二乘法求解；
(3)对修正后的航迹建立六边形栅格地图，并利用已建立的六边形栅格地图对行人里程计输出的航向和步长进行实时修正；否则重复步骤(1)-(3)。
所述步骤(1)具体过程如下：
(11)采集航向角变化检测转弯状态Sk，并计算完整转弯过程航向角的变化量
Figure BDA0002936688990000021
Figure BDA0002936688990000022
Figure BDA0002936688990000023
其中，Sk为表征行人k时刻是否处于转弯状态的状态量，Sk-1则表示前一时刻的状态量，Sk为1时则表示行人处于转弯状态，反之则不处于；
Figure BDA0002936688990000024
表示k时刻航向角的变化量，
Figure BDA0002936688990000025
表示前一时刻航向角的变化量，φ1表示检测转弯状态的阈值，
Figure BDA0002936688990000026
即为一个完整转弯过程航向角的变化量；当
Figure BDA0002936688990000027
落在[80°,100°]的阈值区间则认为滑动窗口内为直角转角过程，即为虚拟地标点；
(12)记录所有识别到的虚拟地标点的位置Lposi：
Lposi＝(xk,yk)，k取当
Figure BDA0002936688990000028
最大时
其中,xk为k时刻轨迹点的横坐标，yk为k时刻轨迹点的纵坐标；
(13)在虚拟地标筛选距离阈值Lpth1内，只保留步数间隔大于步数区间阈值Lsth1的虚拟地标点，对于筛选出的虚拟地标点，当两点的二维欧氏距离小于设定的虚拟地标匹配距离阈值Lpth2的即认为两虚拟地标点对应同一实际转角点，即匹配成功。
所述步骤(2)具体过程如下：
(21)建立位置误差方程
ex,k＝xk-xk-1-ux,k
ey,k＝yk-yk-1-uy,k
Figure BDA0002936688990000029
Figure BDA00029366889900000210
其中k表示的是步数的编号，xk-1和yk-1是前一时刻的横纵坐标，ex,k和ey,k是步长和航向估计不准确引起的位置误差；
Figure BDA0002936688990000031
Lk表示第k步的步长，
Figure BDA0002936688990000032
表示第k步的航向；
Figure BDA0002936688990000033
和
Figure BDA0002936688990000034
分别为识别出的地标点处的横坐标位置误差和纵坐标位置误差，xml和ym1为当前地标点的横纵坐标，xm2和ym2为与前述地标点匹配的地标点的横纵坐标。
(22)联立位置误差方程组
e＝AM-U
其中
Figure BDA0002936688990000035
为所有时刻的位置误差序列，
Figure BDA0002936688990000036
其中m1和m2为虚拟地标匹配时的所增加的行，M＝[x0,y0,x1,y1,x2,y2,…,xk,yk,…]T，表示所有时刻的横纵坐标的序列，U＝[ux,1,uy,1,ux,2,uy,2,…,0,0,…]T表示所有时刻的步态矢量横向和纵向分量的序列；
(23)利用最小二乘法求解误差方程组：
Figure BDA0002936688990000037
其中Mop即为使得全局位置误差最小的位置矢量，也即是误差补偿后的位置矢量；
(24)利用修正后的位置修正航向角：
Figure BDA0002936688990000038
Figure BDA0002936688990000041
其中x1′和y1′为进入转角前的一个步态矢量的起点位置的横纵坐标，x2′和y2′则为进入转角前的一个步态矢量的终点位置的横纵坐标，且两点坐标都是修正后的值，
Figure BDA0002936688990000042
即为修正后的航向角，再加上完整转角过程的航向角变化量
Figure BDA0002936688990000043
即得到当前航向角的近似修正
Figure BDA0002936688990000044
Figure BDA0002936688990000045
即为修正后的航向角，再加上完整转角过程的航向角变化量
Figure BDA0002936688990000046
即得到当前航向角的近似修正
Figure BDA0002936688990000047
所述步骤(3)的具体过程如下：
