JP2018036250A - 位置決定方法、位置決定装置及び電子機器 - Google Patents
位置決定方法、位置決定装置及び電子機器 Download PDFInfo
- Publication number
- JP2018036250A JP2018036250A JP2017122730A JP2017122730A JP2018036250A JP 2018036250 A JP2018036250 A JP 2018036250A JP 2017122730 A JP2017122730 A JP 2017122730A JP 2017122730 A JP2017122730 A JP 2017122730A JP 2018036250 A JP2018036250 A JP 2018036250A
- Authority
- JP
- Japan
- Prior art keywords
- information
- course angle
- angular velocity
- time
- position determination
- 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
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
- G01C21/10—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Navigation (AREA)
- Gyroscopes (AREA)
Abstract
【課題】本発明は、位置決定装置、位置決定方法及び電子機器を提供する。【解決手段】位置決定装置は、位置決定待ち対象物の移動に関する慣性検出信号を生成して出力する慣性センサ;前記位置決定待ち対象物の移動状態を判断する移動状態判断ユニット;角速度情報に対してゼロドリフトキャリブレーションを行うゼロドリフトキャリブレーションユニット;第一進路角情報を計算する粗進路角計算ユニット;進路角信頼度を計算する進路角信頼度計算ユニット;前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するフィルタリングユニットを含む。【選択図】図2
Description
本発明は、通信技術分野に関し、特に、位置決定方法、位置決定装置及び電子機器に関する。
慣性センサに基づく位置決定装置は、コストが低く、体積が小さいなどの利点を有するため、屋内位置決定に幅広く応用されている。
図1は、従来技術における位置決定装置を示す図である。図1に示すように、位置決定装置100では、3軸加速度計101が出力した加速度情報、3軸磁気センサ102が出力した磁気検出情報、及び3軸ジャイロスコープ103が出力した角速度情報が姿勢融合計算ユニット104に入力され、該姿勢融合計算ユニット104は、姿勢融合アルゴリズムを用いて、加速度情報、磁気検出情報、及び角速度情報に基づいて、位置決定待ち対象物の進路角(course angle)情報θ(k)を計算することができる。そのうち、姿勢融合計算ユニット104が採用する姿勢融合アルゴリズムは、例えば、相補フィルタリングアルゴリズム、勾配降下アルゴリズムなどであっても良い。
図1では、歩数検出器105は、3軸加速度計101が出力した加速度情報に基づいて、位置決定待ち対象物の移動歩数を計算することができ、歩幅計算ユニット106は、歩幅モデル及び歩数検出器105が出力した歩数に基づいて、位置決定待ち対象物の移動歩幅l(k)を計算することができる。
図1では、フィルタリングユニット107は、進路角情報θ(k)及び歩幅l(k)に基づいて、粒子フィルタリングモデルを用いて、位置決定待ち対象物の位置情報を計算することができる。粒子フィルタリングモデル中の粒子伝播モデルは、次の式(1)及び(2)により表することができる。
式(1)、(2)では、δl(k)は、歩幅の誤差を示し、δθ(k)は、進路角の誤差を示す。
図1についての説明から分かるように、3軸加速度計、3軸磁気センサ、及び3軸ジャイロスコープなどの慣性センサの慣性検出信号に基づいて、進路角情報を計算することができ、進路角情報は、デッドレコニングアルゴリズム中の重要な入力パラメータであり、高精度の進路角情報は、位置決定待ち対象物の位置情報を正確に確定するのを助けることができ、これにより、屋内軌跡追跡のロバストネスを有効に向上させることができる。
また、従来技術では、慣性センサは、コストを低減するようにMEMS(Micro-Electro-Mechanical System、MEMS)部品により実現することができる。
本発明の発明者は、図1に示すような従来の位置決定装置に存在する次のような問題を発見した。
1、従来技術では、慣性センサ(例えば、MEMS慣性センサ)の比較的低い精度及び屋内磁場の干渉により、慣性センサが出力した慣性検出信号の精度が比較的低く、計算された進路角情報も比較的大きい誤差を有するため、一般的に、進路角情報のスライドウィンドウ内での平均値をキャリブレーションの基準値として、進路角情報に対してキャリブレーションを行うが、位置決定待ち対象物が異なる移動状態、例えば、直線移動状態又は非直線移動状態などにある時に、進路角情報の変化状況も異なるので、ある時刻における位置決定待ち対象物の移動状態を判別せず、進路角情報に対して統一的なスライドウィンドウを用いてキャリブレーションを行えば、非直線移動時に粒子伝播モデルにより位置決定待ち対象物の移動軌跡をタイムリーに追跡することができず、軌跡追跡パフォーマンスに影響を与えることがある。
2、従来の粒子フィルタリングモデルでは、進路角の誤差などのシステムノイズが、通常、分散(variance)固定のガウスノイズと設定されているが、慣性センサが出力した慣性検出信号の正確度により、上述のシステムノイズの大小に影響を与えることがあるので、分散固定のガウスノイズにより、位置決定待ち対象物の移動過程中での実際のシステムノイズを忠実に反映することができず、粒子伝播モデルをリアルタイムに更新することもできず、これにより、位置決定待ち対象物の移動軌跡に対してのリアルタイムでの追跡パフォーマンスが良くなくなる。
本発明の実施例は、位置決定方法、位置決定装置及び電子機器を提供し、位置決定待ち対象物の移動状態に基づいて、慣性検出信号に対してゼロドリフトキャリブレーション(zero drift calibration)を行い、また、粒子フィルタリングモデルを調整することで、位置決定を行うことができ、これにより、位置決定装置の位置決定精度を向上させることができ、また、位置決定装置の軌跡追跡パフォーマンスを向上させることもできる。
本発明の実施例の第一側面によれば、位置決定装置が提供され、それは、位置決定待ち対象物の現在位置の位置情報を決定するために用いられ、該位置決定装置は、
慣性センサであって、位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するためのもの;
移動状態判断ユニットであって、前記慣性センサが出力した慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断するためのもの;
ゼロドリフトキャリブレーションユニットであって、前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うためのもの;
粗進路角計算ユニットであって、前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算するためのもの;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算するための進路角信頼度計算ユニットであって、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであるもの;及び
フィルタリングユニットであって、前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するものを含む。
慣性センサであって、位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するためのもの;
移動状態判断ユニットであって、前記慣性センサが出力した慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断するためのもの;
ゼロドリフトキャリブレーションユニットであって、前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うためのもの;
粗進路角計算ユニットであって、前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算するためのもの;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算するための進路角信頼度計算ユニットであって、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであるもの;及び
フィルタリングユニットであって、前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するものを含む。
本発明の実施例の第二側面によれば、位置決定方法が提供され、該位置決定方法は、
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む。
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む。
本発明の実施例の第三側面によれば、電子機器が提供され、それは、前記第一側面に記載の位置決定装置を含む。
本発明の有益な効果は、位置決定の精度を向上させることができるとともに、追跡特性を向上させることもできる。
以下、添付した図面を参照しながら、本発明を実施するための好適な形態を詳細に説明する。なお、以下に開示の実施形態は、例示に過ぎず、本発明を限定するものでない。
本発明の実施例1は、位置決定装置を提供し、該位置決定装置は、位置決定待ち対象物の位置情報を確定するために用いられる。
図2は、実施例1における位置決定装置を示す図である。図2に示すように、位置決定装置200は、慣性センサ201、移動状態判断ユニット202、ゼロドリフトキャリブレーションユニット203、粗進路角計算ユニット204、進路角信頼度計算ユニット205、及びフィルタリングユニット206を含んでも良い。
そのうち、慣性センサ201は、位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するために用いられ;
移動状態判断ユニット202は、慣性センサ201が出力した慣性検出信号に基づいて、位置決定待ち対象物の移動状態を判断するために用いられ;
ゼロドリフトキャリブレーションユニット203は、移動状態判断ユニット202が判断した移動状態に基づいて、慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うために用いられ;
