RU2685767C1 - Method and device for strap down inertial navigation - Google Patents
Method and device for strap down inertial navigation Download PDFInfo
- Publication number
- RU2685767C1 RU2685767C1 RU2018129460A RU2018129460A RU2685767C1 RU 2685767 C1 RU2685767 C1 RU 2685767C1 RU 2018129460 A RU2018129460 A RU 2018129460A RU 2018129460 A RU2018129460 A RU 2018129460A RU 2685767 C1 RU2685767 C1 RU 2685767C1
- Authority
- RU
- Russia
- Prior art keywords
- values
- angular velocity
- linear acceleration
- value
- magnetic field
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 139
- 230000001133 acceleration Effects 0.000 claims abstract description 210
- 238000012937 correction Methods 0.000 claims abstract description 102
- 230000003044 adaptive effect Effects 0.000 claims description 137
- 230000008859 change Effects 0.000 claims description 65
- 239000013598 vector Substances 0.000 claims description 59
- 238000013528 artificial neural network Methods 0.000 claims description 40
- 230000000306 recurrent effect Effects 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 26
- 238000012935 Averaging Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000006403 short-term memory Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 9
- 238000012706 support-vector machine Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
Description
УРОВЕНЬ ТЕХНИКИ ИЗОБРЕТЕНИЯBACKGROUND OF INVENTION
Область техники, к которой относится изобретенияThe technical field to which the invention relates.
Настоящее изобретение относится, в общем, к области бесплатформенной инерциальной навигации, и в частности, к способу и устройству бесплатформенной инерциальной навигации для определения пространственной ориентации и пространственной позиции объекта с использованием данных, полученных одним или несколькими инерциальными датчиками.The present invention relates generally to the field of strapdown inertial navigation, and in particular, to a method and device for strapdown inertial navigation to determine the spatial orientation and spatial position of an object using data obtained by one or more inertial sensors.
Описание предшествующего уровня техникиDescription of the prior art
Определение пространственной ориентации и пространственной позиции с использованием инерциальных данных описано, например, в патенте США US 9052202 B2, опубликованном 15.12.2011 и озаглавленном «USE OF INERTIAL SENSOR DATA TO IMPROVE MOBILE STATION POSITIONING», в котором вычисляемое значение выбирается из множества параллельно действующих моделей фильтра позиции навигации, причем данный способ осуществляет как определение факта отсутствия движения объекта, так и численную оценку меры движения. Недостаток данного подхода состоит в том, что, во-первых, значения линейного ускорения объекта и угловой скорости объекта с инерциальных датчиков не агрегируют, т.е. данный метод позволяет получить оценку пространственной ориентации объекта и пространственной позиции объекта только с некоторой вероятностью, а во-вторых, данный метод полностью ориентирован на работу с глобальной навигационной спутниковой системой.The definition of spatial orientation and spatial position using inertial data is described, for example, in US patent US 9052202 B2, published 12/15/2011 entitled "USE OF INERTIAL SENSOR DATA TO IMPROVE MOBILE STATION POSITIONING", in which the calculated value is selected from a set of parallel operating models filter position of navigation, and this method performs both the determination of the absence of movement of the object, and the numerical evaluation of the measure of movement. The disadvantage of this approach is that, first, the values of the linear acceleration of the object and the angular velocity of the object from inertial sensors do not aggregate, i.e. This method allows to obtain an estimate of the spatial orientation of the object and the spatial position of the object only with a certain probability, and secondly, this method is fully focused on working with the global navigation satellite system.
Другим способом, осуществляющим определение пространственной ориентации и пространственной позиции с использованием инерциальных данных, является подход, описанный в патентной заявке США US 20130158941 A1, опубликованной 20.06.2013 и озаглавленной «MOVING DIRECTION DETERMINATION WITH NOISY SIGNALS FROM INERTIAL NAVIGATION SYSTEMS ON MOBILE DEVICES», который использует модель энергии вибрации для определения факта наличия движения, а также оценки его направления. Недостатками данного метода являются низкое качество оценки движения и неприменимость для случаев сложного движения, так как в результате работы не производится оценка измерения ускорения во времени.Another method for determining spatial orientation and spatial position using inertial data is the approach described in US patent application US 20130158941 A1, published June 20, 2013, entitled "MOVING DIRECTION DETERMINATION WITH NOISY SIGNALS FROM INERTIAL NAVIGATION SYSTEMS ON MOBILE DEVICES" uses a vibration energy model to determine if there is motion, and also to estimate its direction. The disadvantages of this method are the low quality of motion estimation and inapplicability for cases of complex motion, since as a result of the work, the measurement of acceleration over time is not performed.
Еще одним способом определения пространственной ориентации объекта и пространственной позиции объекта с использованием инерциальных данных является метод, описанный в статье S. M. LaValle, et al., Head tracking for the Oculus Rift, ICRA, 187-194 (2014) и заключающийся в численном интегрировании кинематически ограниченных и обработанных фильтром Калмана значений с инерциальных датчиков. Недостатками данного метода является, во-первых, практическая неприменимость для оценки пространственной позиции объекта, а во-вторых, чувствительность вычисленных значений угла рыскания к изменению магнитного поля.Another way to determine the spatial orientation of the object and the spatial position of the object using inertial data is the method described in the article SM LaValle, et al. and values from inertial sensors processed by the Kalman filter. The disadvantages of this method are, firstly, the practical inapplicability to assess the spatial position of the object, and secondly, the sensitivity of the calculated values of the yaw angle to changes in the magnetic field.
Следующим примером определения пространственной ориентации объекта и пространственной позиции объекта с использованием инерциальных данных является подход, описанный в статье Х. Sun, et al., A ZUPT-Based Method for Astronaut Navigation on Planetary Surface and Performance Evaluation under Different Locomotion Patterns, ISPRS, XL-4, 239-242 (2014). Сущностью данного подхода является использование улучшенного метода коррекции по нулевой скорости (Zero-Velocity Update, ZUPT) с использованием расширенного фильтра Калмана в моменты отсутствия движения. Серьезными недостатками данного метода являются необходимость априорных знаний об остановке объекта, а также невозможность оценки пространственной ориентации объекта.The following example of determining the spatial orientation of an object and the spatial position of an object using inertial data is the approach described in the article by X. Sun, et al. -4, 239-242 (2014). The essence of this approach is the use of an improved Zero-Velocity Update (ZUPT) correction method using the advanced Kalman filter in the moments of no movement. Serious disadvantages of this method are the need for a priori knowledge about the object stopping, as well as the impossibility of assessing the spatial orientation of the object.
Еще одним подходом, использующим инерциальные данные, является подход, описанный в статье D. Anguita et al., A Hardware-friendly Support Vector Machine for Embedded Automotive Applications, IJCNN, 1360-1364 (2007). В основу данного метода положена классификация типов движений пользователя с использованием укрепленного на ремне комплектом инерциальных датчиков с помощью метода опорных векторов. Данный метод не производит оценку пространственной позиции объекта и пространственной ориентации объекта, а нацелен только на классификацию типов движения пользователя, таких как бег, ходьба, подъем по лестнице и т.п.Another approach that uses inertial data is the approach described in article D. Anguita et al., A Hardware-friendly Support Vector Machine for Embedded Automotive Applications, IJCNN, 1360-1364 (2007). This method is based on the classification of types of user movements using a set of inertial sensors mounted on a belt using the support vector machine method. This method does not estimate the spatial position of the object and the spatial orientation of the object, and is aimed only at the classification of the types of movement of the user, such as running, walking, climbing stairs, etc.
Таким образом, существует потребность в способах и устройствах, которые более точно осуществляют оценку как пространственной ориентации объекта, так и пространственной позиции объекта с использованием измерений инерциального датчика для сложного пространственного перемещения объекта, произвольного по характеру (скорости, ускорению) и направлению, без согласования с внешними ориентирами и/или использовании поступающих извне данных.Thus, there is a need for methods and devices that more accurately assess both the spatial orientation of an object and the spatial position of an object using measurements of an inertial sensor for complex spatial movement of an object, arbitrary in character (speed, acceleration) and direction, without external reference points and / or use of incoming data from outside.
Настоящее изобретение предназначено для определения пространственной позиции объекта и пространственной ориентации объекта на основании зашумленных и искаженных измерений, выполненных одним инерциальным датчиком, без необходимости в согласовании с внешними ориентирами и/или использовании поступающих извне данных в условиях произвольного пространственного перемещения объекта.The present invention is intended to determine the spatial position of an object and the spatial orientation of an object based on noisy and distorted measurements made by one inertial sensor, without the need for coordination with external reference points and / or using incoming data from outside in an arbitrary spatial displacement of the object.
СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF INVENTION
Целью настоящего изобретения является обеспечение способа и устройства бесплатформенной инерциальной навигации, которые позволяют получить по меньшей мере одно из следующих преимуществ:The aim of the present invention is the provision of a method and device for strapdown inertial navigation, which allow you to get at least one of the following advantages:
- обеспечение устойчивого определения пространственной ориентации объекта и пространственной позиции объекта в течение длительного времени на основании зашумленных и искаженных измерений, выполненных одним или более инерциальным датчиком, без согласования с внешними ориентирами, без использования дополнительных данных от устройств, считывающих информацию об окружающем пространстве, таких как камера, приемник сигналов глобальной системы позиционирования и т.п.;- ensuring sustainable determination of the spatial orientation of the object and the spatial position of the object for a long time based on noisy and distorted measurements made by one or more inertial sensors, without coordination with external reference points, without using additional data from devices that read information about the surrounding space, such as camera, global positioning system receiver, etc .;
- определение пространственной ориентации объекта и пространственной позиции объекта в условиях произвольного пространственного перемещения объекта по характеру (скорости, ускорению) и направлению движения, таких как отдельные шаги с фиксацией стопы, длительное плавное движение, и т.п.; безотносительно пространственной ориентации объекта, то есть пространственная ориентация объекта может не совпадать с направлением движения объекта;- determination of the spatial orientation of the object and the spatial position of the object in terms of an arbitrary spatial displacement of the object according to its character (speed, acceleration) and direction of movement, such as individual steps with fixation of the foot, long smooth movement, etc .; irrespective of the spatial orientation of the object, that is, the spatial orientation of the object may not coincide with the direction of movement of the object;
- отсутствие необходимости фабричной калибровки устройства, возможность компенсации отклонения нулевой угловой скорости гироскопа инерциального датчика и компенсации влияния неоднородности магнитного поля на значение угловой скорости объекта непосредственно в процессе использования;- no need for factory calibration of the device, the ability to compensate for the deviation of the zero angular velocity of the gyroscope of the inertial sensor and compensate for the influence of the inhomogeneity of the magnetic field on the value of the angular velocity of the object directly in use
- возможность объединения с другими способами и устройствами инерциальной навигации, например, на основе визуальной одометрии, или систем глобального позиционирования с целью длительного непрерывного определение пространственной ориентации объекта и пространственной позиции объекта в сложных условиях окружающей среды, таких как плохое и/или быстро меняющееся освещение, изменение температуры, наводки магнитных полей, и т.п.; - the possibility of combining with other methods and devices of inertial navigation, for example, based on visual odometry, or global positioning systems for the purpose of long-term continuous determination of the spatial orientation of an object and the spatial position of an object in difficult environmental conditions, such as poor and / or rapidly changing lighting temperature change, magnetic field induction, etc .;
- возможность встраивания во множество различных устройств, таких как шлемы виртуальной/дополненной/совмещенной реальности, воздушные/наземные/подводные дроны, самоуправляемый транспорт (самокат, велосипед, автомобиль и т.п.), механизированные протезы, и т.п.- The possibility of embedding in a variety of different devices, such as helmets, virtual / augmented / combined reality, air / ground / underwater drones, self-guided vehicles (scooter, bicycle, car, etc.), mechanized prostheses, etc.
В настоящей заявке раскрыт способ бесплатформенной инерциальной навигации, содержащий этапы, на которых: принимают значения линейного ускорения объекта, измеренные акселерометром инерциального датчика, значения угловой скорости объекта, измеренные гироскопом инерциального датчика, значения температуры инерциального датчика, измеренные термометром инерциального датчика и значения напряженности магнитного поля, измеренные магнетометром инерциального датчика, причем значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры инерциального датчика и значения напряженности магнитного поля, воздействующего на магнетометр инерциального датчика, измерены по меньшей мере одним инерциальным датчиком; если выявлено отклонение нулевой угловой скорости гироскопа инерциального датчика, выполняют коррекцию принятых значений угловой скорости объекта на поправочный коэффициент для текущего значения температуры, причем набор поправочных коэффициентов для каждого значения рабочей температуры инерциального датчика получен заранее; если выявлено изменение напряженности магнитного поля, выполняют коррекцию принятых значений угловой скорости объекта на поправочный коэффициент, причем значение поправочного коэффициента вычисляется как решение оптимизационной задачи; определяют текущую пространственную ориентацию объекта на основании принятых значений угловой скорости, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля; определяют, движется ли объект, на основании принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании принятых значений линейного ускорения объекта и скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта, причем первая интеллектуальная модель изменения движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект; и при определении наличия движения объекта определяют текущую пространственную позицию объекта на основании принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании принятых значений линейного ускорения объекта и скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной второй интеллектуальной модели движения объекта, причем вторая интеллектуальная модель движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект, а при определении отсутствия движения объекта задают текущую пространственную позицию объекта равной предыдущей пространственной позиции объекта.This application discloses a strapless inertial navigation method, comprising the steps of: taking the linear acceleration values of an object measured by an accelerometer of an inertial sensor, the angular velocity of an object measured by an inertial sensor gyroscope, measured by an inertial sensor thermometer, and magnetic field values measured by an inertial sensor magnetometer, with the object’s linear acceleration values, angular velocity values The object, the temperature values of the inertial sensor and the magnetic field intensity acting on the inertial sensor magnetometer, are measured at at least one inertial sensor; if a deviation of the zero angular velocity of the gyroscope of the inertial sensor is detected, the accepted values of the angular velocity of the object are corrected by the correction factor for the current temperature value, and a set of correction factors for each value of the operating temperature of the inertial sensor is obtained in advance; if a change in the magnetic field strength is detected, correction of the accepted values of the angular velocity of the object by the correction factor is performed, and the value of the correction factor is calculated as a solution to the optimization problem; determine the current spatial orientation of the object based on the accepted values of the angular velocity, if no deviation of the zero angular velocity and / or a change in the magnetic field strength, or corrected values of the angular velocity of the object is detected, if a deviation of the zero angular velocity and / or a change in the magnetic field strength is detected; determine whether the object is moving based on the accepted values of the linear acceleration of the object and the adopted values of the angular velocity of the object, if no deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, or based on the adopted values of the linear acceleration of the object and the corrected values of the angular velocity of the object, if a deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, using the previously obtained first intelligent model of change the object, the first intellectual model object changes the motion obtained in advance based on the characteristics of movement of at least one object of the same type as that of said object; and when determining whether the object has motion, determine the current spatial position of the object based on the accepted values of the linear acceleration of the object and the adopted values of the angular velocity of the object, if no deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, or based on the accepted values of the linear acceleration of the object and corrected values of the angular velocity of the object, if a deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, using the received second intellectual model of object motion, the second intellectual model of object motion obtained in advance based on the characteristic motion characteristics of at least one object of the same type as the said object, and when determining the absence of object motion set the current spatial position of the object equal to the previous spatial position object.
