結合手機慣性傳感器的地下定位算法研究

2020-12-03 RFID世界網

  隨著我國城鎮化的快速發展,城市人口不斷增多,為滿足人們對空間容量的需求,城市生存空間已經從地上擴展到了地下,包括軌道交通、商業設施、地下車庫、高層建築地下空間等。地下空間的合理開發利用,能夠有效解決交通擁堵、土地資源缺乏等問題,實現城市集約化發展,進一步提高城市的用地效率。然而,與地上空間相比,人們在地下空間活動仍存在許多不便之處,其中之一便是地下位置信息獲取困難。由於高層建築物的遮擋,在地下空間不能接收到衛星信號,導致基於全球導航衛星系統的定位方式受限。

  在無全球導航衛星信號環境中可以利用RFID、WiFi、藍牙進行位置推算,但需要額外的硬體設備支持,同時地下空間較為封閉,若布置大量電磁信號發射器,易造成信號幹擾,影響定位精度。基於慣性傳感器的步行者航位推算(PDR)不受外部環境的影響,適合地下定位使用,是目前的研究熱點之一,但易產生較大的累積誤差,影響定位精度。針對該問題,文獻[4]提出通過某些特定位置的軌跡特徵來校正誤差,但需要進行大量樣本訓練,若特徵性地標(如樓梯、走廊)較少時,定位效果不能保證。考慮地下空間路徑規劃較為規則、方向性較強,本文提出角度累積匹配法,通過手機集成的慣性傳感器獲取航向及步態信息,以路徑的方向改變量為特徵對累積誤差進行糾正,從而獲得最終定位結果。

  1 手機慣性傳感器地下定位原理

  本文利用智慧型手機的內置慣性傳感器進行航位推算,獲取在地下空間的移動軌跡和位置信息。通常情況下,智慧型手機均內嵌有光線、距離、重力、加速度、磁場、陀螺儀等傳感器,儘管內嵌式傳感器在精度、抗幹擾性等方面存在一些不足,但其具有普及性高、使用方便等優勢,與PDR相結合,能夠滿足人們的部分需求。

  PDR是指通過對加速度、磁場、陀螺儀獲取到的數據進行處理,獲取使用者的行走狀態,包括步態檢測、步長估計和航向推算,根據方向和在此方向上行走的步數、步長來確定行走路徑,進行實時定位。由於實現方式僅依賴於其內部的慣性傳感器,故利用PDR進行定位具有不依賴外界信號源、可連續實時定位等優勢,但同時也造成了其誤差易積累、受慣性傳感器噪聲信號影響較大的結果,因此需使用相關濾波算法對相應傳感器獲取的數據進行預處理,並設計合理的誤差糾正方法校正其累積誤差,基本流程如圖 1所示。

  圖 1 手機慣性傳感器地下定位基本流程

  2 航位推算

  航位推算包括步態檢測、步長估計、航向推算3部分,通過選擇合適的傳感器數據,並對已有算法進行改進,能夠有效提高步態及方向的判斷準確率,降低定位誤差。

  2.1 坐標系介紹

  為利用手機傳感器推算出行走狀態,需要明確手機坐標系和行人坐標系。手機坐標系是手機內部傳感器所使用的坐標系,如圖 2所示,x、y、z 3軸正交,其中x軸平行於手機底部指向右側,y軸平行於手機側面指向手機頂部,z軸垂直於手機屏幕所在平面指向上方。行人坐標系X、Y、Z 3軸正交,其中X軸垂直於行走方向指向行人右側,Y軸與水平面平行指向行走方向,Z軸豎直向上。

