KR101250215B1 - 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법 - Google Patents

칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법 Download PDF

Info

Publication number
KR101250215B1
KR101250215B1 KR1020120057856A KR20120057856A KR101250215B1 KR 101250215 B1 KR101250215 B1 KR 101250215B1 KR 1020120057856 A KR1020120057856 A KR 1020120057856A KR 20120057856 A KR20120057856 A KR 20120057856A KR 101250215 B1 KR101250215 B1 KR 101250215B1
Authority
KR
South Korea
Prior art keywords
pedestrian
height
value
axis
kalman filter
Prior art date
Application number
KR1020120057856A
Other languages
English (en)
Inventor
곽휘권
박상훈
이춘우
박재현
김윤기
이장명
Original Assignee
삼성탈레스 주식회사
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 삼성탈레스 주식회사 filed Critical 삼성탈레스 주식회사
Priority to KR1020120057856A priority Critical patent/KR101250215B1/ko
Application granted granted Critical
Publication of KR101250215B1 publication Critical patent/KR101250215B1/ko

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/20—Distances or displacements
    • A63B2220/22—Stride length
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

본 발명은 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템에 관한 것으로서, 보행자 관성항법 시스템은 3축 가속도 센서와 3축 자이로 센서 및 기압 센서를 포함하는 관성 센서 모듈, 상기 3축 가속도 센서 신호를 이용하여 보행자의 걸음을 검출하고, 상기 보행자의 보폭을 추정하는 걸음 검출 및 보폭 추정 모듈, 상기 3축 자이로 센서 신호와 상기 3축 가속도 센서 신호를 융합하여 자세를 추정하고, 상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각을 추정하는 자세 및 방향각 추정 모듈 및 상기 기압 센서의 고도 값과 상기 3축 가속도 센서의 z축 속도 값을 이용하여 칼만 필터를 통해 높이를 산출하고, 상기 3축 가속도 센서의 z축 영속도보정(ZUPT) 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 높이 추정 모듈을 포함하도록 구성될 수 있다. 상기와 같은 보행자 관성항법 시스템 및 높이 추정 방법에 따르면, 비 평지 지형에서의 높이 추정을 위해 가속도 센서와 기압 센서를 이용하여 칼만 필터, 영속도보정(ZUPT) 및 보행 상태 추정 알고리즘(WSEA)를 융합하여 높이 추정의 성능을 개선할 수 있다.