В дополнительном аспекте способ дополнительно содержит этап, на котором фильтруют принятые значения линейного ускорения объекта и принятые значения угловой скорости объекта для подавления шума, при этом фильтрацию принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта выполняют посредством взвешенного усреднения методом скользящего окна.In an additional aspect, the method further comprises filtering the received values of the linear acceleration of the object and the received values of the angular velocity of the object to suppress noise, while filtering the received values of the linear acceleration of the object and the received values of the angular velocity of the object by means of weighted averaging using the sliding window method.
В другом дополнительном аспекте получение поправочного коэффициента для каждого значения рабочей температуры инерциального датчика содержит этапы, на которых: определяют, движется ли объект, на основании значений линейного ускорения объекта и значений угловой скорости объекта с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта; если определено, что объект не движется, формируют набор принятых значений угловой скорости объекта для текущего значения рабочей температуры инерциального датчика, причем оптимальное количество принятых значений угловой скорости объекта в упомянутом наборе определяется на основании оптимизации соотношения смещения среднего значения угловой скорости объекта и величины разброса значений угловой скорости объекта; усредняют принятые значения угловой скорости объекта упомянутого набора методом взвешенного среднего и вычисляют поправочный коэффициент для текущего значения рабочей температуры инерциального датчика посредством решения регрессионного уравнения, при этом формирование набора принятых значений угловой скорости объекта и вычисление поправочного коэффициента выполняют для каждого значения рабочей температуры инерциального датчика.In another additional aspect, obtaining a correction factor for each value of the operating temperature of the inertial sensor comprises the steps of: determining whether the object is moving based on the linear acceleration values of the object and the angular velocity values of the object using the previously obtained first intelligent model of the change in the movement of the object; if it is determined that the object is not moving, form a set of accepted values of the angular velocity of the object for the current value of the operating temperature of the inertial sensor, and the optimal number of received values of the angular velocity of the object in the set is determined based on optimizing the ratio of the displacement of the average angular velocity of the object and the magnitude of the spread of the angular object speed; average the received values of the angular velocity of the object of the above set by the method of weighted average and calculate the correction factor for the current value of the inertial sensor operating temperature by solving the regression equation, while forming the set of the accepted values of the angular velocity of the object and calculating the correction factor for each value of the inertial sensor operating temperature.
В еще одном дополнительном аспекте оптимальное количество принятых значений угловой скорости объекта в упомянутом наборе определяется методом пересечения доверительных интервалов.In yet another additional aspect, the optimal number of accepted values of the angular velocity of an object in said set is determined by the method of intersection of the confidence intervals.
В еще одном дополнительном аспекте вычисление поправочных коэффициентов для принятого значения напряженности магнитного поля для коррекций принятых значений угловой скорости объекта по изменению напряженности магнитного поля содержит этапы, на которых: принимают значения напряженности магнитного поля, модель распределения напряженности магнитного поля и предварительные калибровочные параметры магнетометра инерциального датчика, причем модель распределения напряженности магнитного поля и калибровочные параметры вычислены заранее; производится корректировка принятых значений напряженности магнитного поля с использованием калибровочных параметров магнетометра; если скорректированные значения напряженности магнитного поля удовлетворяют диапазону из принятой модели распределения напряженности магнитного поля, производится расчет поправочных коэффициентов принятых значений угловой скорости объекта как мера отклонения текущего вектора напряженности от значения упомянутой модели, если скорректированные значения напряженности магнитного поля не удовлетворяют диапазону из принятой модели распределения напряженности магнитного поля, производится перерасчет калибровочных параметров как задача ортогонализации и минимизации смещения среднего значения напряженности и кросс-корреляции между осями.In yet another additional aspect, the calculation of the correction factors for the received value of the magnetic field strength for correcting the adopted values of the object’s angular velocity by varying the magnetic field strength includes the steps of: taking the magnetic field strength values, the magnetic field distribution model, and the inertial sensor magnetometer , with the model of the distribution of magnetic field strength and calibration parameters calculated zara her; the accepted values of the magnetic field strength are adjusted using the calibration parameters of the magnetometer; If the corrected values of the magnetic field strength satisfy the range of the accepted model of the distribution of the magnetic field strength, the correction coefficients of the accepted values of the angular velocity of the object are calculated as a measure of the deviation of the current vector of intensity from the model, if the corrected values of the magnetic field strength magnetic field, the calibration parameters are recalculated as orthogonalization and minimization of the mean value of the tension and cross-correlation between the axes.
В еще одном дополнительном аспекте текущую пространственную ориентацию объекта вычисляют методом численного интегрирования.In yet another additional aspect, the current spatial orientation of the object is calculated by numerical integration.
В еще одном дополнительном аспекте определение, движется ли объект, выполняют путем сравнения значения евклидовой нормы угловой скорости объекта с одной константой и сравнения значения евклидовой нормы линейного ускорения объекта с другой константой, причем упомянутые сравнения с константами заданы в первой интеллектуальной модели изменения движения объекта, при этом определяют, что объект не движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта не превышают упомянутую константу, и определяют, что объект движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта превышают упомянутую константу.In yet another additional aspect, determining whether an object is moving is performed by comparing the value of the Euclidean norm of the angular velocity of an object with one constant and comparing the value of the Euclidean norm of linear acceleration of the object with another constant, and the above comparisons with constants are specified in the first intellectual model of the object’s movement, this determines that the object does not move if the value of the Euclidean norm of the angular velocity of the object and the value of the Euclidean norm of the linear acceleration of the object do not exceed the mentioned a constant, and it is determined that the object moves if the value of the Euclidean norm of the angular velocity of the object and the value of the Euclidean norm of the linear acceleration of the object exceed the mentioned constant.
В еще одном дополнительном аспекте определение, движется ли объект, осуществляется путем сравнения значения евклидовой нормы линейного ускорения объекта с одним адаптивным порогом методом скользящего окна и сравнения значения евклидовой нормы угловой скорости объекта с другим адаптивным порогом методом скользящего окна, причем способ упомянутого сравнения с адаптивными порогами и способ вычисления адаптивных порогов методом скользящего окна заданы в первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, determining whether an object moves is performed by comparing the value of the Euclidean norm of linear acceleration of an object with one adaptive threshold by the sliding window method and comparing the value of the Euclidean norm of the angular velocity of the object with another adaptive threshold by the sliding window method and the method of calculating adaptive thresholds using the sliding window method is specified in the first intellectual model of the change in the motion of an object.
В еще одном дополнительном аспекте вычисление адаптивного порога и сравнение с ним евклидовой нормы линейного ускорения объекта производится итеративно и содержит этапы, на которых: устанавливают адаптивный порог, причем предварительно считается, что объект не движется, и адаптивный порог вычислен заранее; принимают заданный порог для определения движения и заданный порог для определения отсутствия движения; производят сравнение значения нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта не превышает адаптивный порог, то определяют, что объект не движется; если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяют длительность, как долго значение нормы линейного ускорения объекта превышает адаптивный порог; если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога превышает порог для определения движения, то определяют, что объект движется, при этом адаптивный порог не изменяется; если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога не превышает порог для определения движения, то определяют, что объект не движется; если определено, что объект не движется, производят перерасчет текущего адаптивного порога путем вычисления среднего взвешенного значений линейного ускорения объекта в скользящем окне, а затем присвоения текущему значению адаптивного порога максимального значения между текущим значением адаптивного порога и максимальным значением между вычисленными средним взвешенным значением и максимальным значением ковариационной матрицы; если определено, что объект движется, сравнивают значение нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяют, что объект продолжает движение; если значение нормы линейного ускорения объекта не превышает адаптивный порог, то завершение движения определяют путем сравнения длительности, как долго значение нормы линейного ускорения объекта меньше порога для определения отсутствия движения, и если длительность нахождения менее адаптивного порога превышает порог для определения отсутствия движения, то определяют, что объект не движется, при этом адаптивный порог пересчитывают в соответствии с нормой входных значений линейного ускорения объекта.In yet another additional aspect, the calculation of the adaptive threshold and the comparison with it of the Euclidean norm of the linear acceleration of an object are performed iteratively and contain steps in which: an adaptive threshold is established, it is preliminarily considered that the object does not move and the adaptive threshold is calculated in advance; taking a predetermined threshold for determining movement and a predetermined threshold for determining the absence of movement; comparing the value of the norm of the linear acceleration of an object with an adaptive threshold, and if the value of the norm of the linear acceleration of the object does not exceed the adaptive threshold, then it is determined that the object does not move; if the value of the norm of linear acceleration of an object exceeds the adaptive threshold, then determine the duration, how long the norm of the norm of linear acceleration of the object exceeds the adaptive threshold; if the duration of finding the norm of the linear acceleration of an object of a more adaptive threshold exceeds the threshold for determining movement, then it is determined that the object moves, while the adaptive threshold does not change; if the duration of finding the norm of the linear acceleration of an object of a more adaptive threshold does not exceed the threshold for determining movement, then it is determined that the object does not move; if it is determined that the object is not moving, recalculate the current adaptive threshold by calculating the average weighted values of the linear acceleration of the object in the sliding window, and then assigning the current value of the adaptive threshold to the maximum value between the current value of the adaptive threshold and the maximum value covariance matrix; if it is determined that the object is moving, compare the value of the norm of the linear acceleration of the object with the adaptive threshold, and if the value of the norm of the linear acceleration of the object exceeds the adaptive threshold, then it is determined that the object continues to move; if the value of the norm of linear acceleration of an object does not exceed the adaptive threshold, then the completion of the movement is determined by comparing the duration, how long the norm of the linear acceleration of the object is less than the threshold for determining no motion, and if the duration of finding a less adaptive threshold exceeds the threshold for determining no motion, then determine that the object does not move, while the adaptive threshold is recalculated in accordance with the norm of the input values of the linear acceleration of the object.
В еще одном дополнительном аспекте адаптивный порог вычисляют как усредненное по множеству различный тестовых данных значение нормы линейного ускорения объектов одного того же типа, при котором однозначно выявлено движение.In yet another additional aspect, the adaptive threshold is calculated as the value of the norm of linear acceleration of objects of the same type, averaged over a variety of different test data, at which movement is uniquely detected.
В еще одном дополнительном аспекте определение, движется ли объект, осуществляется с использованием по меньшей мере одной предварительно обученной рекуррентной нейронной сети в качестве первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, determining whether an object is moving is carried out using at least one previously trained recurrent neural network as the first intelligent model for changing the movement of an object.
В еще одном дополнительном аспекте определение, движется ли объект, осуществляется с использованием каскада предварительно обученных рекуррентных нейронных сетей в качестве первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, the determination of whether an object is moving is performed using a cascade of pre-trained recurrent neural networks as the first intelligent model for changing the movement of an object.
В еще одном дополнительном аспекте каждая рекуррентная нейронная сеть представляет собой долгую краткосрочную память (LSTM).In yet another additional aspect, each recurrent neural network is a long short-term memory (LSTM).
В еще одном дополнительном аспекте определение текущей пространственной позиции объекта при определении наличия движения объекта содержит этапы, на которых: определяют вектор направления движения объекта посредством вычисления среднего значения значений линейного ускорения объекта в глобальной системе координат методом скользящего окна и привязки этого среднего значения к системе координат, в которой вертикальная ось параллельна вектору ускорения свободного падения; оценивают скорость объекта на основании значений линейного ускорения объекта с использованием второй интеллектуальной модели движения объекта; проецируют оцененную скорость объекта на определенный вектор направления движения объекта и получают текущую пространственную позицию объекта методом численного интегрирования.In yet another additional aspect, determining the current spatial position of an object when determining the presence of an object’s movement includes the steps of: determining the direction vector of the object’s motion by calculating the average value of the linear acceleration of the object in the global coordinate system using the sliding window method and associating this average value to the coordinate system in which the vertical axis is parallel to the gravitational acceleration vector; estimate the speed of the object based on the values of the linear acceleration of the object using the second intellectual model of the movement of the object; projecting the estimated velocity of the object onto a certain vector of the direction of motion of the object and obtaining the current spatial position of the object by a method of numerical integration.
В еще одном дополнительном аспекте определяют вектор направления движения объекта методом опорных векторов (SVM).In yet another additional aspect, the vector of the direction of movement of the object is determined by the support vector machine (SVM).
В еще одном дополнительном аспекте определяют вектор направления движения объекта с использованием предварительно обученной рекуррентной нейронной сети.In yet another additional aspect, an object direction vector is determined using a pre-trained recurrent neural network.
В еще одном дополнительном аспекте оценивают линейную скорость объекта на основании значений линейного ускорения объекта с использованием полиномиальной модели скорости в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, the linear velocity of the object is estimated based on the linear acceleration values of the object using the polynomial velocity model as the second intelligent model of the object's motion.
В еще одном дополнительном аспекте оценивают линейную скорость объекта на основании значений линейного ускорения объекта с использованием предварительно обученной рекуррентной нейронной сети в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, the linear velocity of the object is estimated based on the values of the linear acceleration of the object using a pre-trained recurrent neural network as the second intelligent model of the movement of the object.
В еще одном дополнительном аспекте оценивают линейную скорость объекта на основании значений линейного ускорения объекта с использованием комбинации предварительно обученных моделей в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, an object's linear velocity is estimated based on the object's linear acceleration values using a combination of pre-trained models as a second intelligent model of the object's motion.