  圖 2 手機坐標系

  2.2 步態檢測

  步態檢測指對行人行走步數的判斷,對此進行的研究也較多,由於每次行走會使加速度計產生一個震動周期,因此常用加速度零點檢測法、峰值法和傅立葉變化法來進行步態檢測。手機內部加速度計為3軸加速度計,由於實際情況下手機姿態複雜多變,而人在行走時左右腳交替帶來重心的改變主要體現在行人坐標系的Z軸方向,手機坐標系與行人坐標系之間的不確定關係給步態檢測帶來了一定的困難。為解決這一問題,有學者提出將加速度計固定在人體某處,使加速度計姿態保持不變,此方案雖然能夠取得較好的檢測效果,但不適用於將手機作為數據採集終端。也可求取三軸加速度計在手機坐標系x、y、z 3個方向上的加速度幅值a(式(1)),此方案對手機的姿態沒有要求,且計算簡單,但求取加速度幅值的過程中代入了非重力方向上的加速度擾動,降低了步態的辨識度。

(1)

式中,ax、ay、az分別為加速度計在手機坐標系x、y、z 3個方向上的加速度值。

  由於手機中內置傳感器中包含有重力傳感器,其3軸矢量和指向重力方向,因此本文考慮利用重力傳感器x、y、z 3軸上的分量數據,計算出手機的姿態,從而得出手機加速度計在行人坐標系Z軸方向上aZ的變化情況。

(2)

(3)

(4)

(5)

(6)

式中,gx、gy、gz分別為重力傳感器在手機坐標系x、y、z 3軸方向上的讀數;t為數據採集開始時間;Δt為數據採集頻率f的倒數;ax、ay、az分別為加速度傳感器在手機坐標系x、y、z 3軸方向上的讀數。

  在步態檢測階段,本文對波峰波谷檢測法進行了改進,利用相鄰波峰(谷)之間正向差值Δei的變化快慢S′aZ作為行走窗口的判斷依據(式(8)),行走窗口內的S′aZ>δ的波峰個數即為步數。其中以f為滑動平均濾波後剔除小於2的值後得到S″aZ,利用式(9)取頻數最高的區間中值為δ。

(7)

(8)

(9)

為檢驗此算法是否能夠適應手機不同姿態準確檢測出步數,本文將手機屏幕分別垂直於x、y、z 3軸各走30步,以f=5 Hz的頻率採集數據。基於加速度幅值的波峰波谷檢測法處理結果如圖 3所示,本文改進後的處理結果如圖 4所示,可以看出改進算法能有效濾除擾動,保留行走產生的波峰特徵[15]。

  圖 3 基於加速度幅值的波峰波谷檢測法

  圖 4 改進後的步態檢測法

  2.3 步長估計

  由於步行者航位推算定位是無源定位,其位置移動距離的確定基於每步的步長,因此步長估計是關鍵的一環。根據相關研究,人們在走路時單步步長S與步頻F呈線性相關,其關係如下

(10)

  2.4 航向推算

  手機中內置的磁力計可以利用地球磁場直接確定方向,該方法簡單,在無電磁幹擾的情況下有很好的定向精度,但環境中若有大型電磁發射源、鐵磁體(如汽車、電梯)等物體,很容易對地磁場造成幹擾,從而影響定向的準確性。由於此方法並不穩定,本文採用陀螺儀與重力傳感器相結合的方法,計算出行人在Z軸方向上的旋轉角度θZ,從而確定航向,避免了外界環境的幹擾,提高了定向的穩定性。

(11)式中,

分別為陀螺儀在手機坐標系x、y、z 3軸上的分量。

  3 特徵角度匹配校正

  由於在步長估計及航向推算中數據不可避免地會產生誤差,若不對其進行校正,長時間、長距離地使用會使所產生的誤差累積到難以忽略的程度,嚴重影響定位精度,甚至會給使用者完全錯誤的定位信息,因此需對定位結果進行校正,消除累積誤差。考慮地下活動空間路徑較為規則,人們行走轉向角度與路徑角度相匹配,因此可以結合地下空間平面地圖的路徑轉向角度作為匹配基準對航向、距離累積誤差進行校正,提高定位精度。其具體方法如下:

