[发明专利]基于惯性传感器的行人室内位置跟踪方法

说明书

技术领域

本发明涉及一种行人室内位置跟踪方法，具体涉及基于惯性传感器的PDR方法和PF融合地图信息算法。

背景技术

近几年，微电子机械系统(Micro-ElectroMechanical Systems，MEMS)的发展，使得惯性传感器在智能移动终端的应用得到普及。基于惯性传感器的行人室内导航系统，以其无需铺设外部设施的低成本优势，逐渐成为研究热门。该系统的基本原理是采用行人航迹推算法(PDR，Pedestrian Dead-Reckoning)，根据惯性传感器(如加速度计、陀螺仪)的测量数据，主要涉及到检步、估计步长、估计航向角等技术，因此这种系统有时也称为SHSs(Step-and-Heading Systems)。早期采用的是可穿戴设备，将传感器安装于鞋子、头盔、置于口袋、腰部等，行走中脚部能更多的反映运动特征，所以基于脚部传感器能更好的检步，然而需要额外购置专门设备且不便携带，不适用于普通的行人室内导航系统。在行走过程中，加速度传感器会输出一定的行走特征，通过对测量数据进行峰值检测、过零检测、自相关匹配、频谱分析等，其中一种或几种相结合来识别每一步，后两种因为耗时长而导致实时性不强。对于步长估计，最粗略的是直接设定步长为一个常数，因为行人在常速行走下有一个平均步长，但是现实中，步长受一个人的身高、体型、换步频率等因素影响，不可以一概为均值。研究者们普遍接受一个最大最小加速度差值四次根方的公式计算，但也有人提出其它如基于步频和步长有线性关系，穿戴脚部的传感器采用零速更新(ZUPT，Zero-velocity UPdaTe)，基于行人身高等步长估计方法。而航向估计中，最简单的估计方法是将传感器固定于行人，使传感器坐标系与地球坐标系(指南针坐标系，N-E坐标系)三轴重合，这样传感器测得的方位角即是行人的航向角，则经常通过借助重力在加速度传感器三轴上的分量以及磁强计(电子罗盘)来计算求得，而一般情况下，传感器的放置是无固定姿态的(即姿态任意性)，这是需要借助其它方法来估计航向，比如主成份分析法(PCA，Primary Components Analyze)估计航向角。

粒子滤波(PF，Particle Filter)是在Kalman滤波的状态模型的高斯、线性假设条件不满足的情况下兴起的滤波跟踪算法，它通过使用蒙特卡洛法抽样最大后验估计，从而逼近贝叶斯最优估计。目前各种室内定位如WLAN室内定位、超宽带室内定位、基于视觉室内定位、惯性传感器室内定位等都采用粒子滤波来改善定位精度以及解决多目标跟踪问题，并且使用粒子滤波来融合不同定位系统的数据，从而相互辅助提高定位结果。经常采用粒子滤波来将地图信息加入到位置估计中，根据地图信息来调整粒子滤波中的参数，从而不仅提高精度，也防止了跟踪目标出现穿墙等特殊情况的发生。

发明内容

本发明是要解决单纯使用PDR对行人位置跟踪时，因为惯性传感器自身所具有的长时漂移性而造成位置估计误差大甚至错误估计等情况，而提供了基于惯性传感器的行人室内位置跟踪方法。

基于惯性传感器的行人室内位置跟踪方法按以下步骤实现：

一、根据加速度传感器进行检步及步长估计，具体过程为：采用峰值-零值-谷值-时间间隔的方法进行检步，即每行走一步包含1个最大加速度、2个零值、1个最小加速度，并且满足时间间隔合理，按照成人常速行走的速度为2～4步每秒，设置时间间隔下限为250毫秒，S₀表示起步，S_i,i＝1…9表示第i步，步长估计通过下式来获得

其中sLen是估计的步长，acc_i、acc_Ave分别代表每一步中的加速度值、平均加速度值，N表示每步中采集到的数据个数；

二、根据陀螺仪测量数据中的三轴角速度变化进行航向角估计，对航向角进行校正，然后根据校正后的航向角与第一步步长进行航迹推算，最后根据步长、航向角通过PDR方法估计位置：

其中，表示第k步的PDR估计位置h_k代表第k步估计的航向角，sLen_k代表第k步的步长；

三、通过粒子滤波将地图信息和PDR估计结果融合，即完成了基于惯性传感器的行人室内位置跟踪方法。

发明效果：