В еще одном дополнительном аспекте, если принимают значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры и значения напряженности магнитного поля, измеренные более чем одним инерциальным датчиком, то независимо определяют текущую пространственную ориентацию объекта на основании принятых значений, измеренных каждым датчиком, и независимо определяют текущую пространственную позицию объекта на основании принятых значений, измеренных каждым датчиком, при этом упомянутый способ дополнительно содержит этапы, на которых: вычисляют результирующую текущую пространственную ориентацию объекта на основании всех текущих пространственных ориентаций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков; и вычисляют результирующую текущую пространственную позицию объекта на основании всех текущих пространственных позиций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков.In yet another additional aspect, if the values of the linear acceleration of the object, the angular velocity of the object, the temperature values and the magnetic field strength values measured by more than one inertial sensor are taken, then the current spatial orientation of the object is independently determined on the basis of the adopted values measured by each sensor independently determine the current spatial position of the object on the basis of the adopted values measured by each sensor, with the aforementioned method additionally containing Stages include: compute the resulting current spatial orientation of the object based on all the current spatial orientations of the object, determined independently based on the received values from different inertial sensors; and calculate the resulting current spatial position of the object based on all current spatial positions of the object, determined independently based on the received values from different inertial sensors.
В еще одном дополнительном аспекте вычисление результирующей текущей пространственной ориентации объекта и вычисление результирующей текущей пространственной позиции объекта производятся посредством взвешенного усреднения текущих пространственных ориентаций объекта и текущих пространственных позиций объекта, определенных независимо на основании принятых значений, измеренных разными инерциальными датчиками.In yet another additional aspect, the calculation of the resulting current spatial orientation of the object and the calculation of the resulting current spatial position of the object are performed by weighted averaging of the current spatial orientations of the object and the current spatial positions of the object, determined independently based on the adopted values measured by different inertial sensors.
Кроме того, в настоящей заявке раскрыто устройство бесплатформенной инерциальной навигации, содержащее: блок коррекции по температуре, выполненный с возможностью, если выявлено отклонение нулевой угловой скорости гироскопа инерциального датчика, выполнения коррекции значений угловой скорости объекта на поправочный коэффициент для текущего значения температуры, причем набор поправочных коэффициентов для каждого значения рабочей температуры инерциального датчика получен заранее; блок коррекции по магнитному полю, выполненный с возможностью, если выявлено изменение напряженности магнитного поля, выполнения коррекции значений угловой скорости объекта на поправочный коэффициент, причем значение поправочного коэффициента вычисляется как решение оптимизационной задачи; блок определения пространственной ориентации, выполненный с возможностью определения текущей пространственной ориентации объекта на основании значений угловой скорости, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля; блок определения движения, выполненный с возможностью определения, движется ли объект, на основании значений линейного ускорения объекта и значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании значений линейного ускорения объекта и скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта, причем первая интеллектуальная модель изменения движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект; и блок определения пространственной позиции, выполненный с возможностью, при определении наличия движения объекта, определения текущей пространственной позиции объекта на основании значений линейного ускорения объекта и значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании значений линейного ускорения объекта и скорректированных значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной второй интеллектуальной модели движения объекта, причем вторая интеллектуальная модель движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект, а, при определении отсутствия движения объекта, задания текущей пространственной позиции объекта равной предыдущей пространственной позиции объекта, при этом значения линейного ускорения объекта измерены акселерометром инерциального датчика, значения угловой скорости объекта, измерены гироскопом инерциального датчика, значения температуры инерциального датчика, измерены термометром инерциального датчика и значения напряженности магнитного поля, измерены магнетометром инерциального датчика, причем значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры инерциального датчика и значения напряженности магнитного поля, воздействующего на магнетометр инерциального датчика, измерены по меньшей мере одним инерциальным датчиком.In addition, the present application discloses a strapdown inertial navigation device, comprising: a temperature correction unit adapted to, if a deviation of the zero angular velocity of the gyroscope of the inertial sensor is detected, to correct the angular velocity values of the object by the correction factor for the current temperature value, and a set of correction coefficients for each value of the operating temperature of the inertial sensor obtained in advance; a magnetic field correction unit, configured to, if a change in the magnetic field strength is detected, perform correction of the angular velocity values of the object by the correction factor, and the value of the correction factor is calculated as a solution to the optimization problem; a spatial orientation determination unit configured to determine the current spatial orientation of an object based on the angular velocity values, if no deviation of the zero angular velocity and / or a change in the magnetic field strength, or corrected angular velocity values of the object is detected, if a deviation of the zero angular velocity and / or change in magnetic field strength; a motion detection unit configured to determine whether the object is moving based on the linear acceleration values of the object and the angular velocity values of the object, if no deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, or based on the linear acceleration values of the object and corrected values the angular velocity of the object, if a deviation of the zero angular velocity and / or a change in the magnetic field strength is detected, using the previously obtained first intel ektualnoy change model of the object, wherein the first intelligent model changes of the object is obtained in advance based on the characteristics of movement of at least one object of the same type as that of said object; and a spatial position determination unit, configured to determine the current spatial position of the object based on the linear acceleration values of the object and the values of the angular velocity of the object, if no deviation of the zero angular velocity and / or a change in the magnetic field is detected, or the basis of the values of the linear acceleration of the object and the corrected values of the angular velocity of the object, if a deviation of zero angular velocity and / or a change in voltage is detected magnetic field using the previously obtained second intellectual model of the object's movement, the second intellectual model of the object's movement obtained in advance based on the characteristic features of the movement of at least one object of the same type as the said object, and, when determining the absence of the object's movement, the current spatial position of the object is equal to the previous spatial position of the object, while the values of the linear acceleration of the object are measured with an accelerometer inertial the sensor, the angular velocity of the object, measured by the gyro of the inertial sensor, the temperature of the inertial sensor, measured by the thermometer of the inertial sensor and the magnetic field strengths the intensity of the magnetic field acting on the magnetometer of the inertial sensor, measured by at least one inertial tchikom.
В дополнительном аспекте устройство дополнительно содержит фильтр, выполненный с возможностью фильтрации значений линейного ускорения объекта и значений угловой скорости объекта для подавления шума, при этом фильтрацию значений линейного ускорения объекта и значений угловой скорости объекта выполняется посредством взвешенного усреднения методом скользящего окна.In an additional aspect, the device further comprises a filter adapted to filter the linear acceleration values of the object and the angular velocity values of the object to suppress noise, while filtering the linear acceleration values of the object and angular velocity values of the object is performed by weighted averaging using the sliding window method.
В другом дополнительном аспекте блок коррекции по температуре получает поправочный коэффициент для каждого значения рабочей температуры инерциального датчика посредством: если определено, что объект не движется, формирования набора значений угловой скорости объекта для текущего значения рабочей температуры инерциального датчика, причем оптимальное количество значений угловой скорости объекта в упомянутом наборе определяется на основании оптимизации соотношения смещения среднего значения угловой скорости объекта и величины разброса значений угловой скорости объекта; усреднения значений угловой скорости объекта упомянутого набора методом взвешенного среднего и вычисления поправочного коэффициента для текущего значения рабочей температуры инерциального датчика посредством решения регрессионного уравнения, при этом формирование набора значений угловой скорости объекта и вычисление поправочного коэффициента выполняют для каждого значения рабочей температуры инерциального датчика.In another additional aspect, the temperature correction unit obtains a correction factor for each value of the inertial sensor operating temperature by: if it is determined that the object is not moving, generating a set of object angular velocity values for the current value of the inertial sensor operating temperature, said set is determined based on the optimization of the ratio of the displacement of the average value of the angular velocity of the object and the magnitude of the wasp values of the angular speed of the object; averaging the angular velocity values of the object of the above set using the weighted average method and calculating the correction factor for the current value of the inertial sensor operating temperature by solving the regression equation;
В еще одном дополнительном аспекте оптимальное количество значений угловой скорости объекта в упомянутом наборе определяется методом пересечения доверительных интервалов.In yet another additional aspect, the optimal number of angular velocity values of an object in said set is determined by the method of intersection of confidence intervals.
В еще одном дополнительном аспекте блок коррекции по магнитному полю вычисляет поправочные коэффициенты для значения напряженности магнитного поля для коррекций значений угловой скорости объекта по изменению напряженности магнитного поля посредством: корректировки значений напряженности магнитного поля с использованием калибровочных параметров магнетометра; если скорректированные значения напряженности магнитного поля удовлетворяют диапазону из модели распределения напряженности магнитного поля, расчета поправочных коэффициентов значений угловой скорости объекта как меры отклонения текущего вектора напряженности от значения упомянутой модели, если скорректированные значения напряженности магнитного поля не удовлетворяют диапазону из модели распределения напряженности магнитного поля, перерасчета калибровочных параметров как задачи ортогонализации и минимизации смещения среднего значения напряженности и кросс-корреляции между осями, причем модель распределения напряженности магнитного поля и калибровочные параметры вычислены заранее.In yet another additional aspect, the magnetic field correction unit calculates correction factors for the magnetic field strength value for correcting the object’s angular velocity values by varying the magnetic field strength by: adjusting the magnetic field strength values using the calibration parameters of the magnetometer; if the corrected magnetic field strengths satisfy the range from the magnetic field strength distribution model, calculate the correction factors of the object’s angular velocity as a measure of the deviation of the current intensity vector from the model, if the corrected magnetic field strengths do not match the range from the magnetic field distribution model gauge parameters as orthogonalization problems and minimizing the displacement of the mean o values of the intensity and cross-correlation between the axes, and the model of the distribution of the magnetic field strength and the calibration parameters are calculated in advance.
В еще одном дополнительном аспекте блок определения пространственной ориентации определяет текущую пространственную ориентацию объекта посредством вычисления методом численного интегрирования.In yet another additional aspect, the spatial orientation determination unit determines the current spatial orientation of an object by computing with a numerical integration method.
В еще одном дополнительном аспекте блок определения движения определяет, движется ли объект, путем сравнения значения евклидовой нормы угловой скорости объекта с одной константой и сравнения значения евклидовой нормы линейного ускорения объекта с другой константой, причем упомянутые сравнения с константами заданы в первой интеллектуальной модели изменения движения объекта, при этом определено, что объект не движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта не превышают упомянутую константу, и определено, что объект движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта превышают упомянутую константу.In yet another additional aspect, the motion detection unit determines whether the object moves by comparing the value of the Euclidean norm of the angular velocity of the object with one constant and comparing the value of the Euclidean norm of linear acceleration of the object with another constant, and these comparisons with constants are specified in the first intellectual model of the object's movement , it is determined that the object does not move if the value of the Euclidean norm of the angular velocity of the object and the value of the Euclidean norm of the linear acceleration of the object is not greater than the operation mentioned constant, and it is determined that the object is moving, if the value of the Euclidean norm of angular velocity of the object and the value of the Euclidean norm of a linear acceleration of the object exceeds the said constant.
В еще одном дополнительном аспекте блок определения движения определяет, движется ли объект, путем сравнения значения евклидовой нормы линейного ускорения объекта с одним адаптивным порогом методом скользящего окна и сравнения значения евклидовой нормы угловой скорости объекта с другим адаптивным порогом методом скользящего окна, причем способ упомянутого сравнения с адаптивными порогами и способ вычисления адаптивных порогов методом скользящего окна заданы в первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, the motion detection unit determines whether an object moves by comparing the value of the Euclidean norm of the linear acceleration of an object with one adaptive threshold by the sliding window method and comparing the value of the Euclidean norm of the angular velocity of the object with another adaptive threshold by the sliding window method adaptive thresholds and a method for calculating adaptive thresholds using the sliding window method are specified in the first intellectual model of the change in the motion of an object.
В еще одном дополнительном аспекте вычисление адаптивного порога и сравнение с ним евклидовой нормы линейного ускорения объекта производится итеративно посредством: установки адаптивного порога, причем предварительно считается, что объект не движется, и адаптивный порог вычислен заранее; приема заданного порога для определения движения и заданного порога для определения отсутствия движения; сравнения значения нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта не превышает адаптивный порог, то определяется, что объект не движется; если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяется длительность, как долго значение нормы линейного ускорения объекта превышает адаптивный порог, если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога превышает порог для определения движения, то определяется, что объект движется, при этом адаптивный порог не изменяется; если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога не превышает порог для определения движения, то определяется, что объект не движется; если определено, что объект не движется, производится перерасчет текущего адаптивного порога путем вычисления среднего взвешенного значений линейного ускорения объекта в скользящем окне, а затем присвоения текущему значению адаптивного порога максимального значения между текущим значением адаптивного порога и максимальным значением между вычисленными средним взвешенным значением и максимальным значением ковариационной матрицы; если определено, что объект движется, сравнивается значение нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяется, что объект продолжает движение; если значение нормы линейного ускорения объекта не превышает адаптивный порог, то завершение движения определяется путем сравнения длительности, как долго значение нормы линейного ускорения объекта меньше порога для определения отсутствия движения, и если длительность нахождения менее адаптивного порога превышает порог для определения отсутствия движения, то определяется, что объект не движется, при этом адаптивный порог пересчитывают в соответствии с нормой входных значений линейного ускорения объекта.In yet another additional aspect, the calculation of the adaptive threshold and the comparison with it of the Euclidean norm of linear acceleration of an object is performed iteratively by: setting the adaptive threshold, it is pre-considered that the object does not move, and the adaptive threshold is calculated in advance; receiving a predetermined threshold for determining motion and a predetermined threshold for determining the absence of motion; comparing the value of the norm of linear acceleration of an object with an adaptive threshold, and if the value of the norm of linear acceleration of an object does not exceed the adaptive threshold, then it is determined that the object does not move; if the value of the norm of linear acceleration of the object exceeds the adaptive threshold, then the duration is determined, how long the norm of the linear acceleration of the object exceeds the adaptive threshold; this adaptive threshold does not change; if the duration of finding the norm of the linear acceleration of an object of a more adaptive threshold does not exceed the threshold for determining movement, then it is determined that the object does not move; if it is determined that the object is not moving, the current adaptive threshold is recalculated by calculating the average weighted values of the linear acceleration of the object in the sliding window, and then assigning the current value of the adaptive threshold to the maximum value between the current value of the adaptive threshold and the maximum value covariance matrix; if it is determined that the object is moving, the value of the norm of the linear acceleration of the object is compared with the adaptive threshold, and if the value of the norm of the linear acceleration of the object exceeds the adaptive threshold, then it is determined that the object continues to move; if the value of the norm of the linear acceleration of an object does not exceed the adaptive threshold, then the completion of the movement is determined by comparing the duration, how long the norm of the linear acceleration of the object is less than the threshold for determining no motion, and if the duration of finding a less adaptive threshold exceeds the threshold for determining no motion, that the object does not move, while the adaptive threshold is recalculated in accordance with the norm of the input values of the linear acceleration of the object.
В еще одном дополнительном аспекте адаптивный порог вычисляется как усредненное по множеству различный тестовых данных значение нормы линейного ускорения объектов одного того же типа, при котором однозначно выявлено движение.In yet another additional aspect, the adaptive threshold is calculated as the value of the norm of linear acceleration of objects of the same type, averaged over many different test data, at which movement is uniquely detected.