Description

칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법{PEDESTRIAN DEAD-RECKONING SYSTEM USING KALMAN FILTER AND WALKING STATE ESTIMATION ALGORITHM AND METHOD FOR HEIGHT ESTIMATION THEREOF}
본 발명은 보행자 관성항법 시스템에 관한 것으로서, 좀 더 상세하게는 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법에 관한 것이다.
개인항법시스템(PNS: Personal Navigation System)은 사람의 위치 파악을 위한 모든 시스템을 말한다. 개인항법시스템의 대표적인 방법 중 하나로 GPS가 주로 사용되고 있지만 실내 환경이나 터널 같은 신호 음영지역에서는 GPS를 단독으로는 사용하는 것이 불가능하게 된다. 이것을 해결하기 위한 방법 중 하나인 PDR(Pedestrian Dead-Reckoning) 시스템은 보행자의 걸음에 의해 위치를 변화시킨다는 가정 아래 개발된 추측항법시스템이다. PDR 시스템은 보행자가 보행할 때 발생되는 걸음 정보를 이용하여 처음 위치로부터 얼마나 이동하였는지를 알 수 있다. 이 때의 보폭, 방향, 자세, 높이와 같은 걸음 정보를 관성측정장치(IMU, Inertia Measurement Unit)를 이용하여 얻는다.
이때, 보행자는 계단, 경사와 같이 평지가 아닌 비 평지 지형을 이동하기도 하기 때문에, 정확한 위치를 추정하려면 높이의 변화량도 알아야 한다. PDR시스템에서 높이의 변화량을 추정하기 위해서는 가속도의 이중 적분이나 기압센서를 이용하는 방법이 있다. 가속도의 이중 적분을 이용한 높이 추정 기법은 정확한 가속도 값을 얻기 위해 센서를 발에 부착해야 하는 반면, 기압센서는 기압을 이용하여 높이를 측정하기 때문에 센서 부착에 대한 제약이 적다. 하지만, 기압센서는 시간에 따라 변화 하는 기압의 영향 때문에 출력되는 높이가 일정하지 않다. 또한, 기압센서의 변화량이 클 경우 추정된 높이의 오차도 크게 발생한다. 그렇기 때문에 높이가 낮은 층의 건물이나 보행자의 한걸음마다 실시간 높이를 추정하기 위해서는 사용하기 힘들다.
본 발명의 목적은 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템을 제공하는 데 있다.
본 발명의 다른 목적은 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 높이 추정 방법을 제공하는 데 있다.
상술한 본 발명의 목적에 따른 칼만필터와 보행 상태 추정 알고리즘(WSEA)을 이용한 보행자 관성항법 시스템은, 3축 가속도 센서와 3축 자이로 센서 및 기압 센서를 포함하는 관성 센서 모듈, 상기 3축 가속도 센서 신호를 이용하여 보행자의 걸음을 검출하고, 상기 보행자의 보폭을 추정하는 걸음 검출 및 보폭 추정 모듈, 상기 3축 자이로 센서 신호와 상기 3축 가속도 센서 신호를 융합하여 자세를 추정하고, 상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각을 추정하는 자세 및 방향각 추정 모듈 및 상기 기압 센서의 고도 값과 상기 3축 가속도 센서의 z축 속도 값을 이용하여 칼만 필터를 통해 높이를 산출하고, 상기 3축 가속도 센서의 z축 영속도보정(ZUPT) 속도 값을 보행 상태 추정 알고리즘에 적용하여 최종 높이를 추정하는 높이 추정 모듈을 포함하도록 구성될 수 있다.
여기에서, 상기 걸음 검출 및 보폭 추정 모듈은, 피크 검출 기법과 영교차점 검출 기법을 결합하여 상기 보행자의 걸음을 검출하고, 상기 3축 가속도 센서 신호의 놈(norm) 값
Figure 112012043506690-pat00001
에 이동평균필터를 적용하여 상기 걸음 검출 시 발생하는 노이즈를 제거할 수 있다. 그리고 다음의 수학식과 같은 비선형 모델을 이용하여 보폭을 추정하고, [수학식]
Figure 112012043506690-pat00002
여기에서,
Figure 112012043506690-pat00003
은 보폭(Step Length)이고,
Figure 112012043506690-pat00004
는 보폭 결정 상수이고,
Figure 112012043506690-pat00005
는 한걸음에서 발생하는 최대 가속도 값이고,
Figure 112012043506690-pat00006
은 최소 가속도 값일 수 있다.
또한, 상기 자세 및 방향각 추정 모듈은, 다음의 수학식과 같은 변환 행렬에 따라 동체 좌표계에서 항법좌표계로 변환하고, [수학식]
Figure 112012043506690-pat00007
여기에서,
Figure 112012043506690-pat00008
는 쿼터니언으로 표현된 자세이고, 상기 쿼터니언 자세는 다음의 수학식을 이용하여 오일러 각 형식으로 변환할 수 있고, [수학식]
Figure 112012043506690-pat00009
여기에서,
Figure 112012043506690-pat00010
는 롤(Roll) 값이고,
Figure 112012043506690-pat00011
는 피치(Pitch) 값이고,
Figure 112012043506690-pat00012
는 요(Yaw) 값이 될 수 있다. 그리고 1차 상보 필터를 사용하여 구현한 상기 3축 자이로 센서와 상기 3축 가속도 센서의 융합 알고리즘을 통해 롤(Roll)과 피치(Pitch)의 누적오차를 제거할 수 있다. 또한, 상기 3축 자이로 센서의 요(yas) 각을 측정하여 방향각 추정 시, 상기 3축 자이로 센서의 온도 보상과 센서 보정을 통해 바이어스 오차를 최소화하고, 상기 자이로 센서 신호의 놈(norm) 값
Figure 112012043506690-pat00013
을 이용하여 누적 오차를 최소화할 수 있다.
상기 높이 추정 모듈은, 다음의 수학식을 이용하여 상기 기압 센서의 고도 값을 산출하고, [수학식]
Figure 112012043506690-pat00014
여기에서,
Figure 112012043506690-pat00015
는 기압 센서의 고도 값이고,
Figure 112012043506690-pat00016
는 기압 센서에서 출력된 기압이고,
Figure 112012043506690-pat00017
는 해면 기압이 될 수 있다. 그리고 다음의 수학식으로 정의되는 칼만필터를 이용하여 노이즈를 제거한 높이
Figure 112012043506690-pat00018
를 산출하고, [수학식]
Figure 112012043506690-pat00019
여기에서,
Figure 112012043506690-pat00020
는 샘플링 주기이고,
Figure 112012043506690-pat00021
는 항법좌표계에서의 z축 가속도이고,
Figure 112012043506690-pat00022
는 상기 3축 가속도 센서 신호의 노이즈이고,
Figure 112012043506690-pat00023
는 상기 기압 센서의 노이즈 오차 값이고,
Figure 112012043506690-pat00024
는 다음의 수학식과 같이 정의되고, [수학식]
Figure 112012043506690-pat00025
여기에서,
Figure 112012043506690-pat00026
는 높이이고,
Figure 112012043506690-pat00027
는 상기 3축 가속도 센서의 z축 속도일 수 있다. 이때, 상기 걸음 검출 및 보폭 추정 모듈로부터 걸음이 검출된 시점을 영속구간으로 설정하고, 영속도보정(ZUPT)을 통해 한 걸음마다 누적되는 오차를 제거할 수 있다.
그리고 상기 높이 추정 모듈은, 상기 보행 상태 추정 알고리즘(WSEA)이 보행자 위치 지형 구분 알고리즘, 보행자의 상승 및 하강 상태 판단 알고리즘, 높이 추정 개선 알고리즘을 포함하도록 구성될 수 있다. 여기에서, 상기 보행자 위치 지형 알고리즘은, 상기 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 상기 보행자의 한걸음 동안의 최대 속도 값을 구하고, 상기 최대 속도 값을 미리 정한 임계치와 비교하여 평지 또는 비평지 지역을 구분할 수 있다. 또한, 상기 보행자의 상승 및 하강 상태 판단 알고리즘은, 상기 3축 가속도 센서 신호의 놈(norm) 값
Figure 112012043506690-pat00028
을 이용하여 상기
Figure 112012043506690-pat00029
의 최대 피크값이 먼저 발생하고 최소 피크값이 나중에 발생하는 경우에는 상승 상태로 판단하고, 상기
Figure 112012043506690-pat00030
의 최소 피크값이 먼저 발생하고 최대 피크값이 나중에 발생하는 경우에는 하강 상태로 판단할 수 있다. 그리고 상기 높이 추정 개선 알고리즘은, 상기 걸음 검출 지점 이전까지의 높이를 합하여 한걸음 동안 높이의 평균 값을 구하고, 상기 보행자의 현재 높이에서 이전 높이까지의 높이 변화량을 계산한 후, 상기 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태와 상기 계산된 높이 변화량의 상태가 동일한 경우에는 상기 높이의 평균값에 상기 높이 변화량을 적용하여 최종 높이를 추정하고, 상기 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태와 상기 계산된 높이 변화량의 상태가 동일하지 않은 경우에는 상기 영속도보정을 통한 z축 위치의 한걸음 동안 위치 변화량을 적용하여 최종 높이를 추정할 수 있다.
상술한 본 발명의 다른 목적에 따른 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 높이 추정 방법은, 3축 가속도 센서 신호를 이용하여 보행자의 걸음을 검출하고, 상기 보행자의 보폭을 추정하는 단계, 상기 3축 자이로 센서 신호와 상기 3축 가속도 센서 신호를 융합하여 자세를 추정하고, 상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각을 추정하는 단계, 상기 기압 센서의 고도 값과 상기 3축 가속도 센서의 z축 속도 값을 이용하여 칼만 필터를 통해 높이를 산출하는 단계 및 상기 가속도 센서의 영속도보정(ZUPT)한 z축 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 단계를 포함하도록 구성될 수 있다.
여기에서, 상기 3축 가속도 센서의 z축 영속도보정(ZUPT) 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 단계는, 상기 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 상기 보행자의 한 걸음 동안의 최대 속도 값을 구하고, 상기 최대 속도 값을 미리 정한 임계치와 비교하여 상기 보행자가 위치한 지형을 구분하는 단계, 상기 3축 가속도 센서 신호의 놈(norm) 값의 최대 피크값과 최소 피크값에 따라 보행자의 상승 및 하강 상태를 판단하는 단계 및 상기 보행자가 위치한 지형 및 보행자의 상승 및 하강 상태를 반영하여 칼만 필터를 통해 산출된 높이를 개선한 최종 높이를 추정하는 단계를 포함하도록 구성될 수 있다. 이때, 상기 보행자가 위치한 지형 및 보행자의 상승 및 하강 상태를 반영하여 칼만 필터를 통해 산출된 높이를 개선한 최종 높이를 추정하는 단계는, 상기 걸음 검출 지점 이전까지의 높이를 합하여 한 걸음 동안 높이의 평균 값을 구하고, 상기 보행자의 현재 높이에서 이전 높이까지의 높이 변화량을 계산한 후, 상기 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일한 경우에는 상기 높이의 평균값에 상기 높이 변화량을 적용하여 최종 높이를 추정하고, 상기 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일하지 않은 경우에는 상기 영속도보정을 통한 z축 위치의 한걸음 동안 위치 변화량을 적용하여 최종 높이를 추정할 수 있다.