粗進路角計算ユニット204は、ゼロドリフトキャリブレーション後の信号に基づいて、位置決定待ち対象物の移動の第一進路角情報を計算するために用いられ;
進路角信頼度計算ユニット205は、移動状態判断ユニット202が判断した移動状態及び粗進路角計算ユニット204が計算した第一進路角情報に基づいて、進路角信頼度を計算するために用いられ、該進路角信頼度は、慣性センサ201が出力した慣性検出信号の正確度を評価するものであり;
フィルタリングユニット206は、前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、該粒子フィルタリングモデルを用いて位置決定待ち対象物の位置情報を計算するために用いられる。
移動状態判断ユニット202は、慣性センサ201が出力した慣性検出信号に基づいて、位置決定待ち対象物の移動状態を判断するために用いられ;
ゼロドリフトキャリブレーションユニット203は、移動状態判断ユニット202が判断した移動状態に基づいて、慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うために用いられ;
粗進路角計算ユニット204は、ゼロドリフトキャリブレーション後の信号に基づいて、位置決定待ち対象物の移動の第一進路角情報を計算するために用いられ;
進路角信頼度計算ユニット205は、移動状態判断ユニット202が判断した移動状態及び粗進路角計算ユニット204が計算した第一進路角情報に基づいて、進路角信頼度を計算するために用いられ、該進路角信頼度は、慣性センサ201が出力した慣性検出信号の正確度を評価するものであり;
フィルタリングユニット206は、前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、該粒子フィルタリングモデルを用いて位置決定待ち対象物の位置情報を計算するために用いられる。
本実施例によれば、位置決定待ち対象物の移動状態に基づいて、慣性検出信号に対してゼロドリフトキャリブレーションを行い、また、粒子フィルタリングモデルを調整することで、位置決定を行うことができ、これにより、位置決定装置の位置決定精度を向上させることができ、また、位置決定装置の軌跡追跡パフォーマンスを向上させることもできる。
本実施例では、慣性センサ201が出力した慣性検出信号は、位置決定待ち対象物の移動状態を判断し、また、進路角情報を計算するために用いることができる。例えば、慣性センサ201は、3軸加速度計、3軸磁気センサ、及び3軸ジャイロスコープなどの慣性部品を有しても良く、これにより、該慣性センサ201が出力した慣性検出信号には、加速度情報、磁場情報、及び角速度情報を含んでも良く、該慣性検出信号中の情報に基づいて、位置決定待ち対象物の移動状態を判断することができ、また、位置決定待ち対象物の進路角情報を計算することもでき、例えば、該慣性検出信号中の情報に対してゼロドリフトキャリブレーションを行い、そして、従来の姿勢融合アルゴリズムに基づいて該進路角情報を計算することができる。もちろん、上述の慣性センサ201の構造についての説明は、例示に過ぎず、慣性センサ201は、他の構造を有しても良く、本実施例は、これに限定されない。
また、本実施例では、慣性センサ201は、さらに、フィルタリングノイズ除去ユニットを有しても良く、それは、3軸加速度計、3軸磁気センサ、及び3軸ジャイロスコープなどの慣性部品が出力した検出信号に対してフィルタリングノイズ除去を行うことで、上述の慣性検出信号を生成して出力するために用いられる。フィルタリングノイズ除去ユニットの説明については、従来技術を参照することができる。
本実施例では、移動状態判断ユニット202は、慣性センサ201が出力した慣性検出信号に基づいて、位置決定待ち対象物の移動状態を判断することができ、そのうち、該移動状態は、例えば、直線移動状態又は非直線移動状態であっても良い。
図3は、移動状態判断ユニット202の構造図である。図3に示すように、移動状態判断ユニット202は、第一判断ユニット301を含んでも良い。該第一判断ユニット301は、慣性センサ201が出力した角速度情報と第一角速度閾値ωth1との大小関係に基づいて、位置決定待ち対象物の移動状態が直線移動状態又は非直線移動状態であるかを判断することができ、例えば、慣性センサ201が出力した慣性検出信号のうち、位置決定待ち対象物の第i時刻における角速度がωiであり、ωi≦ωth1の場合、第一判断ユニット301は、位置決定待ち対象物の第i時刻における移動状態が直線移動であると判断することができ、ωi>ωth1の場合、第一判断ユニット301は、位置決定待ち対象物の第i時刻における移動状態が非直線移動であると判断することができる。
本実施例では、第一判断ユニット301が判断した移動状態を、該移動状態判断ユニット202が出力した判断結果としても良い。しかし、本実施例は、これに限定されず、移動状態判断ユニット202は、さらに、他の構成部品を含んでも良い。
本実施例では、図3に示すように、該移動状態判断ユニット202は、さらに、第二判断ユニット302を含んでも良い。第二判断ユニット302は、第一判断ユニット301が、位置決定待ち対象物の移動状態が非直線移動であると判断した場合、該位置決定待ち対象物の移動状態を再び判断することができ、これにより、移動状態判断ユニット202は、第一判断ユニット301及び第二判断ユニット302lの両方の判断結果に基づいて、位置決定待ち対象物の移動状態を出力することができる。
例えば、第一判断ユニット301が、位置決定待ち対象物の移動状態が直線移動状態であると判断した場合、第二判断ユニット302は、再び判断を行う必要がなく、移動状態判断ユニット202は、直線移動状態の判断結果を出力し;第一判断ユニット301が、位置決定待ち対象物の移動状態が非直線移動状態であると判断した場合、第二判断ユニット302は、さらに判断を行い、第二判断ユニット302が、位置決定待ち対象物の移動状態が直線移動状態であると判断した場合、移動状態判断ユニット202は、直線移動状態の判断結果を出力し、第二判断ユニット302が、位置決定待ち対象物の移動状態が非直線移動状態であると判断した場合、移動状態判断ユニット202は、非直線移動状態の判断結果を出力する。
本実施例では、第二判断ユニット302は、複数の方法で位置決定待ち対象物の移動状態を判断することができる。
本実施例では、第二判断ユニット302は、慣性検出信号中の角速度情報に基づいて、移動状態を判断することができる。例えば、第二判断ユニット302は、第一所定期間内で、連続してN回、角速度情報が第一角速度閾値ωth1よりも大きいことを検出した場合、即ち、次の式(3)の条件を満足した場合、位置決定待ち対象物の第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、即ち、次の式(4)の条件を満足した場合、第i時刻における移動状態が直線移動状態であると判断し、そのうち、該第一所定期間は、第i時刻を起点とする期間である。
そのうち、ωi+1は、第i時刻後に第1回検出する時の角速度情報であり、ωi+nは、第i時刻後の第n回検出する時の角速度情報であり、ωi+Nは、第i時刻後の第N回検出する時の角速度情報であり、Nは、自然数であり、nは、自然数であり、且つ1≦n≦Nである。
本実施例では、第二判断ユニット302は、慣性検出信号中の角速度情報、ゼロドリフトキャリブレーション前の角速度情報に計算された近似第一進路角情報、及びゼロドリフトキャリブレーション後の角速度情報に基づいて計算された第一進路角情報に基づいて、移動状態を判断することもできる。例えば、第二判断ユニット302は、第i時刻からの第一所定期間内で、連続してN回、角速度情報が第一角速度閾値ωth1よりも大きいことを検出した場合、即ち、上の式(3)の条件を満たした場合、且つ、連続してM回、近似第一進路角情報と、第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値θth1よりも大きいことを検出した場合、即ち、次の式(5)の条件を満たした場合、位置決定待ち対象物の第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断することができ、そのうち、該第二所定期間の起点は、第i時刻との距離がS2期間である時刻であり、即ち、(i-S2)時刻であり、該第二所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。
そのうち、θ’iは、第i時刻における近似第一進路角情報であり、θ’i+1は、第i時刻後の第1回検出する時の近似第一進路角情報であり、θ’i+mは、第i時刻後の第m回検出する時の近似第一進路角情報であり、θ’i+M1は、第i時刻後の第M-1回検出する時の近似第一進路角情報であり、
(外1)
は、第一所定期間内での第一進路角情報の平均値であり、Mは、自然数であり、mは、自然数であり、且つ1≦m≦Mである。
(外1)
は、第一所定期間内での第一進路角情報の平均値であり、Mは、自然数であり、mは、自然数であり、且つ1≦m≦Mである。
本実施例では、近似第一進路角情報及び第一進路角情報の計算方法については、後述する。
本実施例では、第一判断ユニット301は、簡単な方法で、位置決定待ち対象物の移動状態を迅速に判断することができ、また、第二判断ユニット302を設置することで、慣性検出信号の誤差による移動状態への誤判断を防止することもできる。
本実施例では、位置決定待ち対象物の移動状態の、角速度情報のゼロドリフトキャリブレーション結果への影響が比較的大きいので、ゼロドリフトキャリブレーションユニット401は、慣性検出信号中の角速度情報に対してキャリブレーションを行うことができる。
図4は、本実施例におけるゼロドリフトキャリブレーションユニットを示す図である。図4に示すように、ゼロドリフトキャリブレーションユニット203は、第一キャリブレーションユニット401及び第二キャリブレーションユニット402を含んでも良い。
そのうち、第一キャリブレーションユニット401は、移動状態が直線移動状態の時に、角速度情報に対してゼロドリフトキャリブレーションを行うために用いられ、第二キャリブレーションユニット402は、移動状態が非直線移動状態の時に、角速度情報に対してゼロドリフトキャリブレーションを行うために用いられる。
本実施例では、第一キャリブレーションユニット401は、慣性センサ201が出力した第i時刻の角速度情報ωiから、第i時刻前の第三所定期間内での角速度情報の平均値
(外2)
を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報ωiiとすることができ、具体的には、次の式(6)に示すようである。
(外2)
を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報ωiiとすることができ、具体的には、次の式(6)に示すようである。
そのうち、該第三所定期間の起点は、第i時刻との距離がS3期間である時刻であっても良く、即ち、(i-S3)時刻であり、該第三所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。本実施例では、平均値
(外3)