  設地下空間坐標係為X′OY′,沿道路(走廊)選擇其中i個拐點作為特徵點,標記其坐標值(X′i,Y′i)和角度wi。在行走過程中,檢測到手機在ΔT=10F-1時間內航位偏轉累積量ΔθZ,以及所對應的定位坐標(Xp,Yp)在式(12)的區間內時,判定其ΔT/2時的定位位置在第i個拐點處,從而以坐標值(Xi,Yi)為真值來校正定位坐標。

(12)式中,μ為誤差累積係數,依據經驗取μ=5%;a為建築物在X′方向上的最長距離值;b為建築物在Y′方向上的最長距離值。

  4 試驗仿真

  為驗證以上航位推算及校正算法,本文選擇中國礦業大學(北京)教學樓地下一層為試驗場地進行驗證。

  4.1 試驗區介紹

  試驗區為鋼筋混凝土建築,建築面積約1 974.45 m2,內部無WiFi、GPS信號,且蜂窩網絡和通信信號較差。其在X′方向上的最長距離為55.05 m,在Y′方向上的最長距離值為83.9 m,走廊為較為規整的「工」字形,在其中選取兩個特徵點A、B,其坐標為A(0, 32.6)、B(0, -32.4),w1=w2=90°,如圖 5所示。

  圖 5 試驗場地及定位校正前後對比

  4.2 試驗驗證及誤差分析

  試驗使用的手機終端為小米6,其內置的傳感器類型及主要參數見表 1,採樣頻率設置為50 Hz。試驗者攜帶手機從起點出發,沿規劃路逕到達終點,總長度約125 m,試驗處理結果如圖 5所示。

  表 1 傳感器類型及主要參數

傳感器類型設備名稱識別率
加速度傳感器ICM20690 Accelerometer0.002 396
陀螺儀ICM20690Gyroscope0.001 068
重力傳感器Gravity0.002 396

  根據規划行走路線、未校正定位軌跡、校正後定位軌跡之間的坐標差值,計算坐標誤差f(式(13)),其誤差曲線如圖 6所示,誤差頻數統計直方圖如圖 7所示。

  圖 6 誤差曲線對比

  圖 7 誤差頻數統計直方圖

(13) 通過數據處理及誤差分析可以看出,依據特徵角度匹配進行校正的效果顯著(見表 2),平均定位誤差降低了54.53%,校正後88.81%的定位誤差不超過3 m,平均定位誤差為1.378 4 m,能夠滿足大多數人的定位需求。

  表 2 校正前後誤差對比

校正前後最大誤差值/m最小誤差值/m誤差分布/(%)平均定位誤差/m
≤2 m≤3 m≤4 m
校正前5.26020.3653.7063.543.031 2
校正後4.16070.2288.8199.781.378 4

 

  5 結 語

  本文以智慧型手機為定位終端,通過優化步態檢測算法、匹配地下空間路徑特徵角度,有效地實現了任意姿態下的步態檢測與誤差累積量消除。與傳統慣性傳感器定位算法相比,其不需要額外硬體設備進行定位坐標校正,能夠持續穩定地提供較為精確的位置信息,且不受電磁信號幹擾,校正後平均定位誤差小於2 m,方便人們在地下空間的活動。