상기와 같은 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법에 따르면, 저가형 미세전자제어기술(MEMS)형 센서 모듈을 허리에 장착하여 보행자의 걸음 및 보폭을 검출함과 동시에 자세와 방향각을 함께 추정하여 평지에서의 보행자 위치를 추정할 수 있다.
그리고 계단, 경사와 같은 평지가 아닌 지형의 높이 추정을 위해 가속도 센서와 기압 센서를 이용하여 칼만 필터, 영속도보정(ZUPT) 및 보행 상태 추정 알고리즘(WSEA)를 융합하여 높이 추정의 성능을 개선할 수 있다. 특히, 기압센서의 변화량이 클 때 발생하기 쉬운 추정 높이의 오차는 칼만 필터만을 사용하여 추정된 높이보다 칼만 필터, 영속도보정 및 보행 상태 추정 알고리즘을 융합하여 사용했을 때에 최대 46% 정도 성능이 개선되는 효과를 가진다.
도 1은 본 발명의 일 실시예에 따른 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 보행자 관성항법 시스템의 높이 추정 모듈의 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 칼만 필터를 이용한 높이 추정 결과를 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 따른 3축 가속도 센서의 z축 속도 값과 영속도보정을 통한 z축 속도 값을 나타낸 그래프이다.
도 6은 본 발명의 일 실시예에 따른 보행자 위치 지형 구분 알고리즘의 결과를 나타낸 그래프이다.
도 7은 본 발명의 일 실시예에 따른 보행자 관성항법 시스템의 높이 추정 결과를 나타낸 그래프이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 블록 구성도이다.
도 1을 참조하면, 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템(100)(이하, '보행자 관성항법 시스템'이라 함)은 관성 센서 모듈(110), 걸음 검출 및 보폭 추정 모듈(120), 자세 및 방향각 추정 모듈(130), 높이 추정 모듈(140)로 구성될 수 있다. 이하, 세부적인 구성에 대하여 설명한다.
관성 센서 모듈(110)은 저가형 미세전자제어기술(MEMS: Micro Electro Mechanical System)형 센서를 사용하며, 3축 가속도 센서(111), 3축 자이로 센서(112) 및 기압 센서(113)을 포함하도록 구성될 수 있다.
걸음 검출 및 보폭 추정 모듈(120)은 3축 가속도 센서(111) 신호를 이용하여 피크 검출 기법과 영교차점 검출 기법을 결합하여 보행자의 걸음을 검출하고, 보행자의 보폭을 추정한다.
보행자 관성항법 시스템은 보행자의 걸음 정보를 기반으로 위치를 추정하기 때문에 정확한 걸음 검출이 이루어져야 한다. 보행자 관성항법 시스템(100)을 허리에 장착한 경우에는 대부분 가속도 센서의 패턴을 이용하여 걸음을 검출하는데, 이때 가속도 센서는 중력에 많은 영향을 받기 때문에 자세에 따라 값이 달라지게 된다. 걸음 검출 및 보폭 추정 모듈(120)은 자세에 강인한 걸음 검출을 위해 3축 가속도 센서(111) 신호의 놈(norm) 값에 이동평균필터를 적용하여 노이즈를 제거하는 것이 바람직하다. 이는, 걸음 검출 기법들을 사용하는데 있어서 노이즈가 발생하면 순간적인 에러 값이 발생하여 잘못된 걸음을 검출할 수 있기 때문이다. 3축 가속도 센서(111) 신호의 놈(norm) 값은 다음의 수학식 1에 따라 구할 수 있다.
Figure 112012043506690-pat00031
그리고 보행 거리를 추정하기 위해서는 보폭이 필요한데, 일반적으로 보폭이 일정하다면 보행거리는 정확하게 계산이 가능해지지만 걸음속도와 지면의 높이나 장애물 같은 환경에 의해 보폭이 변화하게 되어 추정하는 것이 쉽지 않다. 걸음 검출 및 보폭 추정 모듈(120)은 구현이 쉽고 실시간 추정알고리즘으로 쉽게 사용이 가능한 비선형 모델을 이용하여 보폭을 추정한다. 보폭 추정을 위한 비선형 모델의 식은 다음의 수학식 2와 같다.
Figure 112012043506690-pat00032
여기에서,
Figure 112012043506690-pat00033
은 보폭(Step Length)이고,
Figure 112012043506690-pat00034
는 보폭 결정 상수이고,
Figure 112012043506690-pat00035
는 한걸음에서 발생하는 최대 가속도 값이고, 은 최소 가속도 값이다. 보폭 결정 상수
Figure 112012043506690-pat00037
는 실험을 통하여 구할 수 있으며, 보행자의 다리 길이에 따라 달라지나 그 영향이 크지는 않다. 최대/최소 가속도 값은 걸음 검출에서의 최대/최소 피크값을 사용한다.
자세 및 방향각 추정 모듈(130)은 3축 자이로 센서(112) 신호와 3축 가속도 센서(111) 신호를 융합하여 자세를 추정하고, 3축 자이로 센서(112)의 요(yaw) 각을 측정하여 방향각을 추정한다. 이때, 3축 자이로 센서(112)는 동체의 각속도를 측정하는 장치이기 때문에 좌표변환이 필요하다. 자세 및 방향각 추정 모듈(130)은 오일러각에 비해 각도의 합과 차를 계산하기 쉽고 수치적으로 안정적인 쿼터니언을 이용하여 자세를 계산한다. 다음의 수학식 3은 동체 좌표계에서 항법좌표계로 변환하는 변환행렬이다.
Figure 112012043506690-pat00038
여기에서,
Figure 112012043506690-pat00039
는 쿼터니언으로 표현된 자세이고, 쿼터니언 자세는 다음의 수학식 4를 이용하여 오일러 각 형식으로 변환할 수 있다.
Figure 112012043506690-pat00040
여기에서,
Figure 112012043506690-pat00041
는 롤(Roll) 값이고,
Figure 112012043506690-pat00042
는 피치(Pitch) 값이고,
Figure 112012043506690-pat00043
는 요(Yaw) 값이다.
자이로 센서는 시간이 지남에 따라 누적오차가 발생하여 정확한 자세 측정을 하기가 어려운 단점이 있다. 이를 보정하기 위해 자세 및 방향각 추정 모듈(130)은 3축 자이로 센서(112)와 3축 가속도 센서(111)를 융합하여 롤(Roll)과 피치(Pitch)의 누적오차를 제거할 수 있다. 융합 알고리즘은 구현도 간단하고 성능도 우수한 1차 상보 필터를 사용한다.
그리고 자세 및 방향각 추정 모듈(130)에서 3축 자이로 센서(112)를 사용하여 요(yaw) 각을 측정할 때, 지속적인 누적 오차를 보상해주기 위해 3축 자이로 센서(112)의 온도 보상과 센서 보정을 통해 바이어스 오차를 최소화하는 것이 바람직하다. 또한, 3축 자이로 센서(112) 신호의 놈(norm) 값을 이용하여 누적 오차를 최소화하는 것이 바람직하다. 다음의 수학식 5는 3축 가속도 센서(111) 신호의 놈(norm) 값을 나타낸 것이다.
Figure 112012043506690-pat00044
다음으로, 높이 추정 모듈(140)은 기압 센서(113)의 고도 값과 3축 가속도 센서(111)의 z축 속도 값을 이용하여 칼만 필터(141)를 통해 높이를 산출하고, 상기 3축 가속도 센서(111)의 z축 속도 값을 영속도보정(ZUPT)(142)한 후, 보행 상태 추정 알고리즘(WSEA)(143)을 통해 최종 높이를 추정한다. 이하, 도 2를 참조하여 좀 더 구체적으로 설명한다.
도 2는 본 발명의 일 실시예에 따른 보행자 관성항법 시스템의 높이 추정 모듈의 블록 구성도이다.
기압 센서(113)는 해수면을 기준으로 한 절대 기압을 측정하여 고도 값을 제공해주는 센서이다. 이때, 기압 센서(113)로부터 출력되는 기압 값은 헥토파스칼(hPa)의 단위를 가지므로 고도로 표현하기 위해서는 미터(m) 단위로 환산해야 한다. 단위환산 식은 다음 수학식 6과 같다.
Figure 112012043506690-pat00045
여기에서,
Figure 112012043506690-pat00046
는 기압 센서의 고도 값이고,
Figure 112012043506690-pat00047
는 기압 센서에서 출력된 기압이고,
Figure 112012043506690-pat00048
는 해면 기압이다. 해면기압은 지역마다 다른 값을 가지고 있어서 매번 변화한다.
기압 센서(113)에서 출력된 고도를 이용하여 보행자가 이동한 만큼의 상대적인 높이를 추정하면 이동한 높이를 알 수 있다. 하지만, 기압 센서(113)는 절대적인 고도 값을 쉽게 알 수 있지만 기압에 영향을 많이 받기 때문에 고도 값의 변화가 크다. 이를 개선하기 위해 3축 가속도 센서(111)의 z축 속도 값
Figure 112012043506690-pat00049
과 기압 센서(113)에서 출력된 고도 값
Figure 112012043506690-pat00050
을 선형시스템으로 기술하여 칼만 필터를 사용한다. 그리고 칼만 필터에 걸음 검출 지점의 정보를 이용하여 추정된 속도를 한걸음마다 0으로 적용하여 누적오차를 제거할 수 있다.
다음의 수학식 7로 정의되는 칼만필터를 이용하여 노이즈를 제거한 높이
Figure 112012043506690-pat00051
를 산출한다.
Figure 112012043506690-pat00052
여기에서,
Figure 112012043506690-pat00053
는 샘플링 주기이고,
Figure 112012043506690-pat00054
는 항법좌표계에서의 z축 가속도이고,
Figure 112012043506690-pat00055
는 상기 3축 가속도 센서 신호의 노이즈이고,
Figure 112012043506690-pat00056
는 상기 기압 센서의 노이즈 오차 값이고,
Figure 112012043506690-pat00057
는 다음의 수학식 8과 같이 정의된다.
Figure 112012043506690-pat00058
여기에서,
Figure 112012043506690-pat00059
는 높이이고,
Figure 112012043506690-pat00060
는 상기 3축 가속도 센서의 z축 속도이다.
3축 가속도 센서(111)의 z축 가속도 값
Figure 112012043506690-pat00061
을 적분하면 z축 속도 값
Figure 112012043506690-pat00062
를 알 수 있는데, 이때 누적오차가 발생하여 정확한 속도와 위치를 알 수 없다. 따라서 누적오차를 제거하기 위해 영속도보정(ZUPT)(142)을 하는 것이 바람직하다. 영속도보정(142)은 걸음 검출 및 보폭 추정 모듈(120)로부터 걸음이 검출된 시점을 영속구간으로 설정하고, 한 걸음마다 발생하는 속도의 오차를 보정하여 누적오차를 제거한 z축 속도 값
Figure 112012043506690-pat00063
을 산출한다.