は、直線移動状態下でのゼロドリフトキャリブレーションのための角速度基準値と見なされても良く、該第三所定期間は、直線移動状態下での角速度基準値に対応するスライドウィンドウと見なされても良い。位置決定待ち対象物の移動状態が直線移動状態の時に、該スライドウィンドウの位置はリアルタイムに更新され、これにより、第一キャリブレーションユニット401は、キャリブレーション後の角速度情報の正確性を向上させることができる。
(外3)
は、直線移動状態下でのゼロドリフトキャリブレーションのための角速度基準値と見なされても良く、該第三所定期間は、直線移動状態下での角速度基準値に対応するスライドウィンドウと見なされても良い。位置決定待ち対象物の移動状態が直線移動状態の時に、該スライドウィンドウの位置はリアルタイムに更新され、これにより、第一キャリブレーションユニット401は、キャリブレーション後の角速度情報の正確性を向上させることができる。
本実施例では、第二キャリブレーションユニット402は、慣性センサ201が出力した第i時刻の角速度情報から、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻(即ち、位置決定待ち対象物が移動方向を変えた時刻)前の第四所定期間内での角速度情報の平均値
(外4)
を減算した値を、ゼロドリフトキャリブレーション後の角速度情報ωijとすることができ、具体的には、次の式(7)に示すようである。
(外4)
を減算した値を、ゼロドリフトキャリブレーション後の角速度情報ωijとすることができ、具体的には、次の式(7)に示すようである。
そのうち、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻は、第j時刻と表されても良く、言い換えると、位置決定待ち対象物の第j時刻前の少なくとも1つの期間内での移動状態が直線移動状態であり、第j時刻から現在の第i時刻までは、すべて、非直線移動状態であり、且つ、j≦iである。
本実施例では、該第四所定期間の起点は、第j時刻との距離がS4期間である時刻であっても良く、即ち、(j-S4)時刻であり、該第四所定期間の終点は、第j時刻の前の1つの時刻であり、即ち、(j-1)時刻である。本実施例では、平均値
(外5)
は、直線移動状態下でのゼロドリフトキャリブレーションのための角速度基準値と見なされても良く、時刻jから時刻iまでの過程では、該角速度基準値は、固定したものである。よって、非直線移動の場合、第二キャリブレーションユニット402は、ゼロドリフトキャリブレーションを迅速に行うことができる。
(外5)
は、直線移動状態下でのゼロドリフトキャリブレーションのための角速度基準値と見なされても良く、時刻jから時刻iまでの過程では、該角速度基準値は、固定したものである。よって、非直線移動の場合、第二キャリブレーションユニット402は、ゼロドリフトキャリブレーションを迅速に行うことができる。
本実施例では、粗進路角計算ユニット204は、ゼロドリフトキャリブレーション後の角速度情報に基づいて、位置決定待ち対象物の移動の第一進路角情報を計算することができ、例えば、粗進路角計算ユニット204は、従来技術中の姿勢融合アルゴリズムを用いて、ゼロドリフトキャリブレーション後の角速度情報ωii又はωij、及び、慣性センサ201が出力した慣性検出信号中の加速度情報、磁気検出情報などに基づいて、位置決定待ち対象物の第一進路角情報θii又はθijを計算することができ、そのうち、θiiは、直線移動時の角速度情報に対応する第一進路角情報を表し、θijは、非直線移動時の角速度情報に対応する第一進路角情報を表す。
また、類似した方法を採用して、粗進路角計算ユニット204は、ゼロドリフトキャリブレーション前の角速度情報ωi、及び、慣性センサ201が出力した慣性検出信号中の加速度情報、磁気検出情報などに基づいて、位置決定待ち対象物の近似第一進路角情報を計算することもでき、該近似第一進路角情報は、上述の第二判断ユニット302により使用することができる。
本実施例では、進路角信頼度計算ユニット205は、移動状態判断ユニット202が判断した移動状態に基づいて、進路角信頼度を計算し、そして、慣性センサ201が出力した慣性検出信号の正確度を評価することができる。
図5は、進路角信頼度計算ユニット205を示す図である。図5に示すように、進路角信頼度計算ユニット205は、第一処理ユニット501及び第二処理ユニット502を含んでも良い。
そのうち、第一処理ユニット501は、直線移動の場合、粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算することで、進路角信頼度を計算することができ、第二処理ユニット502は、非直線移動の場合、粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算することで、進路角信頼度を計算することができる。
本実施例では、位置決定待ち対象物の移動状態が直線移動状態であると判断された時に、第一処理ユニット501は、現在時刻(即ち、第i時刻)前の第五所定期間内での第一進路角情報の平均値を第二進路角情報
(外6)
として計算し、また、第二進路角情報
(外7)
に基づいて、粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散S2 iiを計算し、そして、分散に基づいて進路角信頼度δiiを計算することができる。そのうち、該第五所定期間の起点は、第i時刻との距離がS5期間である時刻でであっても良く、即ち、(i-S5)時刻であり、該第五所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。
(外6)
として計算し、また、第二進路角情報
(外7)
に基づいて、粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散S2 iiを計算し、そして、分散に基づいて進路角信頼度δiiを計算することができる。そのうち、該第五所定期間の起点は、第i時刻との距離がS5期間である時刻でであっても良く、即ち、(i-S5)時刻であり、該第五所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。
そのうち、θii1、θii2、…、θiiPは、第i時刻における粒子フィルタリングモデル中の各粒子の進路角情報であり、且つ、粒子フィルタリングモデル中の粒子の総数は、Pである。
そのうち、qは、ランダムな数値である。
本実施例では、上の式(9)は、進路角信頼度δiiを計算する一例のみであり、本実施例は、これに限定されず、第一処理ユニット501は、他の方法を用いて進路角信頼度δiiを計算することもできる。
本実施例では、位置決定待ち対象物の移動状態が非直線移動状態であると判断された時に、第二処理ユニット502は、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻(即ち、第j時刻)前の第六所定期間内での進路角情報の平均値
(外8)
を第三進路角情報として計算し、また、第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の第j時刻における進路角情報の分散S2 ijを計算し、そして、分散に基づいて進路角信頼度δijを計算することができる。そのうち、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻は、第j時刻と表されても良く、なお、第j時刻については、前の説明を参照することができる。
(外8)
を第三進路角情報として計算し、また、第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の第j時刻における進路角情報の分散S2 ijを計算し、そして、分散に基づいて進路角信頼度δijを計算することができる。そのうち、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻は、第j時刻と表されても良く、なお、第j時刻については、前の説明を参照することができる。
本実施例では、該第六所定期間の起点は、第j時刻との距離がS6期間である時刻であっても良く、即ち、(j-S6)時刻であり、該第六所定期間の終点は、第j時刻の前の1つの時刻であり、即ち、(j-1)時刻である。
そのうち、θj1、θj2、…、θjPは、フィルタリングモデル中の各粒子の第j時刻における進路角情報であり、且つ、粒子フィルタリングモデル中の粒子の総数は、Pである。
そのうち、qは、ランダムな数値である。
本実施例では、上の式(11)は、進路角信頼度δijを計算する一例のみであり、本実施例は、これに限定されず、第二処理ユニット502は、他の方法に従って進路角信頼度δijを計算することもできる。
本実施例では、フィルタリングユニット206は、進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択することで、粒子フィルタリングモデルを形成し、また、移動状態判断ユニット202が判断した移動状態に基づいて、粒子フィルタリングモデルを用いて位置決定待ち対象物の位置情報を計算することができる。
図6は、粒子フィルタリングユニット206を示す図である。図6に示すように、粒子フィルタリングモデル206は、第一フィルタリングサブユニット601及び第二フィルタリングサブユニット602を含んでも良い。
そのうち、第一フィルタリングサブユニット601は、直線移動の場合、進路角信頼度δiiに基づいて粒子フィルタリングモデルを形成し、そして、位置決定待ち対象物の位置情報を計算することができ、第二フィルタリングサブユニット602は、非直線移動の場合、進路角信頼度δijに基づいて粒子フィルタリングモデルを形成し、そして、位置決定待ち対象物の位置情報を計算することができる。
本実施例では、位置決定待ち対象物の移動状態が直線移動状態であると判断された時に、第一フィルタリングサブユニット601は、現在時刻(即ち、第i時刻)前の第七所定期間内での第一進路角情報の平均値を第四進路角情報
(外9)
として計算し、進路角信頼度δiiに基づいて、進路角の誤差δθkの分布形態を決定するパラメータを選択し、選択したパラメータ及び第四進路角情報
(外10)
に基づいて、粒子フィルタリングモデルを形成し、また、粒子フィルタリングモデルを用いて位置決定待ち対象物の位置情報を計算することができる。そのうち、該第七所定期間の起点は、第i時刻との距離がS7期間である時刻であっても良く、即ち、(i-S7)時刻であり、該第七所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。
(外9)
として計算し、進路角信頼度δiiに基づいて、進路角の誤差δθkの分布形態を決定するパラメータを選択し、選択したパラメータ及び第四進路角情報
(外10)
に基づいて、粒子フィルタリングモデルを形成し、また、粒子フィルタリングモデルを用いて位置決定待ち対象物の位置情報を計算することができる。そのうち、該第七所定期間の起点は、第i時刻との距離がS7期間である時刻であっても良く、即ち、(i-S7)時刻であり、該第七所定期間の終点は、第i時刻の前の1つの時刻であり、即ち、(i-1)時刻である。