(31)将行人惯性导航问题建模成动态贝叶斯网络：
Figure BDA0002936688990000048
其中P为位置变量，U为步长矢量，E为行人惯性里程计的误差，M为地图变量，
Figure BDA0002936688990000049
为全概率分布，
Figure BDA00029366889900000410
表示对行人位置、步态等状态量的估计，p(M|P0:k)表示对地图的估计；
(32)将地图分解成紧密拼接的六边形栅格：
Figure BDA00029366889900000411
其中h表示六边形栅格的编号，Mh则表示变化为h的六边形栅格，p(M|P0:k)表示对所有六边形栅格组成的地图的估计，p(Mh|P0:k)则表示对单个六边形栅格的估计，NH表示地图中所包含的六边形栅格的数目；
(33)动态贝叶斯网络的特点，将(31)中的概率进行分解：
Figure BDA00029366889900000412
Figure BDA00029366889900000413
其中：
Figure BDA00029366889900000414
为k-1时刻的全概率分布，p(Ek|Ek-1)为误差状态传递概率，
Figure BDA00029366889900000415
为量测概率，通过实验事先确定，而p({PU}k|{PU}0:k-1)则需要结合之前存储的地图进行估计，
Figure BDA0002936688990000051
表示行人当前步长矢量所穿过边的穿边计数，
Figure BDA0002936688990000052
表示被穿边所在六边形栅格的所有边的总穿边计数，
Figure BDA0002936688990000053
和
Figure BDA0002936688990000054
为预设的狄利克雷分布的参数；地图的估计在六边形栅格网络中通过六边形栅格的每条边的计数值表示，每当行人的步长矢量穿过某条边时，对于边的计数值加一；
(34)以SLAM算法估计的当前时刻的航向和步长估计为输入，通过虚拟地标检测与匹配，对当前时刻位置估计进行修正，再以修正后的轨迹作为输入，构建惯性概率地图，在以构建的概率地图对下一时刻里程计的航向和步长进行估计。
本发明的有益效果如下：
本发明解决了纯惯性行人导航系统长时间导航航向角发散的问题，减少行人导航定位的累积误差，提高行人导航可靠导航时间。
附图说明
图1是本发明方法流程图。
图2是本发明的验证实验路径图。
图3是本实施方法定位结果图，其中：图3(a)是原始里程计输出的轨迹图；图3(b)是本实施方法优化后的定位结果图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1所示，一种基于虚拟地标的行人惯性SLAM方法包括如下步骤：
步骤1，设定算法所需的阈值，包括检测转弯状态的阈值φ1，虚拟地标筛选距离阈值Lpth1，虚拟地标筛选步数区间阈值Lsth1，虚拟地标匹配距离阈值Lpth2
步骤2，根据误差分布p(Ek|Ek-1)进行采样，将误差向量Ek与行人里程计输出的量测向量Zk相加得到带噪声的步态矢量Uk。
Uk＝Zk+Ek
步骤3，对根据步态适量计算每个粒子的新位姿，
Figure BDA0002936688990000061
其中
Figure BDA0002936688990000062
为第m个粒子在k时刻的位置，
Figure BDA0002936688990000063
则为第m个粒子在k-1时刻的位置
Figure BDA0002936688990000064
为第m个粒子在k时刻的步态矢量。
步骤4，根据步态矢量和地图更新粒子的权重并归一化。
Figure BDA0002936688990000065
Figure BDA0002936688990000066
其中，
Figure BDA0002936688990000067
为当前时刻编号为m的粒子权重，
Figure BDA0002936688990000068
为前一时刻编号为m的粒子权重，
Figure BDA0002936688990000069
为编号为m的粒子所穿边的穿边计数，当前时刻所有粒子的权重都更新完成后，进行归一化，其中ωm为编号为m的粒子的权重，ωi为编号为i的粒子的权重。
步骤5，以修正后的步长矢量为输入提取虚拟地标点并匹配
(51)利用航向角变化检测转弯状态Sk
Figure BDA00029366889900000610