다시 도 2를 참조하면, 높이 추정 모듈(140)은 칼만필터를 이용하여 추정한 높이
Figure 112012043506690-pat00064
와 영속도보정(ZUPT)을 한 z축 속도 값
Figure 112012043506690-pat00065
을 이용하여 보행 상태 추정 알고리즘(WSEA)(143)을 통해 최종 높이를 추정한다.
보행 상태 추정 알고리즘(143)은 보행자 위치 지형 구분 알고리즘(143a), 보행자의 상승 및 하강 상태 판단 알고리즘(143b), 높이 추정 개선 알고리즘(143c)으로 구성된다.
보행자가 정적인 상태 또는 평지에서 보행할 경우 높이 변화를 생각할 필요가 없지만 계단, 경사와 같은 비평지 지역에서 보행할 때에는 높이 변화를 고려하여 위치를 추정해야 한다. 일반적으로 동일한 보행으로 걷는 경우 비평지 지형에서 보행할 때 z축 속도 값
Figure 112012043506690-pat00066
이 더 크게 나타난다. 따라서, 보행자 위치 지형 구분 알고리즘(143a)는 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 보행자의 한걸음 동안의 최대 속도 값
Figure 112012043506690-pat00067
을 구하고, 최대 속도 값
Figure 112012043506690-pat00068
을 미리 정한 임계치(
Figure 112012043506690-pat00069
)와 비교하여 평지 또는 비평지 지역을 구분한다. 만약,
Figure 112012043506690-pat00070
이거나 보행자가 정적인 상태(
Figure 112012043506690-pat00071
) 이면 평지 지형(
Figure 112012043506690-pat00072
)으로 판단한다.
보행자의 상승 및 하강 상태 판단 알고리즘(143b)은 비 평지 지형에서 보행자가 올라가고 있으면 상승 상태, 내려가고 있으면 하강 상태로 결정하는 알고리즘이다. 만약 계단을 올라가고 있으면 측정된 높이도 높아져야 하지만, 기압 센서의 높이 값의 오차가 크게 발생하면 상승 상태임에도 불구하고 측정된 고도 값
Figure 112012043506690-pat00073
은 낮아지는 경우가 발생하게 된다. 따라서 보행자의 상승 및 하강 상태를 정확히 판단하기 위해 3축 가속도 센서(111) 신호의 놈(norm) 값
Figure 112012043506690-pat00074
을 이용한다.
Figure 112012043506690-pat00075
의 최대 피크값이 먼저 발생하고 최소 피크값이 나중에 발생하는 경우에는 상승 상태(
Figure 112012043506690-pat00076
)로 판단하고, 상기
Figure 112012043506690-pat00077
의 최소 피크값이 먼저 발생하고 최대 피크값이 나중에 발생하는 경우에는 하강 상태(
Figure 112012043506690-pat00078
)로 판단할 수 있다.
높이 추정 개선 알고리즘(143c)은 보행자 위치 지형 구분 알고리즘(143a)의 결과 값
Figure 112012043506690-pat00079
과 보행자의 상승 및 하강 상태 판단 알고리즘(143b)의 결과 값
Figure 112012043506690-pat00080
을 이용하여 칼만 필터로부터 추정한 높이
Figure 112012043506690-pat00081
를 개선한 최종 높이를 추정한다. 개선된 최종 높이는 할 걸음마다 갱신된다.
높이 추정 개선 알고리즘(143c)은 걸음 검출 지점 이전까지의 높이를 합한 한 걸음 동안 높이의 평균 값(
Figure 112012043506690-pat00082
)을 구하고, 보행자의 현재 높이(
Figure 112012043506690-pat00083
)에서 이전 높이(
Figure 112012043506690-pat00084
)까지의 높이 변화량(
Figure 112012043506690-pat00085
)을 계산한 후, 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태(
Figure 112012043506690-pat00086
)와 상기 계산된 높이 변화량(
Figure 112012043506690-pat00087
)의 상태가 동일한 경우에는 높이의 평균 값(
Figure 112012043506690-pat00088
)에 상기 높이 변화량(
Figure 112012043506690-pat00089
)을 적용하여 최종 높이를 추정하고, 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태(
Figure 112012043506690-pat00090
)와 상기 계산된 높이 변화량(
Figure 112012043506690-pat00091
)의 상태가 동일하지 않는 경우에는 높이의 평균 값(
Figure 112012043506690-pat00092
)에 영속도보정을 통한 z축 위치의 한 걸음 동안 위치 변화량(
Figure 112012043506690-pat00093
)을 적용하여 최종 높이를 추정한다.
도 3은 본 발명의 일 실시예에 따른 칼만필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 순서도이다.
도 3을 참조하면, 먼저 3축 가속도 센서(111) 신호를 이용하여 보행자의 걸음을 검출하고, 보행자의 보폭을 추정한다(S110).
그리고 3축 자이로 센서(112) 신호와 3축 가속도 센서(111) 신호를 융합하여 자세를 추정하고, 3축 자이로 센서(112)의 요(yaw) 각을 측정하여 방향각을 추정한다(S120).
다음으로 기압 센서(113)의 고도 값과 3축 가속도 센서(111)의 z축 속도 값을 이용하여 칼만 필터(141)를 통해 높이를 산출한 후(S130), 영속도보정(142)을 통한 z축 속도 값을 보행 상태 추정 알고리즘(WSEA)(143)에 적용하여 최종 높이를 추정한다.
여기에서, 보행 상태 추정 알고리즘(143)은 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 보행자의 한 걸음 동안의 최대 속도 값을 구하고, 최대 속도 값을 미리 정한 임계치와 비교하여 보행자가 위치한 지형을 구분한다(S140).
다음으로, 3축 가속도 센서 신호의 놈(norm) 값의 최대 피크값과 최소 피크값에 따라 보행자의 상승 및 하강 상태를 판단한다(S150).
마지막으로, 보행자가 위치한 지형 및 보행자의 상승 및 하강 상태를 반영하여 칼만 필터를 통해 산출된 높이를 개선한 최종 높이를 추정하게 된다.
이때, 최종 높이를 추정하는 방법은 걸음 검출 지점 이전까지의 높이를 합하여 한 걸음 동안 높이의 평균 값을 구하고, 보행자의 현재 높이에서 이전 높이까지의 높이 변화량을 계산한 후(S160), 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일한 경우에는(S170) 높이의 평균 값에 높이 변화량을 적용하여 최종 높이를 추정하고(S180), 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일하지 않는 경우에는(S170) 영속도보정(142)을 통한 z축 위치의 한 걸음 동안 위치 변화량을 적용하여 최종 높이를 추정한다(S190).
이하, 도 4 내지 도 7에서는 본 발명의 실험 결과를 나타낸다.
도 4는 본 발명의 일 실시예에 따른 칼만 필터를 이용한 높이 추정 결과를 나타낸 그래프이다.
도 4를 참조하면, 보행자가 계단을 이용하여 1층에서 2층으로 이동하였을 때 높이 추정한 결과로 실험 당시 해면기압은 기상청에서 측정한 값인 1016.6hPa을 사용하였으며 높이 표현은 고도로 표현하였다. 칼만 필터를 이용함으로써
Figure 112012043506690-pat00094
신호가 개선된 것을 알 수 있다.
도 5는 본 발명의 일 실시예에 따른 3축 가속도 센서의 z축 속도 값과 영속도보정을 통한 z축 속도 값을 나타낸 그래프이다.
일반 보행으로 7걸음 움직였을 때 3축 가속도 센서 z축 속도의 변화를 보여준다.
Figure 112012043506690-pat00095
는 영속도 보정을 하지 않은 상태로 적분 시 오차가 누적되는 모습이 보이지만,
Figure 112012043506690-pat00096
는 누적되는 오차를 제거함으로써 한걸음 안에 일어나는 속도를 쉽게 구분할 수 있다.
도 6은 본 발명의 일 실시예에 따른 보행자 위치 지형 구분 알고리즘의 결과를 나타낸 그래프이다.
보행자가 정적인 상태로 있다가 평지 지형에서 계단 지형으로 이동하여 걸었을 때의 지형 구분 결과를 보여주는 것으로 최대 피크값(max peak)은
Figure 112012043506690-pat00097
이고,
Figure 112012043506690-pat00098
는 평지와 비 평지 지형을 구분하는 경계선이다.
최대 피크값인
Figure 112012043506690-pat00099
가
Figure 112012043506690-pat00100
보다 작은 경우 평지 지역(
Figure 112012043506690-pat00101
)으로 구분하고, 최대 피크값인
Figure 112012043506690-pat00102
가
Figure 112012043506690-pat00103
보다 큰 경우에는 비평지 지형(
Figure 112012043506690-pat00104
)으로 구분한다.
도 7은 본 발명의 일 실시예에 따른 보행자 관성항법 시스템의 높이 추정 결과를 나타낸 그래프이다.
보행자 관성항법 시스템은 보행자의 허리에 장착되고 보행자의 보폭은 약 0.55m의 정상 보행 형태로 가정하였다. 보행자는 1층에서 정적 상태로 있다가 평지 보행한 후, 2층으로 올라가서 다시 평지 보행한 후 다시 1층으로 내려와서 정적 상태로 있게 된다.
도 7을 참조하면,
Figure 112012043506690-pat00105
는 기압센서에서 출력되는 고도 값이고,
Figure 112012043506690-pat00106
는 칼만 필터를 이용하여 추정된 높이이다.
Figure 112012043506690-pat00107
는 한 걸음마다 측정되는 높이이고
Figure 112012043506690-pat00108
는 보행 상태 추정 알고리즘을 이용하여 추정된 최종 높이이다.
칼만 필터를 이용하여 추정된 높이는 한걸음마다 측정되는 출력 값이 부정확한 값을 보이며 40초 이후 하강 구간에서
Figure 112012043506690-pat00109
의 부정확한 출력에 대한 보상이 어려워져 큰 오차 값이 존재하게 된다. 하지만 보행 상태 추정 알고리즘을 이용하여 추정된 최종 높이
Figure 112012043506690-pat00110
는 기압센서에서 출력되는 고도의 오차가 제거되어 칼만 필터를 이용하여 추정된 높이
Figure 112012043506690-pat00111
보다 높이 오차가 1.3%에서 최대 46%정도 개선될 것을 알 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
110: 관성 센서 모듈 111: 3축 가속도 센서
112: 3축 자이로 센서 113: 기압 센서
120: 걸음 검출 및 보폭 추정 모듈 130: 자세 및 방향각 추정 모듈
140: 높이 추정 모듈 141: 칼만 필터
142: 영속도보정 143: 보행 상태 추정 알고리즘
143a: 보행자 위치 지형 구분 알고리즘
143b: 보행자의 상승 및 하강 상태 판단 알고리즘
143c: 높이 추정 개선 알고리즘