本実施例では、第一フィルタリングサブユニット601は、進路角の誤差δθkを、ガウス分布に従うように設定しても良く、例えば、
(外11)
であり、そのうち、α・S2 iiは、ガウス分布の分散であり、αは、進路角の誤差δθkの分布形態を決定するパラメータであり、αは、進路角信頼度δiiに基づいて設定されても良い。例えば、進路角情報の分散S2 iiが比較的大きい時に、進路角信頼度δiiは、比較的低い。これは、慣性センサ201が出力した慣性検出信号の正確性が比較的低いことを意味する。よって、第一フィルタリングサブユニット601は、αを比較的大きい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 iiが比較的小さい時に、進路角信頼度δiiは、比較的高い。これは、慣性センサ201が出力した慣性検出信号の正確性が比較的高いことを意味する。よって、第一フィルタリングサブユニット601は、αを比較的小さい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
(外11)
であり、そのうち、α・S2 iiは、ガウス分布の分散であり、αは、進路角の誤差δθkの分布形態を決定するパラメータであり、αは、進路角信頼度δiiに基づいて設定されても良い。例えば、進路角情報の分散S2 iiが比較的大きい時に、進路角信頼度δiiは、比較的低い。これは、慣性センサ201が出力した慣性検出信号の正確性が比較的低いことを意味する。よって、第一フィルタリングサブユニット601は、αを比較的大きい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 iiが比較的小さい時に、進路角信頼度δiiは、比較的高い。これは、慣性センサ201が出力した慣性検出信号の正確性が比較的高いことを意味する。よって、第一フィルタリングサブユニット601は、αを比較的小さい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
本実施例では、第一フィルタリングサブユニット601は、進路角の誤差δθkを、均一分布に従うように設定しても良く、例えば、
(外12)
であり、即ち、粒子フィルタリングモデル中の進路角の誤差δθkは、α1・S2 iiとα2・S2 iiとの間のランダムな数値を取っても良く、そのうち、α1<1であり、且つ、α2≧1であり、α1及びα2は、進路角の誤差δθkの分布形態を決定するパラメータであり、α1及びα2は、進路角信頼度δiiに基づいて設定されても良い。例えば、進路角情報の分散S2 iiが比較的大きい時に、進路角信頼度δiiは、比較的低い。よって、第一フィルタリングサブユニット601は、α1とα2との差を比較的大きく設定することで、粒子フィルタリングモデルに加わったノイズの変動範囲が比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 iiが比較的小さい時に、進路角信頼度δiiは、比較的高い。よって、第一フィルタリングサブユニット601は、α1とα2との差を比較的小さく設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
(外12)
であり、即ち、粒子フィルタリングモデル中の進路角の誤差δθkは、α1・S2 iiとα2・S2 iiとの間のランダムな数値を取っても良く、そのうち、α1<1であり、且つ、α2≧1であり、α1及びα2は、進路角の誤差δθkの分布形態を決定するパラメータであり、α1及びα2は、進路角信頼度δiiに基づいて設定されても良い。例えば、進路角情報の分散S2 iiが比較的大きい時に、進路角信頼度δiiは、比較的低い。よって、第一フィルタリングサブユニット601は、α1とα2との差を比較的大きく設定することで、粒子フィルタリングモデルに加わったノイズの変動範囲が比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 iiが比較的小さい時に、進路角信頼度δiiは、比較的高い。よって、第一フィルタリングサブユニット601は、α1とα2との差を比較的小さく設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
式(12)、(13)では、δl(k)は、該粒子の歩幅(step length)の誤差を示し、δθkは、該粒子の進路角の誤差を示す。
本実施例では、第一フィルタリングサブユニット601は、形成された粒子フィルタリングモデルに基づいて、位置決定待ち対象物の位置情報を計算することができる。なお、具体的な計算方法は、従来技術を参照することができるため、本実施例では、その詳しい説明を省略する。
本実施例では、位置決定待ち対象物の移動状態が非直線移動状態であると判断された時に、第二フィルタリングサブユニット602は、進路角信頼度δijに基づいて、粒子フィルタリングモデル中の進路角の誤差δθkの分布形態を決定するパラメータを選択することができ、そして、選択したパラメータ及び第一進路角情報θijに基づいて、粒子フィルタリングモデルを形成し、また、粒子フィルタリングモデルを用いて、位置決定待ち対象物の位置情報を計算することができる。そのうち、該第一進路角情報θijは、粗進路角計算ユニット204が計算した、非直線移動に対応する第一進路角情報である。
本実施例では、第二フィルタリングサブユニット602は、進路角の誤差δθkを、ガウス分布に従うように設定しても良く、例えば、
(外13)
であり、そのうち、β・S2 ijは、ガウス分布の分散であり、βは、進路角の誤差δθkの分布形態を決定するパラメータであり、βは、進路角信頼度δijに基づいて設定されても良い。例えば、進路角情報の分散S2 ijが比較的大きい時に、進路角信頼度δijは、比較的低い。よって、第二フィルタリングサブユニット602は、βを比較的大きい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 ijが比較的小さい時に、進路角信頼度δijは、比較的高い。よって、第二フィルタリングサブユニット602は、βを比較的小さい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるように、これにより、粒子伝播モデルがより正確になるようにさせることができる。
(外13)
であり、そのうち、β・S2 ijは、ガウス分布の分散であり、βは、進路角の誤差δθkの分布形態を決定するパラメータであり、βは、進路角信頼度δijに基づいて設定されても良い。例えば、進路角情報の分散S2 ijが比較的大きい時に、進路角信頼度δijは、比較的低い。よって、第二フィルタリングサブユニット602は、βを比較的大きい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 ijが比較的小さい時に、進路角信頼度δijは、比較的高い。よって、第二フィルタリングサブユニット602は、βを比較的小さい値に設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるように、これにより、粒子伝播モデルがより正確になるようにさせることができる。
本実施例では、第二フィルタリングサブユニット602は、進路角の誤差δθkを、均一分布に従うように設定しても良く、例えば、
(外14)
であり、即ち、粒子フィルタリングモデル中の進路角の誤差δθkは、β1・S2 ijとβ2・S2 ijとの間のランダムな数値を取っても良く、そのうち、β1<1、且つ、β2≧1であり、β1及びβ2は、進路角の誤差δθkの分布形態を決定するパラメータであり、β1及びβ2は、進路角信頼度δijに基づいて設定されても良い。例えば、進路角情報の分散S2ijが比較的大きい時に、進路角信頼度δijは、比較的低い。よって、第二フィルタリングサブユニット602は、β1とβ2との差を比較的大きく設定することで、粒子フィルタリングモデルに加わったノイズの変動範囲が比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 ijが比較的小さい時に、進路角信頼度δijは、比較的高い。よって、第二フィルタリングサブユニット602は、β1とβ2との差を比較的小さく設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
(外14)
であり、即ち、粒子フィルタリングモデル中の進路角の誤差δθkは、β1・S2 ijとβ2・S2 ijとの間のランダムな数値を取っても良く、そのうち、β1<1、且つ、β2≧1であり、β1及びβ2は、進路角の誤差δθkの分布形態を決定するパラメータであり、β1及びβ2は、進路角信頼度δijに基づいて設定されても良い。例えば、進路角情報の分散S2ijが比較的大きい時に、進路角信頼度δijは、比較的低い。よって、第二フィルタリングサブユニット602は、β1とβ2との差を比較的大きく設定することで、粒子フィルタリングモデルに加わったノイズの変動範囲が比較的大きくなるようにし、これにより、粒子伝播モデルがより容易に真実の位置情報を得るようにさせることができる。進路角情報の分散S2 ijが比較的小さい時に、進路角信頼度δijは、比較的高い。よって、第二フィルタリングサブユニット602は、β1とβ2との差を比較的小さく設定することで、粒子フィルタリングモデルに加わったノイズが比較的小さくなるようにし、これにより、粒子伝播モデルがより正確になるようにさせることができる。
式(14)、(15)では、δl(k)は、該粒子の歩幅の誤差を表し、δθkは、該粒子の進路角の誤差を表す。
本実施例では、第二フィルタリングサブユニット602は、形成された粒子フィルタリングモデルに基づいて、位置決定待ち対象物の位置情報を計算することができる。なお、具体的な計算方法は、従来技術を参照することができるため、本実施例では、その詳しい説明を省略する。
本実施例では、慣性センサの慣性検出信号に基づいて、位置決定待ち対象物の移動状態を確定し、そして、スライドウィンドウ及び粒子フィルタリングモデルを調整することで、位置決定を行い、これにより、位置決定待ち対象物が直線移動を行う時に、位置決定精度を向上させることができ、また、位置決定待ち対象物が非直線移動を行う時に、軌跡追跡パフォーマンスを向上させることができる。
本発明の実施例2は、位置決定方法を提供し、それは、実施例1における位置決定装置200に対応する。
図7は、本実施例の位置決定方法を示す図である。図7に示すように、該方法は、次のようなステップを含む。
S701:位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
S702:前記慣性センサが出力した前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
S703:前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
S704:前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