Figure BDA00029366889900000611
其中，Sk为表征行人k时刻是否处于转弯状态的状态量，Sk-1则表示前一时刻的状态量，Sk为1时则表示行人处于转弯状态，反之则不处于；
Figure BDA00029366889900000612
表示k时刻航向角的变化量，
Figure BDA00029366889900000613
表示前一时刻航向角的变化量。
Figure BDA00029366889900000614
即为一个完整转弯过程航向角的变化量。当
Figure BDA00029366889900000615
落在[80°,100°]的阈值区间则认为滑动窗口内为直角转角过程，即为虚拟地标点。
(52)记录所有识别到的直角转弯过程的位置Lposi，计算公式如下：
Lposi＝(xk,yk)，k取当
Figure BDA0002936688990000071
最大时
其中,xk为k时刻轨迹点的横坐标，yk为k时刻轨迹点的纵坐标；
(53)在虚拟地标筛选距离阈值Lpth1内，只保留步数间隔大于步数区间阈值Lsth1的虚拟地标点；对于筛选出的虚拟地标点，当两点的二维欧氏距离小于设定的虚拟地标匹配距离阈值Lpth2的即认为两虚拟地标点对应同一实际转角点，即匹配成功。
步骤6，利用匹配成功的虚拟地标点建立误差方程并利用最小二乘法求解：
(61)建立位置误差方程
ex,k＝xk-xk-1-ux,k
ey,k＝yk-yk-1-uy,k
Figure BDA0002936688990000072
Figure BDA0002936688990000073
其中k表示的是步数的编号，xk-1和yk-1是前一时刻的横纵坐标，ex,k和ey,k是步长和航向估计不准确引起的位置误差。
Figure BDA0002936688990000074
Lk表示第k步的步长，
Figure BDA0002936688990000075
表示第k步的航向；
Figure BDA0002936688990000076
和
Figure BDA0002936688990000077
为步骤5中识别出的地标点处的位置误差，xml和ym1为当前地标点的横纵坐标，xm2和ym2为与前述地标点匹配的地标点的横纵坐标。
(62)联立位置误差方程组
e＝AM-U
其中
Figure BDA0002936688990000078
为所有时刻的位置误差序列，
Figure BDA0002936688990000081
其中m1和m2为虚拟地标匹配时的所增加的行，M＝[x0,y0,x1,y1,x2,y2,…,xk,yk,…]T，表示所有时刻的横纵坐标的序列，U＝[ux,1,uy,1,ux,2,uy,2,…,0,0,…]T表示所有时刻的步态矢量横向和纵向分量的序列。
(63)利用最小二乘法求解误差方程组，
Figure BDA0002936688990000082
其中Mop即为使得全局位置误差最小的位置矢量，也即是误差补偿后的位置矢量。
(64)利用修正后的位置修正航向角
Figure BDA0002936688990000083
Figure BDA0002936688990000084
其中x1′和y1′为进入转角前的一个步态矢量的起点位置的横纵坐标，x2′和y2′则为进入转角前的一个步态矢量的终点位置的横纵坐标，且两点坐标都是修正后的值，
Figure BDA0002936688990000085
即为修正后的航向角，再加上完整转角过程的航向角变化量
Figure BDA0002936688990000086
即可得到当前航向角的近似修正
Figure BDA0002936688990000087
Figure BDA0002936688990000088
即为修正后的航向角，再加上完整转角过程的航向角变化量
Figure BDA0002936688990000089
即可得到当前航向角的近似修正
Figure BDA00029366889900000810
步骤7，两次修正后的位置即为行人最终位置，并仅当行人经历虚拟地标点时更新六边形栅格地图的穿边计数。重复步骤2～6。
如图2所示，该实验地点位于某建筑物室内，包括走廊和三个房间的路径，共重复5圈，全长约1214m。如图3所示，图3(a)为原始里程计的输出的轨迹，利用本发明即一种基于虚拟地标的惯性SLAM方法得出的实验轨迹如图3(b)所示，在2027.04的单层空间长时间导航位置误差小于10m。