Claims (16)

  1. 3축 가속도 센서와 3축 자이로 센서 및 기압 센서를 포함하는 관성 센서 모듈;
    상기 3축 가속도 센서 신호를 이용하여 보행자의 걸음을 검출하고, 상기 보행자의 보폭을 추정하는 걸음 검출 및 보폭 추정 모듈;
    상기 3축 자이로 센서 신호와 상기 3축 가속도 센서 신호를 융합하여 자세를 추정하고, 상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각을 추정하는 자세 및 방향각 추정 모듈;
    상기 기압 센서의 고도 값과 상기 3축 가속도 센서의 z축 속도 값을 이용하여 칼만 필터를 통해 높이를 산출하고, 상기 3축 가속도 센서의 z축 영속도보정(ZUPT) 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 높이 추정 모듈을 포함하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  2. 제1항에 있어서, 상기 걸음 검출 및 보폭 추정 모듈은,
    피크 검출 기법과 영교차점 검출 기법을 결합하여 상기 보행자의 걸음을 검출하고, 상기 3축 가속도 센서 신호의 놈(norm) 값
    Figure 112012043506690-pat00112
    에 이동평균필터를 적용하여 상기 걸음 검출 시 발생하는 노이즈를 제거하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  3. 제1항에 있어서, 상기 걸음 검출 및 보폭 추정 모듈은,
    다음의 수학식과 같은 비선형 모델을 이용하여 보폭을 추정하고,
    [수학식]
    Figure 112012043506690-pat00113