S705:前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した前記慣性検出信号の正確度を評価するものであり;
S706:前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
S702:前記慣性センサが出力した前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
S703:前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
S704:前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
S705:前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した前記慣性検出信号の正確度を評価するものであり;
S706:前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
本実施例のステップS702では、慣性検出信号中の角速度情報と第一角速度閾値との大小関係に基づいて、位置決定待ち対象物の移動状態が直線移動状態又は非直線移動状態であるかを判断することができ、また、位置決定待ち対象物の移動状態が非直線移動状態であると判断された時に、位置決定待ち対象物の移動状態をさらに判断することができ、これにより、誤判断を避けることができる。
図8は、本実施例において角速度情報に対してゼロドリフトキャリブレーションを行う方法を示す図である。図8に示すように、該方法は、次のようなステップを含む。
S801:前記移動状態が直線移動状態である時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とし;又は
S802:前記移動状態が非直線移動状態である時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とする。
S802:前記移動状態が非直線移動状態である時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とする。
図9は、本実施例において進路角信頼度を計算する方法を示す図である。図9に示すように、該方法は、次のようなステップを含む。
S901:前記移動状態が直線移動状態である時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、また、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算し、そのうち、iは、自然数であり;又は
S902:前記移動状態が非直線移動状態である時に、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、また、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算する。
S902:前記移動状態が非直線移動状態である時に、位置決定待ち対象物の最近一回の、直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、また、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算する。
図10は、本実施例において位置決定待ち対象物の位置情報を計算する方法を示す図である。図10に示すように、該方法は、次のようなステップを含む。
S1001:前記移動状態が直線移動状態である時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は
S1002:前記移動状態が非直線移動状態である時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを利用して前記位置決定待ち対象物の位置情報を計算する。
S1002:前記移動状態が非直線移動状態である時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを利用して前記位置決定待ち対象物の位置情報を計算する。
本実施例では、各ステップについては、実施例1中の対応部品についての説明を参照することができるため、ここでは、その詳しい説明を省略する。
本実施例では、慣性検出信号に基づいて、位置決定待ち対象物の移動状態を確定し、そして、スライドウィンドウ及び粒子フィルタリングモデルを調整することで、位置決定を行い、これにより、位置決定待ち対象物が直線移動を行う時に、位置決定精度を向上させることができ、また、位置決定待ち対象物が非直線移動を行う時に、軌跡追跡パフォーマンスを向上させることができる。
本発明の実施例3は、電子機器を提供し、前記電子機器は、実施例1に記載の位置決定装置を含む。
図11は、本実施例3における電子機器の構成図である。図11に示すように、電子機器1100は、中央処理装置(CPU)1101及び記憶器1102を含んでも良く、記憶器1102は、中央処理装置1101に接続される。そのうち、該記憶器1102は、各種データを記憶することができ、さらに情報処理用のプログラムを記憶することができ、且つ中央処理装置1101の制御下で該プログラムを実行することができる。
一実施方式では、位置決定装置の機能は、中央処理装置1101に統合することができる。
そのうち、中央処理装置1101は、次のように構成されても良く、即ち、
慣性センサを制御して、慣性センサが位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するようにさせ;慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
慣性センサを制御して、慣性センサが位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するようにさせ;慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
前記慣性検出信号中の角速度情報と第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態が直線移動状態又は非直線移動状態であるかを判断する。
前記慣性検出信号中の角速度情報と第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態が直線移動状態又は非直線移動状態であるかを判断する。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、再び前記位置決定待ち対象物の移動状態を判断する。
前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、再び前記位置決定待ち対象物の移動状態を判断する。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
第i時刻後の第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合に、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は、前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し、そのうち、i、N及びMは、すべて、自然数である。
第i時刻後の第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合に、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は、前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し、そのうち、i、N及びMは、すべて、自然数である。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
前記移動状態が直線移動状態である時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とし;又は、前記移動状態が非直線移動状態である時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とし、そのうち、iは、自然数である。
前記移動状態が直線移動状態である時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とし;又は、前記移動状態が非直線移動状態である時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後の値を、ゼロドリフトキャリブレーション後の角速度情報とし、そのうち、iは、自然数である。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
前記移動状態が直線移動状態である時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、また、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算し、そのうち、iは、自然数であり;又は、前記移動状態が非直線移動状態である時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、また、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算する。
前記移動状態が直線移動状態である時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、また、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算し、そのうち、iは、自然数であり;又は、前記移動状態が非直線移動状態である時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、また、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算する。
中央処理装置1101は、さらに、次のように構成されても良く、即ち、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は、前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は、前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算する。
また、図11に示すように、電子機器1100は、さらに、入出力ユニット1103、表示ユニット1104などを含んでも良く、そのうち、これらの部品の機能は、従来技術に類似したので、ここでは、その詳しい説明を省略する。なお、電子機器1100は、必ずしも図11中の全ての部品を含む必要がない。また、電子機器1100は、さらに、図11に示されていない部品を含んでも良く、これについては、従来技術を参照することができる。