Claims (3)

1.一种基于虚拟地标的行人惯性SLAM方法，其特征在于，包括步骤：
(1)采集惯性行人里程计输出的信息，提取并匹配虚拟地标点；
(2)基于上述虚拟地标点建立位置误差方程，联立位置误差方程组并利用最小二乘法求解，得到修正后的航迹；
(3)对修正后的航迹建立六边形栅格地图，并利用已建立的六边形栅格地图对行人里程计输出的航向和步长进行实时修正；否则重复步骤(1)-(3)；其中，所述步骤(2)具体过程如下：
(21)建立位置误差方程
ex,k＝xk-xk-1-ux,k
ey,k＝yk-yk-1-uy,k
Figure FDA0003794972110000011
Figure FDA0003794972110000012
其中k表示的是步数的编号，xk-1和yk-1是前一时刻的横纵坐标，ex,k和ey,k是步长和航向估计不准确引起的位置误差；
Figure FDA0003794972110000013
Lk表示第k步的步长，
Figure FDA0003794972110000014
表示第k步的航向；
Figure FDA0003794972110000015
和
Figure FDA0003794972110000016
分别为识别出的地标点处的横坐标位置误差和纵坐标位置误差，xml和ym1为当前地标点的横纵坐标，xm2和ym2为与前述地标点匹配的地标点的横纵坐标；
(22)联立位置误差方程组
e＝AM-U
其中
Figure FDA0003794972110000017
为所有时刻的位置误差序列，
Figure FDA0003794972110000018
其中m1和m2为虚拟地标匹配时的所增加的行，M＝[x0,y0,x1,y1,x2,y2,…,xk,yk,yk]T，表示所有时刻的横纵坐标的序列，U＝[ux,1,uy,1,ux,2,uy,2,…,0,0,…]T表示所有时刻的步态矢量横向和纵向分量的序列；
(23)利用最小二乘法求解误差方程组：
Figure FDA0003794972110000021
其中Mop即为使得全局位置误差最小的位置矢量，也即是误差补偿后的位置矢量；
(24)利用修正后的位置修正航向角：
Figure FDA0003794972110000022
Figure FDA0003794972110000023
其中x1′和y1′为进入转角前的一个步态矢量的起点位置的横纵坐标，x2′和y2′则为进入转角前的一个步态矢量的终点位置的横纵坐标，且两点坐标都是修正后的值，
Figure FDA0003794972110000024
即为修正后的航向角，再加上完整转角过程的航向角变化量
Figure FDA0003794972110000025
即得到当前航向角的近似修正
Figure FDA0003794972110000026
2.根据权利要求1所述的一种基于虚拟地标的行人惯性SLAM方法，其特征在于，所述步骤(1)具体过程如下：
(11)采集航向角变化检测转弯状态Sk，并计算完整转弯过程航向角的变化量
Figure FDA0003794972110000027
Figure FDA0003794972110000028
Figure FDA0003794972110000031
其中，Sk为表征行人k时刻是否处于转弯状态的状态量，Sk-1则表示前一时刻的状态量，Sk为1时则表示行人处于转弯状态，反之则不处于；
Figure FDA0003794972110000032
表示k时刻航向角的变化量，
Figure FDA0003794972110000033
表示前一时刻航向角的变化量，φ1表示检测转弯状态的阈值，
Figure FDA0003794972110000034
即为一个完整转弯过程航向角的变化量；当