В еще одном дополнительном аспекте блок определения движения определяет, движется ли объект, с использованием по меньшей мере одной предварительно обученной рекуррентной нейронной сети в качестве первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, the motion detection unit determines whether the object is moving, using at least one pre-trained recurrent neural network as the first intelligent model for changing the movement of the object.
В еще одном дополнительном аспекте блок определения движения определяет, движется ли объект, с использованием каскада предварительно обученных рекуррентных нейронных сетей в качестве первой интеллектуальной модели изменения движения объекта.In yet another additional aspect, the motion detection unit determines whether the object is moving, using a cascade of pre-trained recurrent neural networks as the first intelligent model for changing the movement of the object.
В еще одном дополнительном аспекте каждая рекуррентная нейронная сеть представляет собой долгую краткосрочную память (LSTM).In yet another additional aspect, each recurrent neural network is a long short-term memory (LSTM).
В еще одном дополнительном аспекте блок определения пространственной позиции определяет текущую пространственную позицию объекта при определении наличия движения объекта посредством: определения вектора направления движения объекта посредством вычисления среднего значения значений линейного ускорения объекта в глобальной системе координат методом скользящего окна и привязки этого среднего значения к системе координат, в которой вертикальная ось параллельна вектору ускорения свободного падения; оценки скорости объекта на основании значений линейного ускорения объекта с использованием второй интеллектуальной модели движения объекта; проецирования оцененной скорости объекта на определенный вектор направления движения объекта и получения текущей пространственной позиции объекта методом численного интегрирования.In yet another additional aspect, the spatial position determination unit determines the current spatial position of an object when determining whether an object moves by: determining the direction vector of an object by calculating the average value of the linear acceleration of an object in the global coordinate system using the sliding window method and linking this average value to the coordinate system in which the vertical axis is parallel to the gravitational acceleration vector; estimates of the velocity of the object based on the values of the linear acceleration of the object using the second intellectual model of the movement of the object; projecting the estimated velocity of the object onto a certain vector of the direction of motion of the object and obtaining the current spatial position of the object using a numerical integration method
В еще одном дополнительном аспекте определение вектора направления движения объекта выполняется методом опорных векторов (SVM).In yet another additional aspect, the determination of the vector of the direction of motion of an object is performed by the support vector (SVM) method.
В еще одном дополнительном аспекте определение вектора направления движения объекта выполняется с использованием предварительно обученной рекуррентной нейронной сети.In yet another additional aspect, the determination of the vector of the direction of movement of the object is performed using a previously trained recurrent neural network.
В еще одном дополнительном аспекте оценка линейной скорости объекта на основании значений линейного ускорения объекта выполняется с использованием полиномиальной модели скорости в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, the estimation of the linear velocity of the object based on the values of the linear acceleration of the object is performed using the polynomial velocity model as the second intelligent model of the motion of the object.
В еще одном дополнительном аспекте оценка линейной скорости объекта на основании значений линейного ускорения объекта выполняется с использованием предварительно обученной рекуррентной нейронной сети в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, the estimation of the linear velocity of the object based on the values of the linear acceleration of the object is performed using a pre-trained recurrent neural network as the second intelligent model of the motion of the object.
В еще одном дополнительном аспекте оценка линейной скорости объекта на основании значений линейного ускорения объекта выполняется с использованием комбинации предварительно обученных моделей в качестве второй интеллектуальной модели движения объекта.In yet another additional aspect, the estimation of the linear velocity of the object based on the linear acceleration values of the object is performed using a combination of pre-trained models as the second intelligent model of the movement of the object.
В еще одном дополнительном аспекте, если значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры и значения напряженности магнитного поля измерены более чем одним инерциальным датчиком, то блок определения пространственной ориентации независимо определяет текущую пространственную ориентацию объекта на основании значений, измеренных каждым датчиком, и вычисляет результирующую текущую пространственную ориентацию объекта на основании всех текущих пространственных ориентаций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков, и блок определения пространственной позиции независимо определяет текущую пространственную позицию объекта на основании значений, измеренных каждым датчиком, и вычисляет результирующую текущую пространственную позицию объекта на основании всех текущих пространственных позиций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков.In yet another additional aspect, if the object linear acceleration values, the object angular velocity values, the temperature values and the magnetic field strength values are measured by more than one inertial sensor, then the spatial orientation determining unit independently determines the current spatial orientation of the object based on the values measured by each sensor, and calculates the resulting current spatial orientation of the object based on all the current spatial orientations of the object, defined independently based on the received values from different inertial sensors, and the spatial position determination unit independently determines the current spatial position of the object based on the values measured by each sensor, and calculates the resulting current spatial position of the object based on all the current spatial positions of the object determined independently based on values from different inertial sensors.
В еще одном дополнительном аспекте блок определения пространственной ориентации вычисляет результирующую текущую пространственную ориентацию объекта посредством взвешенного усреднения текущих пространственных ориентаций объекта, определенных независимо на основании значений, измеренных разными инерциальными датчиками; и блок определения пространственной позиции вычисляет результирующую текущую пространственную позицию объекта посредством взвешенного усреднения текущих пространственных позиций объекта, определенных независимо на основании принятых значений, измеренных разными инерциальными датчиками.In yet another additional aspect, the spatial orientation determination unit calculates the resulting current spatial orientation of an object by weighted averaging the current spatial orientations of the object, determined independently based on the values measured by different inertial sensors; and the spatial position determination unit calculates the resulting current spatial position of the object by means of weighted averaging of the current spatial positions of the object determined independently based on the received values measured by different inertial sensors.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙBRIEF DESCRIPTION OF THE DRAWINGS
Вышеописанные и другие аспекты, признаки и преимущества настоящего изобретения будут более понятны из последующего подробного описания, приведенного в сочетании с прилагаемыми чертежами, на которых:The above and other aspects, features and advantages of the present invention will be better understood from the subsequent detailed description given in conjunction with the accompanying drawings, in which:
Фиг. 1 представляет собой блок-схему последовательности операций, иллюстрирующую один вариант осуществления способа бесплатформенной инерциальной навигации.FIG. 1 is a flowchart illustrating one embodiment of a free inertial navigation method.
Фиг. 2 представляет собой блок-схему последовательности операций, иллюстрирующую другой вариант осуществления способа бесплатформенной инерциальной навигации.FIG. 2 is a flowchart illustrating another embodiment of a free inertial navigation method.
Фиг. 3 представляет собой блок-схему, иллюстрирующую один вариант осуществления устройства бесплатформенной инерциальной навигации.FIG. 3 is a block diagram illustrating one embodiment of a strapdown inertial navigation device.
Фиг. 4 представляет собой блок-схему, иллюстрирующую другой вариант осуществления устройства бесплатформенной инерциальной навигации.FIG. 4 is a block diagram illustrating another embodiment of a strapdown inertial navigation device.
Фиг. 5 представляет собой график, иллюстрирующий выбор оптимального количества значений угловой скорости объекта при получении поправочного коэффициента для каждого значения рабочей температуры инерциального датчика.FIG. 5 is a graph illustrating the choice of the optimal number of angular velocity values of an object when obtaining a correction factor for each value of the inertial sensor operating temperature.
Фиг. 6 представляет собой блок-схему, иллюстрирующую применение изобретения в качестве устройства распознавания и аутентификации пользователя.FIG. 6 is a block diagram illustrating the use of the invention as a device for recognizing and authenticating a user.
Фиг. 7 представляет собой блок-схему, иллюстрирующую применение изобретения в качестве системы автоматического регулирования движения транспортного средства.FIG. 7 is a block diagram illustrating the use of the invention as a system for automatically controlling the movement of a vehicle.
Фиг. 8 представляет собой блок-схему, иллюстрирующую применение изобретения в качестве системы автоматического регулирования движения транспортного средства в 3-мерном пространстве.FIG. 8 is a block diagram illustrating the use of the invention as a system for automatically controlling the movement of a vehicle in 3-dimensional space.
В последующем описании, если не указано иное, одинаковые ссылочные позиции используются для обозначения одних и тех же элементов устройства или этапов способа, когда они изображены на разных чертежах, и их параллельное описание не приводится.In the following description, unless otherwise indicated, like reference numerals are used to designate the same elements of the device or method steps when shown in different drawings, and their parallel description is not given.
ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ НАСТОЯЩЕГО ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF EMBODIMENTS OF THE PRESENT INVENTION
Нижеследующее описание со ссылкой на прилагаемые чертежи приведено, чтобы облегчить полное понимание различных вариантов осуществления настоящего изобретения, заданного формулой изобретения, и его эквивалентов. Описание включает в себя различные конкретные подробности, чтобы облегчить такое понимание, но данные подробности следует считать только примерными. Соответственно, специалисты в данной области техники обнаружат, что можно разработать различные изменения и модификации различных вариантов осуществления, описанных в настоящей заявке, без выхода за пределы объема настоящего изобретения. Кроме того, описания общеизвестных функций и конструкций могут быть исключены для ясности и краткости.The following description with reference to the accompanying drawings is provided to facilitate a complete understanding of the various embodiments of the present invention defined by the claims and its equivalents. The description includes various specific details to facilitate such an understanding, but these details should be considered only as exemplary. Accordingly, those skilled in the art will find that various changes and modifications of the various embodiments described in this application can be developed without departing from the scope of the present invention. In addition, descriptions of well-known functions and constructions can be omitted for clarity and brevity.
Термины и формулировки, используемые в последующем описании и формуле изобретения не ограничены библиографическим значениями, а просто использованы создателем настоящего изобретения, чтобы обеспечить четкое и последовательное понимание настоящего изобретения. Соответственно, специалистам в данной области техники должно быть ясно, что последующее описание различных вариантов осуществления настоящего изобретения предлагается только для иллюстрации.The terms and formulations used in the following description and claims are not limited to bibliographic meanings, but simply used by the creator of the present invention to provide a clear and consistent understanding of the present invention. Accordingly, it will be clear to those skilled in the art that the following description of various embodiments of the present invention is offered for illustration only.
Следует понимать, что формы единственного числа включают в себя множественность, если контекст явно не указывает иное.It should be understood that the singular forms include plurality, unless the context clearly indicates otherwise.
Дополнительно следует понимать, что термины «содержит», «содержащий», «включает в себя» и/или «включающий в себя», при использовании в настоящей заявке, означают присутствие изложенных признаков, значений, операций, элементов и/или компонентов, но не исключают присутствия или добавления одного или более других признаков, значений, операций, элементов, компонентов и/или их групп.Additionally, it should be understood that the terms "comprises", "comprising", "includes" and / or "including", when used in this application, means the presence of the stated features, values, operations, elements and / or components do not exclude the presence or addition of one or more other features, values, operations, elements, components, and / or their groups.
Способ и устройство бесплатформенной инерциальной навигации могут применяться как для отслеживания движения объекта в 2-х мерном пространстве, так и для отслеживания движения объекта в 3-х мерном пространстве. Объектами, для которых могут быть использованы способ и устройство бесплатформенной инерциальной навигации, являются люди, различные транспортные средства, такие как, например, транспортные средства, управляемые водителем, и транспортные средства с автоматическим управлением (самокат, велосипед, автомобиль и т.п.), воздушные/наземные/подводные дроны и т.д. Способ и устройство бесплатформенной инерциальной навигации также могут применяться для механизированных протезов, шлемов виртуальной/дополненной/совмещенной реальности, распознавания и аутентификации пользователя по конкретным образцам человеческого движения, автоматического регулирования движения транспортного средства.The method and device of the strapdown inertial navigation can be used both to track the movement of an object in 2-dimensional space, and to track the movement of an object in 3-dimensional space. Objects for which the method and device of spherical inertial navigation can be used are people, various vehicles, such as, for example, vehicles driven by a driver, and vehicles with automatic control (scooter, bicycle, car, etc.) , air / ground / underwater drones, etc. The method and device of strapless inertial navigation can also be used for mechanized prostheses, virtual / augmented / combined reality helmets, user recognition and authentication using specific samples of human movement, automatic control of vehicle movement.
В дальнейшем, различные варианты осуществления настоящего изобретения описаны более подробно со ссылкой на прилагаемые чертежи.In the following, various embodiments of the present invention are described in more detail with reference to the accompanying drawings.
Один вариант осуществления способа бесплатформенной инерциальной навигации представлен на фиг. 1.One embodiment of the method of inertial free navigation is shown in FIG. one.
На этапе 101 способа бесплатформенной инерциальной навигации принимают значения линейного ускорения объекта, измеренные акселерометром инерциального датчика, значения угловой скорости объекта, измеренные гироскопом инерциального датчика, значения температуры инерциального датчика, измеренные термометром инерциального датчика и значения напряженности магнитного поля, измеренные магнетометром инерциального датчика. Значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры инерциального датчика и значения напряженности магнитного поля, воздействующего на магнетометр инерциального датчика, измерены по меньшей мере одним инерциальным датчиком.At
На этапе 102 способа бесплатформенной инерциальной навигации, если выявлено отклонение нулевой угловой скорости гироскопа инерциального датчика, выполняют коррекцию принятых на этапе 101 значений угловой скорости объекта на поправочный коэффициент для текущего значения температуры, причем набор поправочных коэффициентов для каждого значения рабочей температуры инерциального датчика получен заранее.At
Отклонение нулевой угловой скорости гироскопа определяется как ненулевое значение угловой скорости объекта при условии, что выявлено отсутствие движение объекта. Известно, что каждый отдельный экземпляр гироскопа может иметь свое значение отклонения в измерении угловой скорости, причем различное для различных значений температуры гироскопа. Повышение точности и устойчивости измерений угловой скорости объекта для рабочей температуры добиваются путем компенсации измерений на поправочный коэффициент в виде , где означает скорректированное значение угловой скорости объекта для рабочей температуры . The deviation of the zero angular velocity of the gyroscope is defined as a non-zero value of the angular velocity of the object, provided that the absence of movement of the object is detected. It is known that each individual copy of the gyroscope can have its own value of deviation in the measurement of the angular velocity, and this is different for different values of the temperature of the gyroscope. Improving the accuracy and stability of measurements of the angular velocity of the object for operating temperature Achieve by compensation of measurements on the correction factor as where means the corrected value of the angular velocity of the object for the operating temperature .
