[发明专利]一种基于可穿戴设备联合目标检测的惯导定位方法

权利要求书

1.一种基于可穿戴设备联合目标检测的惯导定位方法，其特征在于，包括三个步骤，一是惯性传感器定位测量算法、二是目标检测算法、三是融合算法；

步骤一，惯性传感器定位测量算法：

包括步伐检测算法、步长估计算法以及航向估计算法；

步伐检测算法负责检测用户是否发生步伐动作，通过用户的步伐动作来更新用户的当前位置；

步伐检测算法通过检测加速度模值的高低变化从而判断用户是否发生步伐动作；

采用步长估计算法对不同时刻的步长进行估计，步长估计如公式(1)所示，其中β为常量，根号内的差表示当前步伐发生时间内，^ga_max、^ga_min分别为地球坐标系加速度垂直分量的最大值与最小值；

L＝β·(^ga_max-^ga_min)^1/4 (1)

所述航向估计算法，从磁场传感器中读取到磁场的方向，磁场传感器的测量值作为参考值之一，还借助陀螺仪传感器来进一步确定用户的行走方向，使用融合滤波算法来将两者进行融合,融合滤波如公式(2)与公式(3)：

S_t＝AS_t-1+BU_t+w_t (2)

Z_t＝HS_t+v_t (3)

其中，

S表示航位估计值，t表示时刻，U表示外接的输入值，即表示陀螺仪传感器的输出值，

Z表示航位的测量值，即磁场传感器对航位的输出值，

w和v分别表示预测误差和测量误差，用高斯白噪声表示，

A、B、H表示矩阵变换因子，A＝H＝1，B＝dt，即陀螺仪的采样时间间隔；

步骤二，目标检测算法，此算法的输入数据来自于穿戴式设备的摄像头，此算法负责检测图像中是否存在锚点图像、盲道上是否存在障碍物以及图像中盲道出现的概率；需要有一个数据库，此数据库记录锚点图像的绝对位置以及ID，即在感兴趣的区域中布置锚点图像，这些图像的真实位置是已知的，作为参考信号，通过这些图像来减小惯性传感器的累积误差,具体如下：

对于来自于摄像头的每帧图像，人工神经网络对输入图像进行检测，若检测当前帧中包含锚点图像 ，则返回结果为当前图像中包含锚点图像；若检测当前帧中存在盲道 ，但是也存在障碍物 ，并且两者在图像中的区域有重叠，重叠部分大于给定的阈值，则算法返回的结果为盲道上存在障碍物；若检测当前帧中盲道的概率小于给定的阈值，则返回结果为航迹偏离盲道，给出脱离盲道预警信号；最后的结果为，检测结果包含盲道，盲道上不存在障碍物，图像中也不包含锚点图像，则此时返回的是图像中的盲道的概率；

步骤三，融合算法，负责将惯导定位算法模块的结果与目标检测算法模块的结果进行融合，给出最终的位置坐标：

若目标检测算法返回的结果是存在锚点图像，则此时融合算法给出的融合结果是此锚点图像的位置坐标，并且此时将惯性传感器的测量值都清零，去除累积误差以提高精确度，因为此时的锚点图像的位置坐标是绝对精确的并且是已知的；

若目标检测算法返回的结果是障碍物预警信息，则此时融合算法返回的融合结果是惯导定位算法给出的位置坐标信息，但同时反馈系统给用户发出前方障碍物的预警信息；

若目标检测算法返回的结果是盲道的概率，则融合算法将此概率值与给定的阈值进行比较，若小于给定的阈值，说明视野中盲道所占的比例很小，则反馈系统提示用户脱离盲道的预警信息，若大于给定的阈值，则融合算法返回的结果是惯导定位给出的位置坐标值。

2.如权利要求1所述的方法，其特征在于，所述地球坐标系加速度垂直分量的最大值与最小值：

假设可穿戴设备中的加速度传感器测量出的加速度为x，此加速度x为可穿戴设备在其自身坐标系即设备坐标系中的矢量，再通过可穿戴设备坐标系与地球坐标系的转换关系，将该加速度矢量映射到地球坐标系中，于是可以计算出在步伐发生的时间段内在地球坐标系下的重力方向加速度分量的最大值与最小值，分别表示为^ga_max、^ga_min。