    여기에서,
    Figure 112012043506690-pat00114
    은 보폭(Step Length)이고,
    Figure 112012043506690-pat00115
    는 보폭 결정 상수이고,
    Figure 112012043506690-pat00116
    는 한걸음에서 발생하는 최대 가속도 값이고,
    Figure 112012043506690-pat00117
    은 최소 가속도 값인 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  4. 제1항에 있어서, 상기 자세 및 방향각 추정 모듈은,
    다음의 수학식과 같은 변환 행렬에 따라 동체 좌표계에서 항법좌표계로 변환하고,
    [수학식]
    Figure 112012043506690-pat00118

    여기에서,
    Figure 112012043506690-pat00119
    는 쿼터니언으로 표현된 자세이고, 상기 쿼터니언 자세는 다음의 수학식을 이용하여 오일러 각 형식으로 변환할 수 있고,
    [수학식]
    Figure 112012043506690-pat00120

    여기에서,
    Figure 112012043506690-pat00121
    는 롤(Roll) 값이고,
    Figure 112012043506690-pat00122
    는 피치(Pitch) 값이고,
    Figure 112012043506690-pat00123
    는 요(Yaw) 값인 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  5. 제1항에 있어서, 상기 자세 및 방향각 추정 모듈은,
    1차 상보 필터를 사용하여 구현한 상기 3축 자이로 센서와 상기 3축 가속도 센서의 융합 알고리즘을 통해 롤(Roll)과 피치(Pitch)의 누적오차를 제거하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  6. 제1항에 있어서, 상기 자세 및 방향각 추정 모듈은,
    상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각 추정 시, 상기 3축 자이로 센서의 온도 보상과 센서 보정을 통해 바이어스 오차를 최소화하고, 상기 자이로 센서 신호의 놈(norm) 값
    Figure 112012043506690-pat00124
    을 이용하여 누적 오차를 최소화하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  7. 제1항에 있어서, 상기 높이 추정 모듈은,
    다음의 수학식을 이용하여 상기 기압 센서의 고도 값을 산출하고,
    [수학식]
    Figure 112012043506690-pat00125

    여기에서,
    Figure 112012043506690-pat00126
    는 기압 센서의 고도 값이고,
    Figure 112012043506690-pat00127
    는 기압 센서에서 출력된 기압이고,
    Figure 112012043506690-pat00128
    는 해면 기압인 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  8. 제7항에 있어서, 상기 높이 추정 모듈은,
    다음의 수학식으로 정의되는 칼만필터를 이용하여 노이즈를 제거한 높이
    Figure 112013003571813-pat00129
    를 산출하고,
    [수학식]
    Figure 112013003571813-pat00130

    여기에서,
    Figure 112013003571813-pat00131
    Figure 112013003571813-pat00132
    는 샘플링 주기이고,
    Figure 112013003571813-pat00133
    는 항법좌표계에서의 z축 가속도이고,
    Figure 112013003571813-pat00134
    는 상기 3축 가속도 센서 신호의 노이즈이고,
    Figure 112013003571813-pat00135
    는 상기 기압 센서의 노이즈 오차 값이고, 상기
    Figure 112013003571813-pat00149
    는 다음의 수학식과 같이 정의되고,
    [수학식]
    Figure 112013003571813-pat00136

    여기에서,
    Figure 112013003571813-pat00137
    는 높이이고,
    Figure 112013003571813-pat00138
    는 상기 3축 가속도 센서의 z축 속도인 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  9. 제8항에 있어서, 상기 높이 추정 모듈은,
    상기 걸음 검출 및 보폭 추정 모듈로부터 걸음이 검출된 시점을 영속구간으로 설정하고, 영속도보정(ZUPT)을 통해 한 걸음마다 누적되는 오차를 제거하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  10. 제9항에 있어서, 상기 높이 추정 모듈은,
    상기 보행 상태 추정 알고리즘(WSEA)이 보행자 위치 지형 구분 알고리즘, 보행자의 상승 및 하강 상태 판단 알고리즘, 높이 추정 개선 알고리즘을 포함하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  11. 제10항에 있어서, 상기 보행자 위치 지형 알고리즘은,
    상기 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 상기 보행자의 한 걸음 동안의 최대 속도 값을 구하고, 상기 최대 속도 값을 미리 정한 임계치와 비교하여 평지 또는 비평지 지역을 구분하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  12. 제11항에 있어서, 상기 보행자의 상승 및 하강 상태 판단 알고리즘은,
    상기 3축 가속도 센서 신호의 놈(norm) 값
    Figure 112012043506690-pat00139
    을 이용하여 상기
    Figure 112012043506690-pat00140
    의 최대 피크값이 먼저 발생하고 최소 피크값이 나중에 발생하는 경우에는 상승 상태로 판단하고,
    상기
    Figure 112012043506690-pat00141
    의 최소 피크값이 먼저 발생하고 최대 피크값이 나중에 발생하는 경우에는 하강 상태로 판단하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  13. 제12항에 있어서, 상기 높이 추정 개선 알고리즘은,
    상기 걸음 검출 지점 이전까지의 높이를 합하여 한걸음동안 높이의 평균값을 구하고, 상기 보행자의 현재높이까지의 높이 변화량을 계산한 후,
    상기 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태와 상기 계산된 높이 변화량의 상태가 동일한 경우에는 상기 높이의 평균값에 상기 높이 변화량을 적용하여 최종 높이를 추정하고,
    상기 보행자의 상승 및 하강 상태 판단 알고리즘에서 판단된 상태와 상기 계산된 높이 변화량의 상태가 동일하지 않은 경우에는 상기 영속도보정을 통한 z축 위치의한 한걸음 동안 위치 변화량을 적용하여 최종 높이를 추정하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템.
  14. 3축 가속도 센서 신호를 이용하여 보행자의 걸음을 검출하고, 상기 보행자의 보폭을 추정하는 단계;
    3축 자이로 센서 신호와 상기 3축 가속도 센서 신호를 융합하여 자세를 추정하고, 상기 3축 자이로 센서의 요(yaw) 각을 측정하여 방향각을 추정하는 단계;
    기압 센서의 고도 값과 상기 3축 가속도 센서의 z축 속도 값을 이용하여 칼만 필터를 통해 높이를 산출하는 단계;
    상기 가속도 센서의 영속도보정(ZUPT)한 z축 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 단계를 포함하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 높이 추정 방법.
  15. 제14항에 있어서, 상기 3축 가속도 센서의 z축 영속도보정(ZUPT) 속도 값을 보행 상태 추정 알고리즘(WSEA)에 적용하여 최종 높이를 추정하는 단계는,
    상기 보행자의 걸음 검출 지점의 속도와 걸음 검출 지점 이전의 속도의 차이를 이용하여 상기 보행자의 한걸음 동안의 최대 속도 값을 구하고, 상기 최대 속도 값을 미리 정한 임계치와 비교하여 상기 보행자가 위치한 지형을 구분하는 단계;
    상기 3축 가속도 센서 신호의 놈(norm) 값의 최대 피크값과 최소 피크값에 따라 보행자의 상승 및 하강 상태를 판단하는 단계;
    상기 보행자가 위치한 지형 및 보행자의 상승 및 하강 상태를 반영하여 칼만 필터를 통해 산출된 높이를 개선한 최종 높이를 추정하는 단계를 포함하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 높이 추정 방법.
  16. 제15항에 있어서, 상기 보행자가 위치한 지형 및 보행자의 상승 및 하강 상태를 반영하여 칼만 필터를 통해 산출된 높이를 개선한 최종 높이를 추정하는 단계는,
    상기 걸음 검출 지점 이전까지의 높이를 합하여 한걸음 동안 높이의 평균 값을 구하고, 상기 보행자의 현재 높이에서 이전 높이까지의 높이 변화량을 계산한 후,
    상기 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일한 경우에는 상기 높이의 평균 값에 상기 높이 변화량을 적용하여 최종 높이를 추정하고,
    상기 판단된 보행자의 상승 및 하강 상태와 상기 계산된 높이 변화량의 상태가 동일하지 않은 경우에는 상기 영속도보정을 통한 z축 위치의 한걸음 동안 위치 변화량을 적용하여 최종 높이를 추정하는 것을 특징으로 하는 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템의 높이 추정 방법.
KR1020120057856A 2012-05-31 2012-05-31 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법 KR101250215B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120057856A KR101250215B1 (ko) 2012-05-31 2012-05-31 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120057856A KR101250215B1 (ko) 2012-05-31 2012-05-31 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법