1

相關焦點

  • 深度乾貨:詳解基於視覺+慣性傳感器的空間定位方法 | 雷鋒網公開課
    那就是Inside-out空間定位技術,此類方案大都基於計算機視覺技術,包括微軟、Google和Facebook在內的科技巨頭都在進行相關研究。所謂的Inside-out追蹤到底是如何做的呢?它使用了哪些技術,又有什麼難點,本期公開課將為您解答這些疑問。
  • 乾貨|「慣性傳感器」分類和應用
    ◆ 慣性傳感器產品包括有戰術級、工業級和準工業級三種。   ◆ 慣性傳感器是高集成、多衛星的微型傳感器,重量輕(最小僅8g),體積小,功耗低。   ◆ 採用雙衛星追蹤,定位精度高,低零偏約為5°/hr,最高10k採樣速率。   ◆ 被廣泛應用於室內定位、動中通、無人機飛行可控制、移動衛星天線指向和追蹤、電子產品標定校準等領域。   MicroStrain慣性傳感器   MicroStrain的慣性傳感器產品包括有戰術級、工業級和準工業級三個模塊。
  • 有一種精準來自慣性——起底百度地圖高精定位背後的黑科技
    這些「深藏功與名」的AI技術,在最基礎的功能背後,卻演繹著數據和算法最動人的一面。百度地圖將通過揭秘黑科技一系列專題,講講地圖日常功能背後的技術。本期內容將為你展示,百度地圖如何利用VDR與PDR的慣性導航算法,在GPS不可用的情況時,實現室內、室外的精準定位。無論用戶身處隧道峽谷還是高樓林立,都不必再做「迷途的羔羊」。』我是誰?我在哪?
  • 什麼是慣性傳感器它是如何工作的
    APP敏感權限的獲取、智能音箱麥克風收集用戶語音,現在更加高級的是,不需要任何權限,只需要一部手機,甚至是一臺帶慣性傳感器的設備就能竊取到用戶的語音內容。 但是不要害怕,這項非法技術目前還沒有被利用起來,目前僅僅是出現在學術研究階段。在最新一屆「網絡與分布式系統安全會議(NDSS 2020)」上,由浙江大學網絡空間安全學院任奎教授團隊,聯手加拿大麥吉爾大學、多倫多大學團隊發表了此研究成果,研究成果顯示智慧型手機在用戶不知情且無需系統授權就能獲取用戶語音內容(就是經常獲取權限的那個彈窗,現在可以直接跳過此步驟,細思極恐)。
  • 基於RSSI的無線傳感器網絡三角形質心定位算法
    在無線傳感器網絡中,按節點位置估測機制,根據定位過程中是否測量節點間的實際距離或角度,可分為基於距離(Range―based)的定位算法和距離無關(Range―free)的定位算法。前者需要測量節點間的實際距離;後者是利用節點間的估計距離來計算末知節點的位置。
  • 基於慣性傳感技術的跌倒報警器
    算法。圖1是跌倒報警器系統的原理圖,MPU6050六軸傳感器模塊包括三軸陀螺儀和三軸加速度計,通過I2C接口連接STM32,根據傳感器不同的地址信息分別讀取MPU6050的角速度值和加速度值,然後利用四元數算法和姿態控制算法分析老人身體姿態和運動狀態。
  • 室內定位精度 計算機視覺_視覺定位的精度 - CSDN
    UWB(超寬帶)脈衝信號,由多個傳感器採用TDOA和AOA定位算法對標籤位置進行分析,多徑分辨能力強、精度高,定位精度可達釐米級。但UWB難以實現大範圍室內覆蓋,且手機不支持UWB,定位成本非常高。2. RFID的定位,採用刷卡方式,根據閱讀器位置對刷卡人員或設備進行區間定位。
  • 自動駕駛關鍵技術報告:慣性導航和背後的晶片大戰【附下載】| 智...
    慣導系統是一種不依賴於外部信息、也不向外部輻射能量的自主式導航系統;而全球定位系統是通過衛星定位,在地球表面或近地空間的任何地點,提供三維坐標和速度的定位系統。二者的結合就可以取長補短,共同構成自動駕駛定位導航系統。
  • 一文概覽自動駕駛汽車定位技術