На этапе 103 способа бесплатформенной инерциальной навигации, если выявлено изменение напряженности магнитного поля, выполняют коррекцию принятых на этапе 101 или скорректированных на этапе 102 значений угловой скорости объекта на поправочный коэффициент. Значение поправочного коэффициента вычисляется как решение оптимизационной задачи. Повышение точности и устойчивости измерений угловой скорости объекта добиваются путем компенсации измерений значения магнитного поля на поправочный коэффициент в виде , где означает скорректированное значение угловой скорости объекта.At
На этапе 104 способа бесплатформенной инерциальной навигации определяют текущую пространственную ориентацию объекта на основании принятых на этапе 101 значений угловой скорости, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или скорректированных на этапах 102 и/или 103 значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости гироскопа и/или изменение напряженности магнитного поля. Текущая пространственная ориентация объекта вычисляется методом численного интегрирования, который широко известен в уровне техники.At
На этапе 105 способа бесплатформенной инерциальной навигации определяют, движется ли объект, на основании принятых на этапе 101 значений линейного ускорения объекта и принятых на этапе 101 значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости гироскопа и/или изменение напряженности магнитного поля, или на основании принятых на этапе 101 значений линейного ускорения объекта и скорректированных на этапах 102 и/или 103 значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта. Первая интеллектуальная модель изменения движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект.At
На этапе 106 способа бесплатформенной инерциальной навигации при определении наличия движения объекта определяют текущую пространственную позицию объекта на основании принятых на этапе 101 значений линейного ускорения объекта и принятых на этапе 101 значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости гироскопа и/или изменение напряженности магнитного поля, или на основании принятых на этапе 101 значений линейного ускорения объекта и скорректированных на этапах 102 и/или 103 значений угловой скорости объекта, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной второй интеллектуальной модели движения объекта. Вторая интеллектуальная модель движения объекта получена заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. При определении отсутствия движения объекта задают текущую пространственную позицию объекта равной предыдущей пространственной позиции объекта.At
Другой вариант осуществления способа бесплатформенной инерциальной навигации представлен на фиг. 2 и содержит этапы 101-106, описанные выше. Кроме того, представленный на фиг. 2 вариант осуществления способа бесплатформенной инерциальной навигации содержит дополнительный этап 107, на котором фильтруют принятые на этапе 101 значения линейного ускорения объекта и значения угловой скорости объекта для подавления шума. Фильтрацию принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта выполняют посредством взвешенного усреднения методом скользящего окна. Кроме того, для фильтрации принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта может применяться любой другой подходящий способ фильтрации. Фильтрация посредством взвешенного усреднения методом скользящего окна широко известна в уровне техники и ее подробное описание не требуется.Another embodiment of the method of inertial free navigation is shown in FIG. 2 and includes steps 101-106 described above. In addition, shown in FIG. 2, an embodiment of the method of strapless inertial navigation comprises an
При получении поправочного коэффициента угловой скорости объекта для каждого значения рабочей температуры инерциального датчика определяют, движется ли объект, на основании значений линейного ускорения объекта и значений угловой скорости объекта с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта. Если определено, что объект не движется, формируют набор принятых значений угловой скорости объекта для текущего значения рабочей температуры инерциального датчика, причем оптимальное количество принятых значений угловой скорости объекта в упомянутом наборе определяется на основании оптимизации соотношения смещения среднего значения угловой скорости объекта и величины разброса var значений угловой скорости объекта. Затем усредняют принятые значения угловой скорости объекта упомянутого набора методом взвешенного среднего и вычисляют поправочный коэффициент для текущего значения рабочей температуры инерциального датчика посредством решения регрессионного уравнения.Upon receipt of a correction factor angular velocity object for each value of operating temperature the inertial sensor determines whether the object is moving, based on the values of the linear acceleration of the object and the values of the angular velocity of the object using the previously obtained first intelligent model for changing the movement of the object. If it is determined that the object is not moving, form a set of accepted values of angular velocity object for the current value of the working temperature inertial sensor, and the optimal number of accepted values of angular velocity the object in the said set is determined based on the optimization of the displacement ratio the average value of the angular velocity of the object and the magnitude of the var variation of the angular velocity of the object. Then average the accepted values of the angular velocity the object of the above set by the method of weighted average and calculate the correction factor for the current operating temperature inertial sensor by solving a regression equation.
Формирование набора принятых значений угловой скорости объекта и вычисление поправочного коэффициента выполняют для каждого значения рабочей температуры инерциального датчика.The formation of a set of accepted values of the angular velocity of the object and the calculation of the correction factor are performed for each value of the operating temperature of the inertial sensor.
Поправочный коэффициент находится как решение полиномиальной аппроксимации m-го порядка . Вектор коэффициентов линейной полиномиальной аппроксимации вычисляются из регрессионной модели , где есть вектор измерений отклонения нулевой угловой скорости гироскопа, содержащий оптимальное количество элементов.Correction factor is found as a solution to the mth order polynomial approximation . The vector of linear polynomial approximation coefficients calculated from the regression model where is the measurement vector of the deviation of the zero angular velocity of the gyroscope containing the optimal amount items.
Количество значений отклонений нулевой угловой скорости гироскопа, используемых для определения поправочного коэффициента для каждого значения рабочей температуры , регулируется исходя из достижения баланса между точностью аппроксимации (малое смещение) результата и достаточной сглаженностью (низкая дисперсия). Этот баланс достигается с помощью статистического критерия, который известен как пересечение доверительных интервалов (intersection of confidence intervals, ICI), впервые описанный в A. Goldenshluger, A. Nemirovski, On spatial adaptive estimation of non-parametric regression. Math Meth Statistics 6, 135-170 (1997), как аргумент минимизации среднеквадратичной функции потерь , где означает смещение среднего значения угловой скорости объекта, а var означает величину разброса значений угловой скорости объекта (дисперсию).The number of values of deviations of the gyroscope zero angular velocity used to determine the correction factor for each value of working temperature , is adjusted on the basis of achieving a balance between the approximation accuracy (small displacement) of the result and sufficient smoothness (low dispersion). This balance is achieved using a statistical criterion, which is known as the intersection of confidence intervals (ICI), first described in A. Goldenshluger, A. Nemirovski, On-line adaptive estimation of non-parametric regression. Math Meth Statistics 6, 135-170 (1997), as an argument for minimizing the root-mean-square loss function where means the shift of the average value of the angular velocity of the object, and var means the magnitude of the variation of the angular velocity of the object (variance).
Следуя [V. Katkovnik, K. Egiazarian and J. Astola, Local Approximation Techniques in Signal and Image Processing, SPIE Press Monograph Vol. PM157 (2006)], для вычисления оптимального количества значений угловой скорости объекта формируется вектор y значений угловой скорости объекта для условии, когда определено, что движения нет. Например, вектор y составляется из значений, евклидова норма угловой скорости объекта и евклидовой нормы линейного ускорения объекта которого менее соответствующими заранее определенными порогов , . Данные пороги и определяются на модельных данных, как среднее значение нормы линейного ускорения объекта и среднее значение угловой скорости объекта для заранее определенных случаем, когда сторонними средствами выявлено или задано, что объект не движется.Following [V. Katkovnik, K. Egiazarian and J. Astola, Local Approximation Techniques and Signal Processing, SPIE Press Monograph Vol. PM157 (2006)], to calculate the optimal amount values of the angular velocity of the object is formed by the vector y of the values of the angular velocity of the object for the condition when it is determined that there is no movement. For example, the vector y is composed of values, the Euclidean norm of the angular velocity of the object and the Euclidean norm of the linear acceleration of the object of which are less than the corresponding predefined thresholds , . These thresholds and are determined on the model data as the average value of the norm of the linear acceleration of the object and the average value of the angular velocity of the object for a predetermined case when it is detected or specified by third-party means that the object does not move.
Производится свертка вектора накопленных значений угловой скорости объекта y с набором фильтров {}i, где результат свертки обозначен {}. Пространственные фильтры {}i определяются через количество значений угловой скорости объекта {hi} в векторе y (то есть длину вектора y) для рабочей температуры . Тогда оптимальное количество значений угловой скорости объекта в y для рабочей температуры tk определяется как максимальное число значений в y, допускающее непустой доверительный интервал , где , определяет стандартное отклонение, параметр определяет порог доверительного интервала.The convolution of the vector of the accumulated values of the angular velocity of the object y with a set of filters { } i , where the result of the convolution is denoted by { }. Spatial filters { } i are determined by the number of angular velocity values of the object {h i } in the vector y (that is, the length of the vector y ) for the operating temperature . Then the optimal number of values the angular velocity of the object in y for the operating temperature t k is defined as the maximum number of values in y allowing a non-empty confidence interval where , determines the standard deviation parameter determines the threshold of the confidence interval.
На фиг. 5 показан выбор оптимального количества значений угловой скорости объекта исходя из соотношения смещения среднего значения угловой скорости объекта и величины разброса var значений угловой скорости объекта, как аргумент минимизации среднеквадратичной функции потерь .FIG. 5 shows the choice of the optimal number of angular velocity values of an object based on the ratio of the displacement the average value of the angular velocity of the object and the magnitude of the var spread of the values of the angular velocity of the object, as an argument for minimizing the rms loss function .
При вычислении поправочных коэффициентов для принятого значения напряженности магнитного поля для коррекций принятых значений угловой скорости объекта по изменению напряженности магнитного поля принимают значения напряженности магнитного поля, модель распределения напряженности магнитного поля и предварительные калибровочные параметры и магнетометра инерциального датчика, причем модель распределения напряженности магнитного поля и калибровочные параметры и вычислены заранее. Затем производится корректировка принятых значений напряженности магнитного поля с использованием калибровочных параметров и магнетометра. Если скорректированные значения напряженности магнитного поля удовлетворяют диапазону из принятой модели распределения напряженности магнитного поля, производится расчет поправочных коэффициентов принятых значений угловой скорости объекта как мера отклонения текущего вектора напряженности от значения упомянутой модели, если скорректированные значения напряженности магнитного поля не удовлетворяют диапазону из принятой модели распределения напряженности магнитного поля, производится перерасчет калибровочных параметров и как задача ортогонализации и минимизации смещения среднего значения напряженности и кросс-корреляции между осями.When calculating correction factors for the accepted value of tension magnetic field for the correction of the accepted values of angular velocity object to change the tension Magnetic field strength values magnetic field distribution model, magnetic field strength and preliminary calibration parameters and magnetometer inertial sensor, and the model of the distribution of magnetic field strength and calibration parameters and calculated in advance. Then the accepted values of tension are corrected. magnetic field using calibration parameters and magnetometer If the corrected tension values magnetic fields satisfy the range of the accepted model of the distribution of magnetic field strength, the correction factors are calculated accepted values of angular velocity of an object as a measure of the deviation of the current vector of intensity from the value of the model mentioned, if the corrected values of the intensity the magnetic field does not satisfy the range of the adopted model of the distribution of the magnetic field strength, recalculation of the calibration parameters and as a task of orthogonalization and minimization of the displacement of the average value of tension and cross-correlation between the axes.
Принятое значение напряженности магнитного поля в i-й момент времени корректируется как проекция на сферу единичного радиуса с центром сферы в центре координат, то есть математическое ожидание , где и принятые калибровочные параметры магнетометра инерциального датчика, минимизирующие неортогональность осей, смещение среднего значения напряженности и кросс-корреляцию между осями. Рассмотрим текущее скорректированное значение напряженности магнитного поля и модельное значение , заранее определенное в условиях однородного магнитного поля. Поправка пространственной ориентации объекта выражается через разницу направлений значений напряженности и магнитного поля в плоскости, ортогональной вектору ускорения свободного падения , где верхний индекс и означает проекция векторов напряженности магнитного поля на соответствующие оси координат x и z.Accepted value of tension the magnetic field at the i-th instant is corrected as projection onto a sphere of unit radius with the center of the sphere in the center of coordinates, that is, the expectation where and adopted calibration parameters of the inertial sensor magnetometer, minimizing the non-orthogonality of the axes, the shift of the average value of the tension and the cross-correlation between the axes. Consider the current adjusted tension value. magnetic field and model value pre-determined in a uniform magnetic field. The correction of the spatial orientation of the object is expressed through the difference in the directions of the tension values and the magnetic field in a plane orthogonal to the gravitational acceleration vector where superscript and means the projection of the magnetic field strength vectors to the corresponding x and z coordinate axes.
Повышение точности и устойчивости измерений угловой скорости объекта добиваются путем компенсации измерений значения магнитного поля на поправочный коэффициент в виде , где означает скорректированное значение угловой скорости объекта для скорректированного значения напряженности магнитного поля, а поправочный коэффициент выражается как и отражает отклонение текущего вектора напряженности магнитного поля от модельного значения при условии, что скорректированное значение напряженности магнитного поля удовлетворяет диапазону из принятой модели распределения напряженности магнитного поля. Например, в качестве модели распределения напряженности магнитного поля используют нормальное распределение. Здесь есть коэффициент сглаживания, есть матрица поворота согласования для согласования с текущей пространственной ориентации объекта. Improved accuracy and stability of angular velocity measurements an object is obtained by compensating for measurements of the magnetic field value by a correction factor as where means the corrected value of the angular velocity of the object for the corrected value of tension magnetic field, and the correction factor expressed as and reflects the deviation of the current vector of magnetic field strength from the model value, provided that the corrected value of the magnetic field strength satisfies the range from the adopted model of the distribution of the magnetic field strength. For example, the normal distribution is used as a model for the distribution of magnetic field strength. Here there is a smoothing factor, There is a rotation rotation matrix for matching with the current spatial orientation of the object.
Перерасчет калибровочных параметров и выполняют как решение оптимизационной задачи из соображений, что значение напряженности магнитного поля не выходит за пределы 2-х стандартных отклонений от среднего значения. Матрица формируется из допустимых значений напряженности магнитного поля, путем их объединения по столбцам.Recalculation of calibration parameters and perform as a solution to the optimization problem from considerations that the value of the magnetic field strength does not exceed 2 standard deviations from the average value. Matrix formed from the permissible values of the magnetic field strength, by combining them in columns.
Определение, движется ли объект, может быть выполнено путем сравнения значения евклидовой нормы угловой скорости объекта с одной константой и сравнения значения евклидовой нормы линейного ускорения объекта с другой константой. Упомянутые сравнения и упомянутые константы заданы в первой интеллектуальной модели изменения движения объекта на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. Определяют, что объект не движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта не превышают упомянутые константы, соответственно, и определяют, что объект движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта превышают упомянутые константы, соответственно.The determination of whether an object is moving can be made by comparing the value of the Euclidean norm of the angular velocity of an object with one constant and comparing the value of the Euclidean norm of linear acceleration of the object with another constant. The mentioned comparisons and the mentioned constants are set in the first intellectual model of the change in the motion of an object on the basis of the characteristic features of the motion of at least one object of the same type as the said object. It is determined that the object does not move if the value of the Euclidean norm of the angular velocity of the object and the value of the Euclidean norm of the linear acceleration of the object do not exceed the mentioned constants, respectively, and determines that the object moves if the value of the Euclidean norm of the angular velocity of the object and the value of the Euclidean norm of the linear acceleration of the object exceed mentioned constants, respectively.