Publications (1)

Publication Number Publication Date
KR101250215B1 true KR101250215B1 (ko) 2013-04-03

Family

ID=48442229

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120057856A KR101250215B1 (ko) 2012-05-31 2012-05-31 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법

Country Status (1)

Country Link
KR (1) KR101250215B1 (ko)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103411607A (zh) * 2013-08-30 2013-11-27 华中师范大学 行人步长估计及航位推算方法
KR101470762B1 (ko) * 2013-12-05 2014-12-09 한국항공우주연구원 위치 추적 장치 및 방법
CN104197935A (zh) * 2014-05-29 2014-12-10 成都旗客科技有限公司 一种基于移动智能终端的室内定位方法
CN104729524A (zh) * 2013-12-18 2015-06-24 中国移动通信集团公司 一种步长估计方法、计步器及计步系统
KR20160080357A (ko) * 2014-12-29 2016-07-08 (주)프라디지컴 단말의 실내 위치를 측정하는 방법 및 사용자 단말
CN105806343A (zh) * 2016-04-19 2016-07-27 武汉理工大学 基于惯性传感器的室内3d定位系统及方法
CN105823483A (zh) * 2016-05-11 2016-08-03 南京邮电大学 一种基于惯性测量单元的用户步行定位方法
KR20160098823A (ko) * 2015-02-11 2016-08-19 서울대학교산학협력단 신발에 부착된 관성 센서를 이용하여 보폭 정보를 계산하는 휴대 단말 및 그 방법
KR101674816B1 (ko) * 2015-07-08 2016-11-09 재단법인대구경북과학기술원 Imu를 이용한 보행환경 측정 장치 및 보행환경 측정 방법
CN106767807A (zh) * 2015-11-20 2017-05-31 北京航空航天大学 一种基于身高和运动特征的行人步长综合测量方法
CN106901444A (zh) * 2017-04-12 2017-06-30 佛山市丈量科技有限公司 一种生理监控智能鞋垫
CN107084718A (zh) * 2017-04-14 2017-08-22 桂林电子科技大学 基于行人航迹推算的室内定位方法
KR20180042894A (ko) * 2016-10-18 2018-04-27 제주대학교 산학협력단 운동 동기 부여를 위한 걷기 활동량 예측 방법
CN108128438A (zh) * 2018-01-16 2018-06-08 沈阳朗峰科技有限公司 一种油动圆梯形垂直起降设备
KR20180111101A (ko) * 2017-03-31 2018-10-11 (주)와이파이브 기압계와 flaoa를 이용한 위치 추정 장치 및 방법
WO2019172461A1 (ko) * 2018-03-06 2019-09-12 주식회사 선택인터내셔날 차량의 움직임을 측정하기 위한 실시간 가속도 센서 보정 장치 및 이를 이용한 가속도 센서 보정 방법
KR20190120638A (ko) 2018-04-16 2019-10-24 한국전자통신연구원 신발 모델을 이용한 보행 항법 장치 및 그 방법
CN111012358A (zh) * 2019-12-26 2020-04-17 浙江福祉医疗器械有限公司 一种人体踝关节运动轨迹测量方法及可穿戴式设备
KR20200115380A (ko) * 2019-03-29 2020-10-07 주식회사 바딧 보행 정보를 분석하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR20200127647A (ko) 2019-05-03 2020-11-11 주식회사 인포웍스 복합 보행 동작 인식 기반 스마트 신발 및 이의 데이터 처리 방법
CN114469074A (zh) * 2021-12-15 2022-05-13 中国科学院深圳先进技术研究院 一种跌倒预警方法、系统、设备及计算机存储介质
CN114910045A (zh) * 2021-12-10 2022-08-16 浙江利尔达客思智能科技有限公司 一种基于六轴获取偏航角的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050097181A (ko) * 2004-03-31 2005-10-07 학교법인 대양학원 관성센서를 이용한 보행패턴 분석장치 및 그 방법
JP2007093433A (ja) 2005-09-29 2007-04-12 Hitachi Ltd 歩行者の動態検知装置
KR100827076B1 (ko) 2006-10-31 2008-05-02 삼성전자주식회사 이동거리 측정 장치 및 방법
KR20090061019A (ko) * 2009-03-27 2009-06-15 김종철 보행자용 지리정보시스템을 위한 보행항법과 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050097181A (ko) * 2004-03-31 2005-10-07 학교법인 대양학원 관성센서를 이용한 보행패턴 분석장치 및 그 방법
JP2007093433A (ja) 2005-09-29 2007-04-12 Hitachi Ltd 歩行者の動態検知装置
KR100827076B1 (ko) 2006-10-31 2008-05-02 삼성전자주식회사 이동거리 측정 장치 및 방법
KR20090061019A (ko) * 2009-03-27 2009-06-15 김종철 보행자용 지리정보시스템을 위한 보행항법과 장치