本発明の実施例は、さらに、コンピュータ可読プログラムを提供し、そのうち、位置決定装置又は電子機器中で前記プログラムを実行する時に、前記プログラムは、コンピュータに、前記位置決定装置又は電子機器中で実施例2に記載の位置決定方法を実行させる。
本発明の実施例は、さらに、コンピュータ可読プログラムを記憶した記憶媒体を提供し、そのうち、前記記憶媒体は、上述のコンピュータ可読プログラムを記憶しており、前記コンピュータ可読プログラムは、コンピュータに、位置決定装置又は電子機器中で実施例2に記載の位置決定方法を実行させる。
また、本発明の実施例による装置及び方法は、ソフトウェアにより実現されても良く、ハードェアにより実現されてもよく、ハードェア及びソフトウェアの組み合わせにより実現されても良い。また、本発明は、このようなコンピュータ可読プログラムにも関し、即ち、前記プログラムは、ロジック部品により実行される時に、前記ロジック部品に、上述の装置又は構成要素を実現させることができ、又は、前記ロジック部品に、上述の方法又はそのステップを実現させることができる。さらに、本発明は、上述のプログラムを記憶するための記憶媒体、例えば、ハードディスク、磁気ディスク、光ディスク、DVD、flashメモリなどにも関する。
また、以上の複数の実施例に関し、さらに次のような付記も開示する。
(付記1)
位置決定待ち対象物の位置情報を決定するための位置決定装置であって、
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するための慣性センサ;
前記慣性センサが出力した慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断するための移動状態判断ユニット;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うためのゼロドリフトキャリブレーションユニット;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算するための粗進路角計算ユニット;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算するための進路角信頼度計算ユニットであって、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものである、進路角信頼度計算ユニット;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するためのフィルタリングユニットを含む、装置。
位置決定待ち対象物の位置情報を決定するための位置決定装置であって、
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するための慣性センサ;
前記慣性センサが出力した慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断するための移動状態判断ユニット;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うためのゼロドリフトキャリブレーションユニット;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算するための粗進路角計算ユニット;
前記移動状態判断ユニットが判断した前記移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算するための進路角信頼度計算ユニットであって、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものである、進路角信頼度計算ユニット;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するためのフィルタリングユニットを含む、装置。
(付記2)
付記1に記載の位置決定装置であって、
前記移動状態判断ユニットは、
前記慣性センサが出力した角速度情報と、第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断するための第一判断ユニットを含む、装置。
付記1に記載の位置決定装置であって、
前記移動状態判断ユニットは、
前記慣性センサが出力した角速度情報と、第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断するための第一判断ユニットを含む、装置。
(付記3)
付記2に記載の位置決定装置であって、
前記移動状態判断ユニットは、さらに、
前記第一判断ユニットにより、前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、再び前記位置決定待ち対象物の移動状態を判断するための第二判断ユニットを含む、装置。
付記2に記載の位置決定装置であって、
前記移動状態判断ユニットは、さらに、
前記第一判断ユニットにより、前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、再び前記位置決定待ち対象物の移動状態を判断するための第二判断ユニットを含む、装置。
(付記4)
付記3に記載の位置決定装置であって、
前記第二判断ユニットは、
第i時刻後の第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し、
そのうち、i、N及びMは、すべて、自然数である、装置。
付記3に記載の位置決定装置であって、
前記第二判断ユニットは、
第i時刻後の第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し、
そのうち、i、N及びMは、すべて、自然数である、装置。
(付記5)
付記1に記載の位置決定装置であって、
前記ゼロドリフトキャリブレーションユニットは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第一キャリブレーションユニット;及び
前記移動状態が非直線移動状態の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第二キャリブレーションユニットを含み、
そのうち、iは、自然数である、装置。
付記1に記載の位置決定装置であって、
前記ゼロドリフトキャリブレーションユニットは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第一キャリブレーションユニット;及び
前記移動状態が非直線移動状態の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第二キャリブレーションユニットを含み、
そのうち、iは、自然数である、装置。
(付記6)
付記1に記載の位置決定装置であって、
前記進路角信頼度計算ユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算するための第一処理ユニットであって、iは、自然数である、第一処理ユニット;及び
前記移動状態が非直線移動の時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算するための第二処理ユニットを含む、装置。
付記1に記載の位置決定装置であって、
前記進路角信頼度計算ユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算するための第一処理ユニットであって、iは、自然数である、第一処理ユニット;及び
前記移動状態が非直線移動の時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算するための第二処理ユニットを含む、装置。
(付記7)
付記1に記載の位置決定装置であって、
前記フィルタリングユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第一フィルタリングサブユニットであって、iは、自然数である、第一フィルタリングサブユニット;及び
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第二フィルタリングサブユニットを含む、装置。
付記1に記載の位置決定装置であって、
前記フィルタリングユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第一フィルタリングサブユニットであって、iは、自然数である、第一フィルタリングサブユニット;及び
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第二フィルタリングサブユニットを含む、装置。
(付記8)
付記1〜7のうちの任意の一項に記載の位置決定装置を含む、電子機器。
付記1〜7のうちの任意の一項に記載の位置決定装置を含む、電子機器。
(付記9)
位置決定待ち対象物の位置情報を決定するための位置決定方法であって、
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
移動状態判断ユニットが判断した移動状態及び粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;及び
前記進路角信頼度に基づいて粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。
位置決定待ち対象物の位置情報を決定するための位置決定方法であって、
位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
移動状態判断ユニットが判断した移動状態及び粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;及び
前記進路角信頼度に基づいて粒子フィルタリングモデルのパラメータを選択し、粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。
(付記10)
付記9に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、
前記慣性検出信号の角速度情報と第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断することを含む、方法。
付記9に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、
前記慣性検出信号の角速度情報と第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断することを含む、方法。
(付記11)
付記10に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、さらに、
前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、前記位置決定待ち対象物の移動状態をさらに判断することを含む、方法。
付記10に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、さらに、