Определение, движется ли объект, также может быть осуществлено путем сравнения значения евклидовой нормы линейного ускорения объекта с одним адаптивным порогом методом скользящего окна и сравнения значения евклидовой нормы угловой скорости объекта с другим адаптивным порогом методом скользящего окна, причем способ упомянутого сравнения с адаптивными порогами и способ вычисления адаптивных порогов методом скользящего окна заданы в первой интеллектуальной модели изменения движения объекта.The determination of whether an object is moving can also be made by comparing the value of the Euclidean norm of linear acceleration of an object with one adaptive threshold by the sliding window method and comparing the value of the Euclidean norm of the angular velocity of the object with another adaptive threshold by the sliding window method, and the method of the above comparison with adaptive thresholds and method calculations of adaptive thresholds using the sliding window method are specified in the first intelligent model for changing the motion of an object.
Вычисление адаптивного порога и сравнение с ним евклидовой нормы линейного ускорения объекта для определения, движется ли объект, производится итеративно и включает в себя следующие операции. В качестве адаптивного порога устанавливают заранее вычисленный адаптивный порог, причем предварительно считается, что объект не движется. Затем принимают заданный порог для определения движения и заданный порог для определения отсутствия движения. Порог для определения движения и порог для определения отсутствия движения заданы в первой интеллектуальной модели изменения движения объекта на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. Производят сравнение значения нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта не превышает адаптивный порог, то определяют, что объект не движется. Если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяю длительность, как долго значение нормы линейного ускорения объекта превышает адаптивный порог. Если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога превышает порог для определения движения, то определяют, что объект движется, при этом адаптивный порог не изменяется. Если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога не превышает порог для определения движения, то определяют, что объект не движется. Если определено, что объект не движется, производят перерасчет текущего адаптивного порога путем вычисления среднего взвешенного значений линейного ускорения объекта в скользящем окне, а затем присвоения текущему значению адаптивного порога максимального значения между текущим значением адаптивного порога и максимальным значением между вычисленными средним взвешенным значением и максимальным значением ковариационной матрицы. Если определено, что объект движется, сравнивают значение нормы линейного ускорения объекта с адаптивным порогом, и если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяют, что объект продолжает движение. Если значение нормы линейного ускорения объекта не превышает адаптивный порог, то завершение движения определяют путем сравнения длительности, как долго значение нормы линейного ускорения объекта меньше порога для определения отсутствия движения, и если длительность нахождения менее адаптивного порога превышает порог для определения отсутствия движения, то определяют, что объект не движется, при этом адаптивный порог пересчитывают в соответствии с нормой входных значений линейного ускорения объекта.The calculation of the adaptive threshold and the comparison with it of the Euclidean norm of linear acceleration of an object to determine whether an object is moving is performed iteratively and includes the following operations. A pre-calculated adaptive threshold is set as an adaptive threshold, and it is pre-considered that the object does not move. Then, a predetermined threshold for determining movement and a predetermined threshold for determining the absence of movement are taken. The threshold for determining movement and the threshold for determining the absence of movement are specified in the first intellectual model of the change in the movement of an object based on the characteristic features of the movement of at least one object of the same type as the said object. A comparison is made of the value of the norm of the linear acceleration of an object with an adaptive threshold, and if the value of the norm of the linear acceleration of an object does not exceed the adaptive threshold, then it is determined that the object does not move. If the value of the norm of linear acceleration of an object exceeds the adaptive threshold, then I determine the duration, how long the norm of the norm of linear acceleration of an object exceeds the adaptive threshold. If the duration of finding the norm of the linear acceleration of an object of a more adaptive threshold exceeds the threshold for determining motion, then it is determined that the object moves, and the adaptive threshold does not change. If the duration of finding the norm of the linear acceleration of an object of a more adaptive threshold does not exceed the threshold for determining movement, then it is determined that the object does not move. If it is determined that the object is not moving, recalculate the current adaptive threshold by calculating the average weighted values of the linear acceleration of the object in the sliding window, and then assigning the current value of the adaptive threshold to the maximum value between the current value of the adaptive threshold and the maximum value covariance matrix. If it is determined that the object is moving, compare the value of the norm of the linear acceleration of the object with the adaptive threshold, and if the value of the norm of the linear acceleration of the object exceeds the adaptive threshold, then determine that the object continues to move. If the value of the norm of the linear acceleration of the object does not exceed the adaptive threshold, the completion of the movement is determined by comparing the duration, how long the norm of the linear acceleration of the object is less than the threshold for determining no motion, and if the duration of finding a less adaptive threshold exceeds the threshold for determining no motion that the object does not move, while the adaptive threshold is recalculated in accordance with the norm of the input values of the linear acceleration of the object.
Адаптивный порог может быть вычислен как усредненное по множеству различный тестовых данных значение нормы линейного ускорения объектов одного того же типа, при котором однозначно выявлено движение.The adaptive threshold can be calculated as the value of the norm of linear acceleration of objects of the same type, averaged over many different test data, at which movement is uniquely detected.
Определение, движется ли объект, может осуществляться с использованием по меньшей мере одной предварительно обученной рекуррентной нейронной сети в качестве первой интеллектуальной модели изменения движения объекта. Определение, движется ли объект, также может осуществляться с использованием каскада предварительно обученных рекуррентных нейронных сетей в качестве первой интеллектуальной модели изменения движения объекта. Каждая рекуррентная нейронная сеть может представлять собой долгую краткосрочную память (LSTM). Предварительное обучение выполняют на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект.The determination of whether an object is moving can be carried out using at least one previously trained recurrent neural network as the first intelligent model for changing the movement of an object. The determination of whether an object is moving can also be carried out using a cascade of pre-trained recurrent neural networks as the first intelligent model for changing the movement of an object. Each recurrent neural network can be a long-term short-term memory (LSTM). Pre-training is performed on the basis of the characteristic features of the movement of at least one object of the same type as the said object.
В предлагаемом подходе используются рекуррентные нейронные сети (recurrent neural network, RNN), то есть вид нейронных сетей, где связи между элементами, так называемые состояния, образуют направленную последовательность. Благодаря передачи состояний появляется возможность обрабатывать серии событий во времени или последовательные пространственные цепочки. Рекуррентные сети могут использовать свою внутреннюю память для обработки последовательностей произвольной длины, поэтому сети RNN применимы в таких задачах, где целостная последовательность разбита на сегменты, например, в задачах распознавания рукописного текста, распознавания речи или распознавания движения.The proposed approach uses recurrent neural networks (RNN), that is, a type of neural networks where the connections between elements, the so-called states, form a directed sequence. Thanks to the transfer of states, it is possible to process a series of events in time or successive spatial chains. Recurrent networks can use their internal memory to process sequences of arbitrary length, so the RNN networks are applicable in tasks where the entire sequence is divided into segments, for example, in handwriting recognition, speech recognition or motion recognition tasks.
В данном изобретении для детектирования движения может использоваться особый вид архитектуры RNN, а именно долгая краткосрочная память (Long short-term memory, LSTM). В отличие от традиционных рекуррентных нейронных сетей, LSTM-сеть хорошо приспособлена к обучению на задачах классификации, обработки и прогнозирования временных рядов в случаях, когда важные события разделены во времени с неопределенной продолжительностью и границами. Относительная невосприимчивость к длительности временных разрывов объясняется возможностью забывания неактуальной информации, что дает LSTM преимущество по отношению к альтернативным рекуррентным нейронным сетям, скрытым Марковским моделям и другим методам обучения для последовательностей в различных сферах применения.In this invention, a special kind of RNN architecture can be used for motion detection, namely, Long short-term memory (LSTM). Unlike traditional recurrent neural networks, the LSTM network is well adapted to learning on the tasks of classifying, processing and predicting time series in cases where important events are separated in time with indefinite duration and boundaries. The relative immunity to the duration of the time breaks is due to the possibility of forgetting irrelevant information, which gives LSTM an advantage over alternative recurrent neural networks, hidden Markov models, and other learning methods for sequences in various applications.
LSTM-сеть - это искусственная нейронная сеть, содержащая LSTM-модули вместо или в дополнение к другим сетевым модулям. LSTM-модуль - это рекуррентный модуль сети, способный запоминать значения как на короткие, так и на длинные промежутки времени. Ключом к данной возможности является то, что LSTM-модуль не использует функцию активации внутри своих рекуррентных компонентов. Таким образом, хранимое значение не размывается во времени, и градиент или штраф не исчезает при использовании метода обратного распространения ошибки во времени при тренировке сети. LSTM-модули группируются в «блоки», содержащие различные LSTM-модули. Подобное устройство характерно для «глубоких» многослойных нейронных сетей и способствует выполнению параллельных вычислений с применением соответствующего оборудования. В формулах ниже каждая переменная, записанная строчным курсивом, обозначает вектор размерности равной числу LSTM-модулей в блоке.An LSTM network is an artificial neural network that contains LSTM modules instead of or in addition to other network modules. An LSTM module is a recurrent network module capable of storing values for both short and long periods of time. The key to this feature is that the LSTM module does not use the activation function within its recurrent components. Thus, the stored value is not blurred in time, and the gradient or penalty does not disappear when using the method of back propagation of error in time during the training of the network. LSTM modules are grouped into “blocks” containing various LSTM modules. Such a device is typical for "deep" multilayer neural networks and contributes to the implementation of parallel computing using the appropriate equipment. In the formulas below, each variable written in lowercase italics denotes a dimension vector equal to the number of LSTM modules in a block.
В данном изобретении группировка в блоки позволяет осуществлять последовательное принятие решения о наличии движения: сначала по схеме «многие к многим», когда из данных, полученных с инерциальных датчиков, выделяются группы признаков, и затем последовательное их уменьшение вплоть до последнего блока, реализующего схему «многие к одному», где принимается окончательное решение о наличии или отсутствия движения.In this invention, grouping into blocks allows making a sequential decision on the presence of movement: first, according to the many-to-many scheme, when groups of features are distinguished from the data obtained from inertial sensors, and then they are gradually reduced down to the last unit implementing the many to one ”, where the final decision is made on the presence or absence of movement.
LSTM-блоки содержат три или четыре «вентиля», которые используются для контроля потоков информации на входах и на выходах памяти данных блоков. Эти вентили реализованы в виде логистической функции для вычисления значения в диапазоне [0, 1]. Умножение на это значение используется для частичного допуска или запрещения потока информации внутрь и наружу памяти. Например, «входной вентиль» контролирует меру вхождения нового значения в память, а «вентиль забывания» контролирует меру сохранения значения в памяти. «Выходной вентиль» контролирует меру того, в какой степени значение, находящееся в памяти, используется при расчете выходной функции активации для блока.LSTM blocks contain three or four “gates” that are used to control the flow of information at the inputs and at the memory outputs of the data blocks. These valves are implemented as a logistic function for calculating the value in the range [0, 1]. Multiplication by this value is used to partially allow or prohibit the flow of information into and out of memory. For example, the “input valve” controls the measure of the occurrence of a new value in the memory, and the “forgetting valve” controls the measure of the value stored in the memory. The “output valve” controls the measure of the extent to which the value stored in memory is used when calculating the output activation function for a block.
Веса в LSTM-блоке, выраженные в матрицах параметров W и U , используются для задания направления работы указанных вентилей через преобразование входных x t и выходных с предыдущего временного шага векторов h t-1 . Традиционная LSTM с вентилями забывания с0=0 и h0=0 может быть представлена какThe weights in the LSTM block, expressed in the matrixes of the parameters W and U , are used to specify the direction of operation of the indicated gates through the transformation of the input x t and output from the previous time step of the vectors h t-1 . Traditional LSTM with forgetting valves with 0 = 0 and h 0 = 0 can be represented as
где обозначает поэлементное произведение Адамара, σ g , σ c и σ h означают функцию активации: сигмоидальную, на основе гиперболического тангенса и гиперболического тангенса, соответственно. x t , h t и c t означают входной, выходной вектора и вектор состояний, соответственно. i t , o t и f t - вектора входного, выходного вентилей и вентиля забывания, соответственно. W , U - матрицы параметров, а b - вектор смещения, определяющие согласно нижнему индексу f, i, o и c преобразование состояния, входного, выходного векторов и вентиля забывания.Where denotes the elementwise Hadamard product, σ g , σ c and σ h mean the activation function: sigmoidal, based on the hyperbolic tangent and the hyperbolic tangent, respectively. x t , h t and c t denote the input, output vector and state vector, respectively. i t , o t and f t are the input, output, and forgetting vectors, respectively. W , U are matrixes of parameters, and b is the displacement vector, which determines, according to the subscript f , i , o and c, the state transformation of the input, output vectors and the forgetting valve.
Тренировка весов позволяет LSTM-блоку выучить функцию, которые определяют правило распоряжение памятью. LSTM-блоки обычно тренируют при помощи метода обратного распространения ошибки во времени.Scale training allows the LSTM unit to learn the function that determines the rule for managing the memory. LSTM blocks are usually trained using the time-error propagation method.
В данном изобретении в качестве первой интеллектуальной модели изменения движения объекта и второй интеллектуальной модели движения объекта могут использоваться LSTM-сети, как набор LSTM-модулей, последовательно связанных сначала по схеме «многие к многим» для выделения особенностей движения, вплоть до последнего блока, реализующего схему «многие к одному» для принятия решения о наличии или отсутствия движения объекта для первой интеллектуальной модели изменения движения объекта и для оценки синтетической скорости объекта для второй интеллектуальной модели движения объекта.In this invention, LSTM networks can be used as the first intelligent model for changing the motion of an object and the second intelligent model of an object's motion, as a set of LSTM modules sequentially connected first according to the many-to-many scheme to highlight the features of the movement up to the last block that implements “many-to-one” scheme for deciding on the presence or absence of object motion for the first intellectual model of the object motion change and for estimating the synthetic object velocity for the second engine tele-model of the movement of the object.
Определение текущей пространственной позиции объекта на этапе 106 при определении наличия движения объекта содержит следующие операции. Определяют вектор направления движения объекта посредством вычисления среднего значения значений линейного ускорения объекта в глобальной системе координат методом скользящего окна и привязки этого среднего значения к системе координат, в которой вертикальная ось параллельна вектору ускорения свободного падения. Затем оценивают скорость объекта на основании значений линейного ускорения объекта с использованием второй интеллектуальной модели движения объекта, проецируют оцененную скорость объекта на определенный вектор направления движения объекта и получают текущую пространственную позицию объекта методом численного интегрирования.Determining the current spatial position of the object at
Линейную скорость объекта оценивают на основании значений линейного ускорения объекта с использованием полиномиальной модели скорости в качестве второй интеллектуальной модели движения объекта.The linear velocity of the object is estimated based on the linear acceleration values of the object using the polynomial velocity model as the second intelligent model of the object's motion.