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103411607B (zh) * 2013-08-30 2015-10-14 华中师范大学 行人步长估计及航位推算方法
CN103411607A (zh) * 2013-08-30 2013-11-27 华中师范大学 行人步长估计及航位推算方法
KR101470762B1 (ko) * 2013-12-05 2014-12-09 한국항공우주연구원 위치 추적 장치 및 방법
CN104729524A (zh) * 2013-12-18 2015-06-24 中国移动通信集团公司 一种步长估计方法、计步器及计步系统
CN104197935A (zh) * 2014-05-29 2014-12-10 成都旗客科技有限公司 一种基于移动智能终端的室内定位方法
KR20160080357A (ko) * 2014-12-29 2016-07-08 (주)프라디지컴 단말의 실내 위치를 측정하는 방법 및 사용자 단말
KR101674993B1 (ko) * 2014-12-29 2016-11-10 (주)프라디지컴 단말의 실내 위치를 측정하는 방법 및 사용자 단말
KR101718392B1 (ko) * 2015-02-11 2017-03-21 서울대학교산학협력단 신발에 부착된 관성 센서를 이용하여 보폭 정보를 계산하는 휴대 단말 및 그 방법
KR20160098823A (ko) * 2015-02-11 2016-08-19 서울대학교산학협력단 신발에 부착된 관성 센서를 이용하여 보폭 정보를 계산하는 휴대 단말 및 그 방법
KR101674816B1 (ko) * 2015-07-08 2016-11-09 재단법인대구경북과학기술원 Imu를 이용한 보행환경 측정 장치 및 보행환경 측정 방법
CN106767807A (zh) * 2015-11-20 2017-05-31 北京航空航天大学 一种基于身高和运动特征的行人步长综合测量方法
CN105806343B (zh) * 2016-04-19 2018-05-22 武汉理工大学 基于惯性传感器的室内3d定位系统及方法
CN105806343A (zh) * 2016-04-19 2016-07-27 武汉理工大学 基于惯性传感器的室内3d定位系统及方法
CN105823483A (zh) * 2016-05-11 2016-08-03 南京邮电大学 一种基于惯性测量单元的用户步行定位方法
CN105823483B (zh) * 2016-05-11 2018-07-06 南京邮电大学 一种基于惯性测量单元的用户步行定位方法
KR20180042894A (ko) * 2016-10-18 2018-04-27 제주대학교 산학협력단 운동 동기 부여를 위한 걷기 활동량 예측 방법
KR101872702B1 (ko) * 2016-10-18 2018-08-03 제주대학교 산학협력단 운동 동기 부여를 위한 걷기 활동량 예측 방법
KR20180111101A (ko) * 2017-03-31 2018-10-11 (주)와이파이브 기압계와 flaoa를 이용한 위치 추정 장치 및 방법
KR102020801B1 (ko) * 2017-03-31 2019-09-11 (주)와이파이브 기압계와 flaoa를 이용한 위치 추정 방법
CN106901444A (zh) * 2017-04-12 2017-06-30 佛山市丈量科技有限公司 一种生理监控智能鞋垫
CN107084718A (zh) * 2017-04-14 2017-08-22 桂林电子科技大学 基于行人航迹推算的室内定位方法
CN108128438A (zh) * 2018-01-16 2018-06-08 沈阳朗峰科技有限公司 一种油动圆梯形垂直起降设备
WO2019172461A1 (ko) * 2018-03-06 2019-09-12 주식회사 선택인터내셔날 차량의 움직임을 측정하기 위한 실시간 가속도 센서 보정 장치 및 이를 이용한 가속도 센서 보정 방법
KR20190120638A (ko) 2018-04-16 2019-10-24 한국전자통신연구원 신발 모델을 이용한 보행 항법 장치 및 그 방법
KR20200115380A (ko) * 2019-03-29 2020-10-07 주식회사 바딧 보행 정보를 분석하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR102265479B1 (ko) * 2019-03-29 2021-06-15 주식회사 바딧 보행 정보를 분석하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR20200127647A (ko) 2019-05-03 2020-11-11 주식회사 인포웍스 복합 보행 동작 인식 기반 스마트 신발 및 이의 데이터 처리 방법
US11497443B2 (en) 2019-05-03 2022-11-15 Infoworks Inc. Smart shoe based on recognition of combined walking action and data processing method thereof
CN111012358A (zh) * 2019-12-26 2020-04-17 浙江福祉医疗器械有限公司 一种人体踝关节运动轨迹测量方法及可穿戴式设备
CN114910045A (zh) * 2021-12-10 2022-08-16 浙江利尔达客思智能科技有限公司 一种基于六轴获取偏航角的方法
CN114910045B (zh) * 2021-12-10 2024-04-19 浙江利尔达客思智能科技有限公司 一种基于六轴获取偏航角的方法
CN114469074A (zh) * 2021-12-15 2022-05-13 中国科学院深圳先进技术研究院 一种跌倒预警方法、系统、设备及计算机存储介质

Similar Documents

Publication Publication Date Title
KR101250215B1 (ko) 칼만 필터와 보행 상태 추정 알고리즘을 이용한 보행자 관성항법 시스템 및 보행자 관성항법 시스템의 높이 추정 방법
Kappi et al. MEMS-IMU based pedestrian navigator for handheld devices
CN109827568B (zh) 基于mems传感器的多层建筑中行人高度位置估计方法
CN106482733B (zh) 行人导航中基于足底压力检测的零速修正方法
CN107990895B (zh) 一种基于穿戴式imu的建筑物楼层间行人轨迹跟踪方法及系统
JP5838758B2 (ja) キャリブレーション方法、情報処理装置及びキャリブレーションプログラム
KR100630156B1 (ko) 개인 항법 기기에서 걸음 검출 장치 및 방법
EP1847807B1 (en) Motion classification methods for personal navigation
CN109099913B (zh) 一种基于mems惯性器件的穿戴式导航装置和方法
CN105247320A (zh) 使用气压测定值识别铅直方向的变化的装置
KR20090082711A (ko) 보행자 항법 시스템에서의 보폭 추정 방법 및 시스템
JP2005114537A (ja) 歩行動作検出処理装置および歩行動作検出処理方法
KR101522466B1 (ko) 보행자 발의 영속도 상태 검지 장치 및 그 방법, 및 이를 이용한 보행자 관성항법시스템
KR101693629B1 (ko) 로코모션 인터페이스 장치상에서 보행하는 보행자의 위치 추정 방법 및 장치
CN107976187B (zh) 一种融合imu和视觉传感器的室内轨迹重建方法及系统
JP2013531781A (ja) 対象物のゼロ速度状態の検出方法及びシステム
Jeon et al. An indoor positioning system using bluetooth RSSI with an accelerometer and a barometer on a smartphone
CN111024126A (zh) 一种行人导航定位中的自适应零速修正方法
KR101642286B1 (ko) 보행특성을 이용한 실내에서의 보행자 이동방향 추정 방법
KR101674816B1 (ko) Imu를 이용한 보행환경 측정 장치 및 보행환경 측정 방법
KR101301462B1 (ko) 저가형 관성 센서를 이용한 보행자 관성 항법 장치 및 그 항법
CN112362057A (zh) 基于零速修正与姿态自观测的惯性行人导航算法
Jao et al. A hybrid barometric/ultrasonic altimeter for aiding ZUPT-based inertial pedestrian navigation systems
KR101226767B1 (ko) 주행 장치를 위한 위치측정 시스템 및 방법
Davidson et al. Algorithm for pedestrian navigation combining IMU measurements and gait models

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180226

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190304

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20200303

Year of fee payment: 8