Figure FDA0003794972110000035
落在[80°,100°]的阈值区间则认为滑动窗口内为直角转角过程，即为虚拟地标点；
(12)记录所有识别到的虚拟地标点的位置Lposi：
Lposi＝(xk,yk)，k取当
Figure FDA0003794972110000036
最大值时
其中,xk为k时刻轨迹点的横坐标，yk为k时刻轨迹点的纵坐标；
(13)在虚拟地标筛选距离阈值Lpth1内，只保留步数间隔大于步数区间阈值Lsth1的虚拟地标点，对于筛选出的虚拟地标点，当两点的二维欧氏距离小于设定的虚拟地标匹配距离阈值Lpth2的即认为两虚拟地标点对应同一实际转角点，即匹配成功。
3.根据权利要求1所述的一种基于虚拟地标的行人惯性SLAM方法，其特征在于，所述步骤(3)的具体过程如下：
(31)将行人惯性导航问题建模成动态贝叶斯网络：
Figure FDA0003794972110000037
其中P为位置变量，U为步长矢量，E为行人惯性里程计的误差，M为地图变量，
Figure FDA0003794972110000038
为全概率分布，
Figure FDA0003794972110000039
表示对行人位置、步态状态量的估计，p(M|P0:k)表示对地图的估计；
(32)将地图分解成紧密拼接的六边形栅格：
Figure FDA00037949721100000310
其中h表示六边形栅格的编号，Mh则表示编号为h的六边形栅格，p(M|P0:k)表示对所有六边形栅格组成的地图的估计，p(Mh|P0:k)则表示对单个六边形栅格的估计，NH表示地图中所包含的六边形栅格的数目；
(33)动态贝叶斯网络的特点，将(31)中的概率进行分解：
Figure FDA0003794972110000041
Figure FDA0003794972110000042
其中：
Figure FDA0003794972110000043
为k-1时刻的全概率分布，p(Ek|Ek-1)为误差状态传递概率，
Figure FDA0003794972110000044
为量测概率，通过实验事先确定，而p({PU}k|{PU}0:k-1)则需要结合之前存储的地图进行估计，
Figure FDA0003794972110000045
表示行人当前步长矢量所穿过边的穿边计数，
Figure FDA0003794972110000046
表示被穿边所在六边形栅格的所有边的总穿边计数，
Figure FDA0003794972110000047
和
Figure FDA0003794972110000048
为预设的狄利克雷分布的参数；地图的估计在六边形栅格网络中通过六边形栅格的每条边的计数值表示，每当行人的步长矢量穿过某条边时，对于边的计数值加一；
(34)以SLAM算法估计的当前时刻的航向和步长估计为输入，通过虚拟地标检测与匹配，对当前时刻位置估计进行修正，再以修正后的轨迹作为输入，构建惯性概率地图，在以构建的概率地图对下一时刻里程计的航向和步长进行估计。
CN202110163791.XA 2021-02-05 2021-02-05 一种基于虚拟地标的行人惯性slam方法 Active CN112964257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110163791.XA CN112964257B (zh) 2021-02-05 2021-02-05 一种基于虚拟地标的行人惯性slam方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110163791.XA CN112964257B (zh) 2021-02-05 2021-02-05 一种基于虚拟地标的行人惯性slam方法