Пусть есть набор {π j} временных последовательностей изменения линейной скорости в 3х-мерном пространстве, характерных для движения объекта рассматриваемого типа. В предлагаемом подходе производится расчет компонентов синтетической линейной скорости объекта , и в k-й момент времени соответственно вдоль осей x, y и z с использованием локальной полиномиальной аппроксимации m-го порядка в виде , где коэффициенты линейной полиномиальной аппроксимации , и для осей x, y и z вычисляются как аргумент минимизации соответствующей функции , и соответственно.Let there be a set { π j } of temporal sequences of linear velocity variation in a 3-dimensional space, characteristic of the movement of an object of the type under consideration. The proposed approach calculates the components of the synthetic linear velocity of the object. , and at the k-th instant respectively along the x, y and z axes using the local m-th order polynomial approximation in the form where the coefficients of linear polynomial approximation , and for the x, y and z axes are calculated as the argument to minimize the corresponding function , and respectively.
Вектор направления движения объекта определяет меру движения в 3х-мерном пространстве и вычисляется как , где означает усреднение нескольких предыдущих k-му моменту времени значений линейного ускорения объекта , p=0,1,… методом скользящего окна. Тогда значение текущей пространственной позиции объекта вычисляется в вычисленном направлении движения объекта методом численного интегрирования.The vector of the direction of movement of the object determines the measure of movement in a 3-dimensional space and is calculated as where means averaging several previous kth time point object linear acceleration values , p = 0,1, ... using the sliding window method. Then the value of the current spatial position of the object is calculated in the calculated direction of the object. numerical integration method.
Вектор направления движения объекта может быть определен методом опорных векторов (SVM).The vector of the direction of movement of the object can be determined by the support vector machine (SVM).
Вектор направления движения объекта может быть определен с использованием предварительно обученной рекуррентной нейронной сети.The vector of the direction of motion of the object can be determined using a pre-trained recurrent neural network.
Линейная скорость объекта может быть оценена на основании значений линейного ускорения объекта с использованием предварительно обученной рекуррентной нейронной сети в качестве второй интеллектуальной модели движения объекта.The linear velocity of the object can be estimated based on the values of the linear acceleration of the object using a pre-trained recurrent neural network as the second intelligent model of the movement of the object.
Линейная скорость объекта также может быть оценена на основании значений линейного ускорения объекта с использованием комбинации предварительно обученных моделей в качестве второй интеллектуальной модели движения объекта.The linear velocity of an object can also be estimated based on the linear acceleration values of the object using a combination of pre-trained models as the second intelligent model of object motion.
Предварительное обучение выполняют на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект.Pre-training is performed on the basis of the characteristic features of the movement of at least one object of the same type as the said object.
В способе бесплатформенной инерциальной навигации также возможен прием значений линейного ускорения объекта, значений угловой скорости объекта, значений температуры и значений напряженности магнитного поля, измеренных более чем одним инерциальным датчиком на этапе 101. Тогда на этапе 104 независимо определяют текущую пространственную ориентацию объекта на основании принятых значений, измеренных каждым датчиком, и на этапе 106 независимо определяют текущую пространственную позицию объекта на основании принятых значений, измеренных каждым датчиком. Упомянутый способ дополнительно содержит следующие операции. Результирующую текущую пространственную ориентацию объекта вычисляют на основании всех текущих пространственных ориентаций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков, и результирующую текущую пространственную позицию объекта вычисляют на основании всех текущих пространственных позиций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков.In the method of free-form inertial navigation, it is also possible to receive the object linear acceleration values, the object angular velocity values, temperature values and magnetic field strength values measured by more than one inertial sensor at
Вычисление результирующих значений текущей пространственной ориентации объекта и вычисление текущей пространственной позиции объекта может производятся посредством взвешенного усреднения текущих пространственных ориентаций объекта и текущих пространственных позиций объекта, определенных независимо на основании принятых значений, измеренных разными инерциальными датчиками, либо другими известными в уровне техники способами.The calculation of the resulting values of the current spatial orientation of the object and the calculation of the current spatial position of the object can be done by weighted averaging the current spatial orientations of the object and the current spatial positions of the object, determined independently based on the received values measured by different inertial sensors or by other methods known in the art.
Устройство бесплатформенной инерциальной навигации работает согласно способу бесплатформенной инерциальной навигации, и блоки упомянутого устройства соответственно выполняют все операции упомянутого способа, описанные выше. Поэтому подробное описание операций, выполняемых блоками устройства бесплатформенной инерциальной навигации, не приводится для избежания повторения.The strapdown inertial navigation device operates according to the strapdown inertial navigation method, and the blocks of the said device respectively perform all the operations of the method described above. Therefore, a detailed description of the operations performed by the units of the strapdown inertial navigation device is not given to avoid repetition.
Один вариант осуществления устройства бесплатформенной инерциальной навигации представлен на фиг. 3. В представленном варианте осуществления устройство бесплатформенной инерциальной навигации содержит блок 201 коррекции по температуре, блок 202 коррекции по магнитному полю, блок 203 определения пространственной ориентации, блок 204 определения движения и блок 205 определения пространственной позиции.One embodiment of a strapdown inertial navigation device is shown in FIG. 3. In the present embodiment, the strapdown inertial navigation device includes a
Другой вариант осуществления устройства бесплатформенной инерциальной навигации представлен на фиг. 4. В представленном варианте осуществления устройство бесплатформенной инерциальной навигации содержит вышеперечисленные блоки 201-205 и фильтр 206 для фильтрации значений линейного ускорения объекта и значений угловой скорости объекта для подавления шума. Фильтр 206 выполняет фильтрацию значений линейного ускорения объекта и значений угловой скорости объекта посредством взвешенного усреднения методом скользящего окна. Кроме того, для фильтрации принятых значений линейного ускорения объекта и принятых значений угловой скорости объекта может применяться любой другой подходящий способ фильтрации.Another embodiment of a strapdown inertial navigation device is shown in FIG. 4. In the present embodiment, the strapdown inertial navigation device contains the above blocks 201-205 and filter 206 for filtering the object linear acceleration values and the object angular velocity values for noise suppression. The
Блок 201 коррекции по температуре выполняет коррекцию значений угловой скорости объекта на поправочный коэффициент для текущего значения температуры, если выявлено отклонение нулевой угловой скорости гироскопа инерциального датчика. Набор поправочных коэффициентов для каждого значения рабочей температуры инерциального датчика получают заранее.The
Блок 202 коррекции по магнитному полю выполняет коррекцию значений угловой скорости объекта на поправочный коэффициент, если выявлено изменение напряженности магнитного поля. Значение поправочного коэффициента вычисляется как решение оптимизационной задачи.The magnetic
Блок 203 определения пространственной ориентации определяет текущую пространственную ориентацию объекта на основании значений угловой скорости, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или значений угловой скорости объекта, скорректированных блоками 201 и/или 202, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля.The spatial
Блок 204 определения движения определяет, движется ли объект, на основании значений линейного ускорения объекта и значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании значений линейного ускорения объекта и значений угловой скорости объекта, скорректированных блоками 201 и/или 202, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной первой интеллектуальной модели изменения движения объекта. Первую интеллектуальную модель изменения движения объекта получают заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект.The
Блок 205 определения пространственной позиции при определении наличия движения объекта определяет текущую пространственную позицию объекта на основании значений линейного ускорения объекта и значений угловой скорости объекта, если не выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, или на основании значений линейного ускорения объекта и значений угловой скорости объекта, скорректированных блоками 201 и/или 202, если выявлено отклонение нулевой угловой скорости и/или изменение напряженности магнитного поля, с использованием предварительно полученной второй интеллектуальной модели движения объекта. Вторую интеллектуальную модель движения объекта получают заранее на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. При определении отсутствия движения объекта блок 205 определения пространственной позиции задает текущую пространственную позицию объекта равной предыдущей пространственной позиции объекта.The spatial
Устройство бесплатформенной инерциальной навигации использует значения линейного ускорения объекта измеренные акселерометром инерциального датчика, значения угловой скорости объекта, измеренные гироскопом инерциального датчика, значения температуры инерциального датчика, измеренные термометром инерциального датчика и значения напряженности магнитного поля, измеренные магнетометром инерциального датчика, причем значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры инерциального датчика и значения напряженности магнитного поля, воздействующего на магнетометр инерциального датчика, измерены по меньшей мере одним инерциальным датчиком, включающим в себя по меньшей мере акселерометр, гироскоп, термометр и магнетометр.The free inertial navigation device uses the object's linear acceleration values measured by an inertial sensor accelerometer, object angular velocity values measured by an inertial sensor gyroscope, inertial sensor temperatures measured by an inertial sensor thermometer, and magnetic field intensity values measured by an inertial sensor magnetometer, and the linear acceleration values of the object the angular velocity of the object, the temperature of the inertial sensor and the magnetic field strengths acting on the inertial sensor magnetometer are measured by at least one inertial sensor including at least an accelerometer, a gyroscope, a thermometer and a magnetometer.
Блок 201 коррекции по температуре получает поправочный коэффициент для каждого значения рабочей температуры инерциального датчика при определении, что объект не движется. Блок 201 коррекции по температуре формирует набор значений угловой скорости объекта для текущего значения рабочей температуры инерциального датчика, причем оптимальное количество значений угловой скорости объекта в упомянутом наборе определяется на основании оптимизации соотношения смещения среднего значения угловой скорости объекта и величины разброса значений угловой скорости объекта. Затем блок 201 коррекции по температуре усредняет значения угловой скорости объекта упомянутого набора методом взвешенного среднего и вычисляет поправочный коэффициент для текущего значения рабочей температуры инерциального датчика посредством решения регрессионного уравнения. Формирование набора значений угловой скорости объекта и вычисление поправочного коэффициента выполняется для каждого значения рабочей температуры инерциального датчика. Блок 201 коррекции по температуре определяет оптимальное количество значений угловой скорости объекта в упомянутом наборе методом пересечения доверительных интервалов.The
Блок 202 коррекции по магнитному полю вычисляет поправочные коэффициенты для значения напряженности магнитного поля для коррекций значений угловой скорости объекта по изменению напряженности магнитного поля посредством следующих операций.The magnetic
Блок 202 коррекции по магнитному полю корректирует значения напряженности магнитного поля с использованием калибровочных параметров магнетометра. Калибровочные параметры вычисляются заранее. Если скорректированные значения напряженности магнитного поля удовлетворяют диапазону из вычисленной заранее модели распределения напряженности магнитного поля, блок 202 коррекции по магнитному полю рассчитывает поправочные коэффициенты значений угловой скорости объекта как меру отклонения текущего вектора напряженности от значения упомянутой модели. Если скорректированные значения напряженности магнитного поля не удовлетворяют диапазону из модели распределения напряженности магнитного поля, блок 202 коррекции по магнитному полю перерассчитывает калибровочные параметры как задачу ортогонализации и минимизации смещения среднего значения напряженности и кросс-корреляции между осями.The magnetic
Блок 203 определения пространственной ориентации определяет текущую пространственную ориентацию объекта посредством вычисления методом численного интегрирования.The spatial
Блок 204 определения движения определяет, движется ли объект, путем сравнения значения евклидовой нормы угловой скорости объекта с одной константой и сравнения значения евклидовой нормы линейного ускорения объекта с другой константой, причем упомянутые сравнения с константами и константы заданы в первой интеллектуальной модели изменения движения объекта на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. Блок 204 определения движения определяет, что объект не движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта не превышают упомянутую константу, и определяет, что объект движется, если значение евклидовой нормы угловой скорости объекта и значение евклидовой нормы линейного ускорения объекта превышают упомянутую константу.
Блок 204 определения движения также может определять, движется ли объект, путем сравнения значения евклидовой нормы линейного ускорения объекта с одним адаптивным порогом методом скользящего окна и сравнения значения евклидовой нормы угловой скорости объекта с другим адаптивным порогом методом скользящего окна. Способ упомянутого сравнения с адаптивными порогами и способ вычисления адаптивных порогов методом скользящего окна заданы в первой интеллектуальной модели изменения движения объекта.
Блок 204 определения движения вычисляет адаптивный порог и сравнивает с ним евклидовую норму линейного ускорения объекта итеративно. Для этого блок 204 определения движения устанавливает адаптивный порог, причем предварительно считается, что объект не движется, и адаптивный порог вычислен заранее. Затем блок 204 определения движения принимает заданный порог для определения движения и заданный порог для определения отсутствия движения и сравнивает значение нормы линейного ускорения объекта с адаптивным порогом. Порог для определения движения и порог для определения отсутствия движения заданы в первой интеллектуальной модели изменения движения объекта на основании характерных особенностей движения по меньшей мере одного объекта того же типа, что и упомянутый объект. Если значение нормы линейного ускорения объекта не превышает адаптивный порог, то определяется, что объект не движется. Если значение нормы линейного ускорения объекта превышает адаптивный порог, то определяется длительность, как долго значение нормы линейного ускорения объекта превышает адаптивный порог. Если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога превышает порог для определения движения, то определяется, что объект движется, при этом адаптивный порог не изменяется. Если длительность нахождения значения нормы линейного ускорения объекта более адаптивного порога не превышает порог для определения движения, то определяется, что объект не движется. Если определено, что объект не движется, блок 204 определения движения перерассчитывает текущий адаптивный порог путем вычисления среднего взвешенного значений линейного ускорения объекта в скользящем окне, а затем присваивает текущему значению адаптивного порога максимальное значение между текущим значением адаптивного порога и максимальным значением между вычисленными средним взвешенным значением и максимальным значением ковариационной матрицы. Если определено, что объект движется, блок 204 определения движения сравнивает значение нормы линейного ускорения объекта с адаптивным порогом. Если значение нормы линейного ускорения объекта превышает адаптивный порог, то блок 204 определения движения определяет, что объект продолжает движение. Если значение нормы линейного ускорения объекта не превышает адаптивный порог, то блок 204 определения движения определяет завершение движения путем сравнения длительности, как долго значение нормы линейного ускорения объекта меньше порога для определения отсутствия движения, и если длительность нахождения менее адаптивного порога превышает порог для определения отсутствия движения, то блок 204 определения движения определяет, что объект не движется, при этом адаптивный порог пересчитывается в соответствии с нормой входных значений линейного ускорения объекта. Адаптивный порог вычисляется как усредненное по множеству различный тестовых данных значение нормы линейного ускорения объектов одного того же типа, при котором однозначно выявлено движение.
