[发明专利]基于传感器融合的可移动设备在人身上的定位方法

说明书

本发明公开了一种基于传感器融合的可移动设备在人身上的定位方法，通过融合RGB‑D体感传感器采集的不同人体关节点位置数据和由可移动设备内嵌惯性传感器融合计算得到的可移动设备加速度，确定联合数据的对数似然值，比较位置数据和加速度数据的匹配度，确定与可移动设备加速度匹配度最高的位置，此定位信息即可移动设备在人身上的位置。本发明方法，不同于传统的对可移动设备的位置进行分类的方法，也不同于基于图像处理的方法，依靠放置于环境中的RGB‑D体感传感器和可移动设备内嵌惯性传感器，当携带可移动设备的人员活动时自动对可移动设备进行定位，适用于多种环境条件，实用性强。

技术领域

本发明涉及一种可移动设备在人身上的定位方法，具体说是一种基于传感器融合的可移动设备在人身上的定位方法。本发明不仅适用于可穿戴设备，也适用于手机等可移动设备，当可移动设备在人身上时，此定位方法将可移动设备定位于人体关节点处。

背景技术

基于可移动设备的人体行为识别中一个基础性挑战是由可移动设备位置未知引起的，用户可以把可移动设备，如手机，放在腰部、手部位置等，这给人体行为识别带来了困难。国内外学者对基于可穿戴/可移动设备的人体动作识别进行了大量研究，假定已知的确定的可穿戴传感器位置，进行了设备位置无关的人体动作识别研究。研究人员在实验室中进行人体行为识别研究时，把可移动设备放置于一个特别的位置，如手腕、手臂、腰部、脚部，通过分析可移动设备内嵌传感器数据，识别人体行为。少数研究人员关注了可移动设备定位问题，但研究集中于依靠设备本身内嵌传感器，将定位问题转化为分类问题，这种方法没有实质解决定位问题。他们首先预设可移动设备在身上的可能位置，通过对放置于此位置的传感器的数据进行分类，确定可移动设备处于预设的几个位置中的某一个。既往研究发现，可移动设备先验位置信息对行为识别有重要影响。如何对可移动设备进行定位，目前仍是一个开放性的问题。

可穿戴/可移动设备和环境传感器在日常生活中日益流行，运用基于传感器融合的方法，本专利提出了一种新方法，借助外部环境传感器，通过挖掘RGB-D传感器数据和可移动内嵌传感器数据之间的关联性，确定可移动设备在人身上的位置。微软RGB-D(RGB-Depth)体感传感器，可任意放置于环境中，便利地采集人体20/25个骨骼关节点(微软Kinect V1/V2)数据。本专利提出了一种基于RGB-D和惯性传感器融合的可移动/可穿戴设备在人身上的定位方法，运用选取的关键关节点数据，可准确地计算可移动/可穿戴设备在身上的位置，以解决目前人体行为识别中可移动/可穿戴设备位置未知的问题。

发明内容

本发明所要解决的技术问题在于，克服现有技术存在的缺陷，提出了一种基于传感器融合的可移动设备在人身上的定位方法，通过融合RGB-D体感传感器采集的不同人体关节点位置数据和惯导计算的可移动设备加速度，确定联合数据的对数似然值，比较位置数据和加速度数据的匹配度，确定与可移动设备加速度匹配度最高的位置，此定位信息即可移动设备在人身上的位置。

本专利提出的方法，不同于基于图像处理的方法，实用性强。本方法依靠RGB-D体感传感器和惯性传感器，不依赖于RGB图像，适用于多种环境条件。

本发明为实现发明目的所采用的技术方案，基于传感器融合的可移动设备在人身上的定位方法，其步骤如下：

步骤1.通过RGB-D体感传感器，获取M帧人体深度图像；同时，获取同时间内可移动设备内嵌惯性传感器数据序列；

步骤2.提取人体骨骼点坐标，获取人体关节点位置；通过惯性传感器融合，计算可移动设备的移动加速度，通过坐标系转换，计算可移动设备在RGB-D体感坐标系内的移动加速度；

步骤3.基于高斯过程的传感器融合，融合人体关节点位置数据和可移动设备的加速度数据，找到位置数据和加速度数据的联合分布函数；

步骤4.计算人体关节点位置与可移动设备加速度联合数据的对数似然值；