Publications (2)

Publication Number Publication Date
CN112964257A CN112964257A (zh) 2021-06-15
CN112964257B true CN112964257B (zh) 2022-10-25

Family

ID=76274727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110163791.XA Active CN112964257B (zh) 2021-02-05 2021-02-05 一种基于虚拟地标的行人惯性slam方法

Country Status (1)

Country Link
CN (1) CN112964257B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113639743B (zh) * 2021-06-29 2023-10-17 北京航空航天大学 一种基于行人步长信息辅助的视觉惯性slam定位方法
CN113466789B (zh) * 2021-09-06 2021-11-26 宏景科技股份有限公司 一种室内定位方法、系统、计算机设备及存储介质
CN114440873A (zh) * 2021-12-30 2022-05-06 南京航空航天大学 封闭环境下磁场叠加的惯性行人slam方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000507A (zh) * 2006-09-29 2007-07-18 浙江大学 移动机器人在未知环境中同时定位与地图构建的方法
CN107655476A (zh) * 2017-08-21 2018-02-02 南京航空航天大学 基于多信息融合补偿的行人高精度足部导航算法
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
CN110631591A (zh) * 2019-10-23 2019-12-31 北京航空航天大学 一种基于室内地图与虚拟路标辅助的行人室内导航方法
CN110749327A (zh) * 2019-08-08 2020-02-04 南京航空航天大学 一种合作环境下的车辆导航方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9677890B2 (en) * 2013-01-10 2017-06-13 Intel Corporation Positioning and mapping based on virtual landmarks
CN109297484A (zh) * 2017-07-25 2019-02-01 北京信息科技大学 一种有步态约束的行人自主定位误差修正方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000507A (zh) * 2006-09-29 2007-07-18 浙江大学 移动机器人在未知环境中同时定位与地图构建的方法
CN107655476A (zh) * 2017-08-21 2018-02-02 南京航空航天大学 基于多信息融合补偿的行人高精度足部导航算法
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
CN110749327A (zh) * 2019-08-08 2020-02-04 南京航空航天大学 一种合作环境下的车辆导航方法
CN110631591A (zh) * 2019-10-23 2019-12-31 北京航空航天大学 一种基于室内地图与虚拟路标辅助的行人室内导航方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Landmark-Based Drift Compensation Algorithm for Inertial Pedestrian Navigation;Estefania Munoz Diaz等;《sensors》;20170703;第17卷(第7期);第1-21页 *
Pedestrian Navigation System with Trinal-IMUs for Drastic Motions;Yiming Ding等;《Sensors》;20200929;第20卷(第19期);第1-19页 *
Simultaneous Localization and Mapping for Pedestrians using only Foot-Mounted Inertial Sensors;Patrick Robertson等;《UbiComp "09: Proceedings of the 11th international conference on Ubiquitous computing》;20091231;第1-5页 *
基于智能手机MEMS的行人定位方法实证研究;洪皓;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20161015(第10期);第I136-91页 *

Also Published As

Publication number Publication date
CN112964257A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN112964257B (zh) 一种基于虚拟地标的行人惯性slam方法
CN108955679B (zh) 一种变电站智能巡检机器人高精度定位方法
CN105606102B (zh) 一种基于格网模型的pdr室内定位方法及系统
CN107396321B (zh) 基于手机传感器和iBeacon的无监督式室内定位方法
CN106885576B (zh) 一种基于多点地形匹配定位的auv航迹偏差估计方法
CN105509755A (zh) 一种基于高斯分布的移动机器人同步定位与地图构建方法
CN104007763B (zh) 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法
CN108426582B (zh) 行人室内三维地图匹配方法
CN109743680B (zh) 一种基于pdr结合隐马尔可夫模型的室内在线定位方法
CN104180799A (zh) 一种基于自适应蒙特卡罗定位的机器人定位方法
CN110933599A (zh) 一种融合uwb与wifi指纹的自适应定位方法
CN103093625B (zh) 一种基于可信度验证的城市道路交通状态实时估计方法
CN111121759B (zh) 一种基于多层长短期记忆网络的地磁室内定位方法
CN110426037A (zh) 一种封闭环境下的行人运动轨迹实时获取方法
CN106568445A (zh) 基于双向循环神经网络的室内轨迹预测方法
CN108345823A (zh) 一种基于卡尔曼滤波的障碍物跟踪方法和装置
CN103247057A (zh) 目标-回波-道路网三元数据关联的道路目标多假设跟踪算法
Lin et al. Noise filtering, trajectory compression and trajectory segmentation on GPS data
CN111290053B (zh) 一种基于卡尔曼滤波的雷暴路径预测方法
CN103617336A (zh) 一种航空噪声等值线图的绘制方法
Ding et al. OGI-SLAM2: A hybrid map SLAM framework grounded in inertial-based SLAM
CN106643705B (zh) 基于磁-陀螺航向梯度空间辅助的室内行人转弯辨识方法
CN113848878B (zh) 基于众源数据的室内外三维行人路网构建方法
CN115291166A (zh) 井下高精度定位方法、装置、设备及存储介质
CN112130137B (zh) 确定车道级轨迹的方法、装置及存储介质

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