前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、前記位置決定待ち対象物の移動状態をさらに判断することを含む、方法。
(付記12)
付記11に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態をさらに判断することは、
第i時刻後の第一所定期間内で、連続したN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻の移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断することを含み、
そのうち、i、N及びMは、すべて、自然数である、方法。
付記11に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態をさらに判断することは、
第i時刻後の第一所定期間内で、連続したN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻の移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断することを含み、
そのうち、i、N及びMは、すべて、自然数である、方法。
(付記13)
付記9に記載の位置決定方法であって、
前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うことは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とし;又は
前記移動状態が非直線移動の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とすることを含み、
そのうち、iは、自然数である、方法。
付記9に記載の位置決定方法であって、
前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うことは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とし;又は
前記移動状態が非直線移動の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とすることを含み、
そのうち、iは、自然数である、方法。
(付記14)
付記9に記載の位置決定方法であって、
進路角信頼度を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動の時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算することを含む、方法。
付記9に記載の位置決定方法であって、
進路角信頼度を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動の時に、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、粒子フィルタリングモデル中の各粒子の、位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、分散に基づいて進路角信頼度を計算することを含む、方法。
(付記15)
付記9に記載の位置決定方法であって、
前記位置決定待ち対象物の位置情報を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを基づいて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。
付記9に記載の位置決定方法であって、
前記位置決定待ち対象物の位置情報を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを基づいて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて粒子フィルタリングモデルを形成し、そして、粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。
以上、本発明の好ましい実施形態を説明したが、本発明はこの実施形態に限定されず、本発明の趣旨を離脱しない限り、本発明に対するあらゆる変更は本発明の技術的範囲に属する。
Claims (15)
- 位置決定待ち対象物の位置情報を決定するための位置決定装置であって、
前記位置決定待ち対象物の移動に関する慣性検出信号を生成して出力するための慣性センサ;
前記慣性センサが出力した慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断するための移動状態判断ユニット;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うためのゼロドリフトキャリブレーションユニット;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算するための粗進路角計算ユニット;
前記移動状態判断ユニットが判断した移動状態及び前記粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算するための進路角信頼度計算ユニットであって、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものである、進路角信頼度計算ユニット;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するためのフィルタリングユニットを含む、装置。 - 請求項1に記載の位置決定装置であって、
前記移動状態判断ユニットは、
前記慣性センサが出力した角速度情報と、第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断するための第一判断ユニットを含む、装置。 - 請求項2に記載の位置決定装置であって、
前記移動状態判断ユニットは、さらに、
前記第一判断ユニットにより、前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、再び前記位置決定待ち対象物の移動状態を判断するための第二判断ユニットを含む、装置。 - 請求項3に記載の位置決定装置であって、
前記第二判断ユニットは、
第i時刻後の第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し、
そのうち、i、N及びMは、すべて、自然数である、装置。 - 請求項1に記載の位置決定装置であって、
前記ゼロドリフトキャリブレーションユニットは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第一キャリブレーションユニット;及び
前記移動状態が非直線移動状態の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とするための第二キャリブレーションユニットを含み、
そのうち、iは、自然数である、装置。 - 請求項1に記載の位置決定装置であって、
前記進路角信頼度計算ユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、前記分散に基づいて前記進路角信頼度を計算するための第一処理ユニットであって、iは、自然数である、第一処理ユニット;及び
前記移動状態が非直線移動の時に、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、前記分散に基づいて前記進路角信頼度を計算するための第二処理ユニットを含む、装置。 - 請求項1に記載の位置決定装置であって、
前記フィルタリングユニットは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第一フィルタリングサブユニットであって、iは、自然数である、第一フィルタリングサブユニット;及び
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算するための第二フィルタリングサブユニットを含む、装置。 - 請求項1〜7のうちの任意の一項に記載の位置決定装置を含む、電子機器。
- 位置決定待ち対象物の位置情報を確定するための位置決定方法であって、
前記位置決定待ち対象物の移動に関する慣性検出信号を生成して出力し;
前記慣性検出信号に基づいて、前記位置決定待ち対象物の移動状態を判断し;
前記移動状態に基づいて、前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行い;
前記ゼロドリフトキャリブレーション後の信号に基づいて、前記位置決定待ち対象物の移動の第一進路角情報を計算し;
移動状態判断ユニットが判断した移動状態及び粗進路角計算ユニットが計算した第一進路角情報に基づいて、進路角信頼度を計算し、前記進路角信頼度は、前記慣性センサが出力した慣性検出信号の正確度を評価するものであり;及び
前記進路角信頼度に基づいて、粒子フィルタリングモデルのパラメータを選択し、前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。 - 請求項9に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、
前記慣性検出信号の角速度情報と第一角速度閾値との大小関係に基づいて、前記位置決定待ち対象物の移動状態を直線移動状態又は非直線移動状態として判断することを含む、方法。 - 請求項10に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態を判断することは、さらに、
前記位置決定待ち対象物の移動状態が非直線移動状態であると判断された場合、前記位置決定待ち対象物の移動状態をさらに判断することを含む、方法。 - 請求項11に記載の位置決定方法であって、
前記位置決定待ち対象物の移動状態をさらに判断することは、
第i時刻後の第一所定期間内で、連続したN回、角速度情報が前記第一角速度閾値よりも大きいことを検出した場合、第i時刻の移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断し;又は
前記第一所定期間内で、連続してN回、角速度情報が前記第一角速度閾値よりも大きいことを検出し、且つ、連続してM回、ゼロドリフトキャリブレーション前の角速度情報に基づいて計算された近似第一進路角情報と、第i時刻前の第二所定期間内での第一進路角情報の平均値との差が第一進路角閾値よりも大きいことを検出した場合、第i時刻における移動状態が非直線移動状態であると判断し、そうでない場合、第i時刻における移動状態が直線移動状態であると判断することを含み、
そのうち、i、N及びMは、すべて、自然数である、方法。 - 請求項9に記載の位置決定方法であって、
前記慣性検出信号中の角速度情報に対してゼロドリフトキャリブレーションを行うことは、
前記移動状態が直線移動状態の時に、前記慣性センサが出力した第i時刻の角速度情報から、第i時刻前の第三所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とし;又は