Блок 204 определения движения также может содержать по меньшей мере одну предварительно обученную рекуррентную нейронную сеть и определять, движется ли объект, с использованием по меньшей мере одной предварительно обученной рекуррентной нейронной сети в качестве первой интеллектуальной модели изменения движения объекта.
Блок 204 определения движения также может содержать каскад предварительно обученных рекуррентных нейронных сетей и определять, движется ли объект, с использованием каскада предварительно обученных рекуррентных нейронных сетей в качестве первой интеллектуальной модели изменения движения объекта.
Каждая рекуррентная нейронная сеть может представлять собой долгую краткосрочную память (LSTM).Each recurrent neural network can be a long-term short-term memory (LSTM).
Блок 205 определения пространственной позиции определяет текущую пространственную позицию объекта при определении наличия движения объекта посредством определения вектора направления движения объекта посредством вычисления среднего значения значений линейного ускорения объекта в глобальной системе координат методом скользящего окна и привязки этого среднего значения к системе координат, в которой вертикальная ось параллельна вектору ускорения свободного падения, оценки скорости объекта на основании значений линейного ускорения объекта с использованием второй интеллектуальной модели движения объекта, проецирования оцененной скорости объекта на определенный вектор направления движения объекта и получения текущей пространственной позиции объекта методом численного интегрирования.The spatial
Блок 205 определения пространственной позиции может определять вектор направления движения объекта методом опорных векторов (SVM).The spatial
Блок 205 определения пространственной позиции может содержать предварительно обученную рекуррентную нейронную сеть и определять вектор направления движения объекта с использованием предварительно обученной рекуррентной нейронной сети.The spatial
Блок 205 определения пространственной позиции может оценивать линейную скорость объекта на основании значений линейного ускорения объекта с использованием полиномиальной модели скорости в качестве второй интеллектуальной модели движения объекта.The spatial
Блок 205 определения пространственной позиции может содержать предварительно обученную рекуррентную нейронную сеть и оценивать линейную скорость объекта на основании значений линейного ускорения объекта с использованием предварительно обученной рекуррентной нейронной сети в качестве второй интеллектуальной модели движения объекта.The spatial
Блок 205 определения пространственной позиции может содержать комбинацию предварительно обученных моделей и оценивать линейную скорость объекта на основании значений линейного ускорения объекта с использованием комбинации предварительно обученных моделей в качестве второй интеллектуальной модели движения объекта.The spatial
В устройство бесплатформенной инерциальной навигации могут поступать значения линейного ускорения объекта, значения угловой скорости объекта, значения температуры и значения напряженности магнитного поля, измеренные более чем одним инерциальным датчиком.Values of linear acceleration of an object, values of an angular velocity of an object, values of temperature and values of magnetic field strength measured by more than one inertial sensor can be received into the device of free-form inertial navigation.
При поступлении данных от более чем одного инерциального датчика блок 203 определения пространственной ориентации независимо определяет текущую пространственную ориентацию объекта на основании значений, измеренных каждым датчиком, и вычисляет результирующую текущую пространственную ориентацию объекта на основании всех текущих пространственных ориентаций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков. Блок 205 определения пространственной позиции независимо определяет текущую пространственную позицию объекта на основании значений, измеренных каждым датчиком, и вычисляет результирующую текущую пространственную позицию объекта на основании всех текущих пространственных позиций объекта, определенных независимо на основании принятых значений с разных инерциальных датчиков.When data is received from more than one inertial sensor, the spatial
При поступлении данных от более чем одного инерциального датчика блок 203 определения пространственной ориентации может вычислять результирующую текущую пространственную ориентацию объекта посредством взвешенного усреднения текущих пространственных ориентаций объекта, определенных независимо на основании значений, измеренных разными инерциальными датчиками; и блок 205 определения пространственной позиции может вычислять результирующую текущую пространственную позицию объекта посредством взвешенного усреднения текущих пространственных позиций объекта, определенных независимо на основании принятых значений, измеренных разными инерциальными датчиками.When data is received from more than one inertial sensor, the spatial
На фиг. 6 приведена блок-схема, иллюстрирующая применение изобретения в качестве устройства распознавания и аутентификации пользователя по конкретным образцам человеческого движения. Устройство распознавания и аутентификации пользователя содержит блок 201 коррекции по температуре, блок 202 коррекции по магнитному полю, блок 203 определения пространственной ориентации, блок 204 определения движения и блок 205 определения пространственной позиции, которые полностью соответствуют блокам 201-205, описанным выше. Кроме того, устройство распознавания и аутентификации пользователя может содержать описанный выше фильтр 206.FIG. 6 is a block diagram illustrating the use of the invention as a device for recognizing and authenticating a user for specific samples of human movement. The user recognition and authentication device includes a
Устройство распознавания и аутентификации пользователя дополнительно содержит блок 207 выделения вектора признаков движения объекта. Полученные в блоке 203 значения пространственной ориентации объекта и полученные в блоке 205 значения пространственной позиции объекта поступают в блок 207 выделения вектора признаков движения объекта, который осуществляет распознавание и аутентификацию пользователя по конкретным образцам человеческого движения.The device recognition and authentication of the user further comprises a
На фиг. 7 приведена блок-схема, иллюстрирующая применение изобретения в качестве системы автоматического регулирования движения транспортного средства («круиз контроль»). Система автоматического регулирования движения транспортного средства содержит блок 201 коррекции по температуре, блок 202 коррекции по магнитному полю, блок 203 определения пространственной ориентации, блок 204 определения движения и блок 205 определения пространственной позиции, которые полностью соответствуют блокам 201-205, описанным выше. Кроме того, система автоматического регулирования движения транспортного средства может содержать описанный выше фильтр 206.FIG. 7 is a block diagram illustrating the use of the invention as a system for automatically controlling the movement of a vehicle (“cruise control”). The automatic vehicle motion control system includes a
Система автоматического регулирования движения транспортного средства дополнительно содержит блок 208 коррекции движения транспортного средства. Полученные в блоке 203 значения пространственной ориентации объекта и полученные в блоке 205 значения пространственной позиции объекта поступают в блок 208 коррекции движения транспортного средства, который осуществляет уточнение движения транспортного средства с использованием дополнительных значений пространственной позиции и пространственной ориентации, полученных с внешних независимых датчиков, таких как камера, датчик системы глобальной навигации и т.п., с целью предупреждения нештатной аварийной ситуации транспортного средства.The automatic vehicle motion control system further comprises a vehicle
На фиг. 8 приведена блок-схема, иллюстрирующая применение изобретения в качестве системы автоматического регулирования движения любого транспортного средства в 3-мерном пространстве, включая беспилотные варианты. Система автоматического регулирования движения транспортного средства в 3-мерном пространстве содержит блок 201 коррекции по температуре, блок 202 коррекции по магнитному полю, блок 203 определения пространственной ориентации, блок 204 определения движения и блок 205 определения пространственной позиции, которые полностью соответствуют блокам 201-205, описанным выше. Кроме того, система автоматического регулирования движения транспортного средства может содержать описанный выше фильтр 206.FIG. 8 is a block diagram illustrating the use of the invention as a system for automatically controlling the movement of any vehicle in 3-dimensional space, including unmanned versions. The automatic vehicle motion control system in 3-dimensional space contains a
Система автоматического регулирования движения транспортного средства в 3-мерном пространстве дополнительно содержит блок 209 коррекции 3-мерного движения транспортного средства. Полученные в блоке 203 значения пространственной ориентации объекта и полученные в блоке 205 значения пространственной позиции объекта поступают в блок 209 коррекции 3-мерного движения транспортного средства, который выполняет коррекцию 3-мерного движения транспортного средства с использованием дополнительных значений пространственной позиции и пространственной ориентации, полученных с внешних независимых датчиков, таких как камера, датчик системы глобальной навигации и т.п., с целью предупреждения нештатной аварийной ситуации транспортного средства.The system of automatic control of the movement of the vehicle in 3-dimensional space further comprises a
Вышеприведенные описания вариантов осуществления изобретения являются иллюстративными, и модификации конфигурации и реализации не выходят за пределы объема настоящего описания. Например, хотя варианты осуществления изобретения описаны, в общем, в связи с фигурами 1-8, приведенные описания являются примерными. Хотя предмет изобретения описан на языке, характерном для конструктивных признаков или методологических операций, понятно, что предмет изобретения, определяемый прилагаемой формулой изобретения, не обязательно ограничен конкретными вышеописанными признаками или операциями. Более того, конкретные вышеописанные признаки и операции раскрыты как примерные формы реализации формулы изобретения.The above descriptions of embodiments of the invention are illustrative, and configuration modifications and implementations are within the scope of the present description. For example, although embodiments of the invention have been described in general in connection with FIGS. 1-8, the descriptions given are exemplary. Although the subject matter of the invention is described in a language characteristic of constructive features or methodological operations, it is understood that the subject matter of the invention defined by the appended claims is not necessarily limited to the specific features or operations described above. Moreover, the specific features and operations described above are disclosed as exemplary forms of implementing the claims.
Соответственно предполагается, что объем изобретения ограничивается только нижеследующей формулой изобретения.Accordingly, it is assumed that the scope of the invention is limited only by the following claims.
Claims (105)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018129460A RU2685767C1 (en) | 2018-08-13 | 2018-08-13 | Method and device for strap down inertial navigation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2018129460A RU2685767C1 (en) | 2018-08-13 | 2018-08-13 | Method and device for strap down inertial navigation |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2685767C1 true RU2685767C1 (en) | 2019-04-23 |
Family
ID=66314475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2018129460A RU2685767C1 (en) | 2018-08-13 | 2018-08-13 | Method and device for strap down inertial navigation |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2685767C1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2717552C1 (en) * | 2019-05-27 | 2020-03-24 | Публичное акционерное общество "Московский институт электромеханики и автоматики" (ПАО "МИЭА") | Method of digital filtration of noise component in inertial sensors |
RU2769440C1 (en) * | 2021-05-18 | 2022-03-31 | Общество с ограниченной ответственностью «ЭвоКарго» | Method for integrating heterogeneous navigation information for positioning a ground vehicle |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224575B2 (en) * | 2008-04-08 | 2012-07-17 | Ensco, Inc. | Method and computer-readable storage medium with instructions for processing data in an internal navigation system |
CN104048675A (en) * | 2014-06-26 | 2014-09-17 | 东南大学 | Integrated navigation system fault diagnosis method based on Gaussian process regression |
CN107250727A (en) * | 2014-09-15 | 2017-10-13 | 牛津大学创新有限公司 | Determine position of the mobile device in geographic area |
RU2635820C1 (en) * | 2016-05-11 | 2017-11-16 | Открытое акционерное общество Московский научно-производственный комплекс "Авионика" имени О.В. Успенского (ОАО МНПК "Авионика") | Method of correction of platform-free inertial navigation system |
-
2018
- 2018-08-13 RU RU2018129460A patent/RU2685767C1/en active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224575B2 (en) * | 2008-04-08 | 2012-07-17 | Ensco, Inc. | Method and computer-readable storage medium with instructions for processing data in an internal navigation system |
CN104048675A (en) * | 2014-06-26 | 2014-09-17 | 东南大学 | Integrated navigation system fault diagnosis method based on Gaussian process regression |
CN107250727A (en) * | 2014-09-15 | 2017-10-13 | 牛津大学创新有限公司 | Determine position of the mobile device in geographic area |
RU2635820C1 (en) * | 2016-05-11 | 2017-11-16 | Открытое акционерное общество Московский научно-производственный комплекс "Авионика" имени О.В. Успенского (ОАО МНПК "Авионика") | Method of correction of platform-free inertial navigation system |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2717552C1 (en) * | 2019-05-27 | 2020-03-24 | Публичное акционерное общество "Московский институт электромеханики и автоматики" (ПАО "МИЭА") | Method of digital filtration of noise component in inertial sensors |
RU2769440C1 (en) * | 2021-05-18 | 2022-03-31 | Общество с ограниченной ответственностью «ЭвоКарго» | Method for integrating heterogeneous navigation information for positioning a ground vehicle |
WO2022245246A1 (en) * | 2021-05-18 | 2022-11-24 | Общество с ограниченной ответственностью "ЭвоКарго" | Method of integrating navigational data to determine the position of a vehicle |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222581B (en) | Binocular camera-based quad-rotor unmanned aerial vehicle visual target tracking method | |
Clark et al. | Vinet: Visual-inertial odometry as a sequence-to-sequence learning problem | |
Gallego et al. | Event-based camera pose tracking using a generative event model | |
CN111693047A (en) | Visual navigation method for micro unmanned aerial vehicle in high-dynamic scene | |
US11138742B2 (en) | Event-based feature tracking | |
JP7339029B2 (en) | Self-motion estimation device and method using motion recognition model and motion recognition model training device and method | |
JP7263216B2 (en) | Object Shape Regression Using Wasserstein Distance | |
US11315264B2 (en) | Laser sensor-based map generation | |
CN111813113B (en) | Bionic vision self-movement perception map drawing method, storage medium and equipment | |
CN107038713A (en) | A kind of moving target method for catching for merging optical flow method and neutral net | |
CN111105439B (en) | Synchronous positioning and mapping method using residual attention mechanism network | |
Jouaber et al. | Nnakf: A neural network adapted kalman filter for target tracking | |
CN106767791A (en) | A kind of inertia/visual combination air navigation aid using the CKF based on particle group optimizing | |
RU2685767C1 (en) | Method and device for strap down inertial navigation | |
US11398048B2 (en) | Estimating camera pose | |
Or et al. | A hybrid model and learning-based adaptive navigation filter | |
CN113411744A (en) | High-precision indoor positioning and tracking method | |
CN117367427A (en) | Multi-mode slam method applicable to vision-assisted laser fusion IMU in indoor environment | |
Wang et al. | A robust 6-D pose tracking approach by fusing a multi-camera tracking device and an AHRS module | |
CN108759846B (en) | Method for establishing self-adaptive extended Kalman filtering noise model | |
Cai et al. | Dynamic illumination optical flow computing for sensing multiple mobile robots from a drone | |
CN117369507A (en) | Unmanned aerial vehicle dynamic path planning method of self-adaptive particle swarm algorithm | |
Le et al. | Human detection and tracking for autonomous human-following quadcopter | |
CN113916223B (en) | Positioning method and device, equipment and storage medium | |
CN105184803A (en) | Attitude measurement method and device |