前記移動状態が非直線移動の時に、前記慣性センサが出力した角速度情報から、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第四所定期間内での角速度情報の平均値を減算した後のものを、ゼロドリフトキャリブレーション後の角速度情報とすることを含み、
そのうち、iは、自然数である、方法。 - 請求項9に記載の位置決定方法であって、
前記進路角信頼度を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第五所定期間内での第一進路角情報の平均値を第二進路角情報として計算し、前記第二進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の現在時刻における進路角情報の分散を計算し、そして、前記分散に基づいて前記進路角信頼度を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動の時に、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻前の第六所定期間内での第一進路角情報の平均値を第三進路角情報として計算し、前記第三進路角情報に基づいて、前記粒子フィルタリングモデル中の各粒子の、前記位置決定待ち対象物の最近一回の直線移動から非直線移動になる時刻における進路角情報の分散を計算し、そして、前記分散に基づいて前記進路角信頼度を計算することを含む、方法。 - 請求項9に記載の位置決定方法であって、
前記位置決定待ち対象物の位置情報を計算することは、
前記移動状態が直線移動状態の時に、第i時刻前の第七所定期間内での第一進路角情報の平均値を第四進路角情報として計算し、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第四進路角情報に基づいて前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを基づいて前記位置決定待ち対象物の位置情報を計算し、そのうち、iは、自然数であり;又は
前記移動状態が非直線移動状態の時に、前記進路角信頼度に基づいて、進路角の誤差の分布形態を決定するパラメータを選択し、選択したパラメータ及び前記第一進路角情報に基づいて前記粒子フィルタリングモデルを形成し、そして、前記粒子フィルタリングモデルを用いて前記位置決定待ち対象物の位置情報を計算することを含む、方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610767371.1 | 2016-08-30 | ||
CN201610767371.1A CN107796387B (zh) | 2016-08-30 | 2016-08-30 | 定位方法、定位装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018036250A true JP2018036250A (ja) | 2018-03-08 |
Family
ID=61528853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017122730A Pending JP2018036250A (ja) | 2016-08-30 | 2017-06-23 | 位置決定方法、位置決定装置及び電子機器 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2018036250A (ja) |
CN (1) | CN107796387B (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110715659A (zh) * | 2019-10-25 | 2020-01-21 | 高新兴物联科技有限公司 | 零速检测方法、行人惯性导航方法、装置及存储介质 |
CN113124859A (zh) * | 2019-12-30 | 2021-07-16 | 北京极智嘉科技股份有限公司 | 机器人、角速度校正方法及计算机可读存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672099A (zh) * | 2019-09-09 | 2020-01-10 | 武汉元生创新科技有限公司 | 一种用于室内机器人导航的航向校正方法和系统 |
CN110967038B (zh) * | 2019-11-25 | 2021-08-27 | 广州小鹏自动驾驶科技有限公司 | 车辆定位方法、车辆定位装置和车辆 |
CN111707289B (zh) * | 2020-05-19 | 2022-06-07 | 深圳银星智能集团股份有限公司 | 一种移动机器人、传感器标定方法及计算机可读存储介质 |
CN111693019B (zh) * | 2020-05-20 | 2021-04-20 | 西安交通大学 | 一种姿态传感装置及数据融合、姿态解算方法 |
CN114322918B (zh) * | 2020-09-30 | 2024-02-13 | 广东博智林机器人有限公司 | 可移动设备状态的检测方法、装置和计算机可读存储介质 |
CN112711054B (zh) * | 2021-03-24 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 一种对象行为检测方法、装置、电子设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100567895C (zh) * | 2007-09-12 | 2009-12-09 | 北京航空航天大学 | 低精度压电陀螺零偏实时估计补偿方法 |
CN102680002B (zh) * | 2012-05-16 | 2015-05-06 | 清华大学 | 汽车用微机械陀螺零点电压的在线标定方法 |
US10317421B2 (en) * | 2014-03-31 | 2019-06-11 | Stmicroelectronics S.R.L | Positioning apparatus comprising an inertial sensor and inertial sensor temperature compensation method |
-
2016
- 2016-08-30 CN CN201610767371.1A patent/CN107796387B/zh active Active
-
2017
- 2017-06-23 JP JP2017122730A patent/JP2018036250A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110715659A (zh) * | 2019-10-25 | 2020-01-21 | 高新兴物联科技有限公司 | 零速检测方法、行人惯性导航方法、装置及存储介质 |
CN113124859A (zh) * | 2019-12-30 | 2021-07-16 | 北京极智嘉科技股份有限公司 | 机器人、角速度校正方法及计算机可读存储介质 |
CN113124859B (zh) * | 2019-12-30 | 2023-03-21 | 北京极智嘉科技股份有限公司 | 机器人、角速度校正方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107796387A (zh) | 2018-03-13 |
CN107796387B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018036250A (ja) | 位置決定方法、位置決定装置及び電子機器 | |
Zhou et al. | Use it free: Instantly knowing your phone attitude | |
CN112577521B (zh) | 一种组合导航误差校准方法及电子设备 | |
Stienne et al. | A multi-temporal multi-sensor circular fusion filter | |
CN109891049B (zh) | 对机具进行增量轨迹估计的系统、介质和方法 | |
JP5956914B2 (ja) | ジャイロセンサの較正機能を備えた角速度測定装置、較正プログラム及び方法 | |
CN102822626A (zh) | 校准在移动装置上的传感器测量 | |
CN106918827A (zh) | Gps数据有效性判断方法和装置 | |
CN108020813B (zh) | 定位方法、定位装置和电子设备 | |
Xu et al. | A decision-tree based multiple-model UKF for attitude estimation using low-cost MEMS MARG sensor arrays | |
CN106153069B (zh) | 自主导航系统中的姿态修正装置和方法 | |
CN108871341B (zh) | 一种全局优化的并发定位与建图方法 | |
CN105865448A (zh) | 一种基于imu的室内定位方法 | |
CN106500721B (zh) | 一种水下机器人双冗余姿态检测系统 | |
US10197396B2 (en) | Always on compass calibration system and methods | |
AU2015305864B2 (en) | Earthmoving machine comprising weighted state estimator | |
JP7034353B2 (ja) | 位置標定システム、および位置標定方法 | |
CN109643116A (zh) | 用于定位移动物体的系统和方法 | |
CN110132271B (zh) | 一种自适应卡尔曼滤波姿态估计算法 | |
US20180180420A1 (en) | Method and System for Improving Inertial Measurement Unit Sensor Signals | |
WO2018182528A1 (en) | Trajectory estimation system and method | |
KR101390776B1 (ko) | 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇 | |
KR101226767B1 (ko) | 주행 장치를 위한 위치측정 시스템 및 방법 | |
CN111678513A (zh) | 一种超宽带/惯导紧耦合的室内定位装置与系统 | |
Montorsi et al. | Design and implementation of an inertial navigation system for pedestrians based on a low-cost MEMS IMU |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170713 |