    慣性測量單元的缺點在於其運動誤差隨時間增加而增加,我們只能依靠慣性測量單元在很短的時間範圍內進行定位。但是,我們可以結合 GPS 和 IMU 來定位汽車,一方面,IMU 彌補了GPS 更新頻率較低的缺陷;另一方面,GPS 糾正了 IMU 的運動誤差。
  • 慣性導航的優勢、局限及應用前景
    陀螺儀的發明也離不開牛頓的功勞,正是他研究了高速旋轉剛體的力學問題,才為後人提供了發明陀螺儀的理論研究。陀螺儀再加上加速度計,就是慣性導航的傳感器部分了。這樣,運動路徑就和傳感器可測得的加速度、角加速度這兩個量聯繫在了一起。慣性導航就是通過測量這兩個瞬時變量,在經過一系列公式運算,就可以將運動路徑完完整整的計算出來了。
  • 慣性傳感器的原理_慣性傳感器構成
    打開APP 慣性傳感器的原理_慣性傳感器構成 發表於 2019-09-12 14:41:57   慣性傳感器的原理   慣性傳感器是一種傳感器,主要是檢測和測量加速度、傾斜、衝擊、振動、旋轉和多自由度(DoF)運動,是解決導航、定向和運動載體控制的重要部件。
  • 城市複雜環境下的多系統GNSS PPP/慣性/雙目視覺半緊耦合精密定位方法| 李星星
    通過城市複雜環境下的車載實驗,詳細分析了視覺慣性裡程計輔助的多系統GNSS PPP定位性能以及基於圖優化的多系統GNSS PPP /慣性/雙目視覺半緊耦合定位算法性能。近年來,中國北鬥衛星導航系統的快速發展為多系統GNSS PPP技術的發展與應用帶來了新的機遇。
  • 基於改進的LM算法的可見光定位研究
    可見光定位技術作為室內定位技術的一種,在電磁輻射、頻譜資源、能量損耗和安全性等方面具有明顯的優勢[6]。因此,針對可見光定位的研究具有現實意義。目前,已有眾多學者分享了在可見光定位領域的研究成果。為解決以上問題,本文提出了一種基於改進的Levenberg-Markuardt算法的可見光定位方法,該方法可以高效的利用有效冗餘光源信息,同時以二階收斂速度獲得全局收斂解。其次,針對算法的非負參數的選取進行了研究,證明取合適值時算法迭代次數最少可達17次。此外,針對目前市面常用的幾種燈型,本文從輻射度學基本原理出發,推導出不同燈型的VLC信道模型,以期提高可見光定位的適用性。
  • OPPO推出自研RTK高精度定位算法 將於2021年實現商用
    【天極網手機頻道】RTK( 實時動態定位,real-time kinematic )作為常用的衛星定位測量方法,通過實時處理測量站之間的觀測數據,以差分方式去除誤差實現更高精度的定位。為了能夠提升手機定位精度,OPPO今日宣布推出自研的、領先業界的RTK高精度定位算法,在OPPO手機上實現精度小於1米的高精度定位,結合手機使用場景和天線配置等條件進行了大量的調優工作,在導航晶片的基礎上,加入加速度傳感器、陀螺儀等手機傳感器信息,通過自研的高精度定位算法,綜合判斷手機位置並排除幹擾,獲得更精準的結果。
  • 當GPS失靈時,百度地圖為何還能保證3米以內的高精定位?
    這些「深藏功與名」的AI技術,在最基礎的功能背後,卻演繹著數據和算法最動人的一面。百度地圖將通過揭秘黑科技一系列專題,講講地圖日常功能背後的技術。  本期內容將為你展示,百度地圖如何利用VDR與PDR的慣性導航算法,在GPS不可用的情況時,實現室內、室外的精準定位。無論用戶身處隧道峽谷還是高樓林立,都不必再做「迷途的羔羊」。』  我是誰?我在哪?
  • 就是這麼準 OPPO發布精度小於1米的RTK定位算法
    OPPO今日宣布推出自研的、領先業界的RTK高精度定位算法,在OPPO手機上實現精度小於1米的高精度定位,未來手機導航將具體到車道同時,OPPO也已加入中國移動「5G精準定位聯盟」,未來將基於中國移動正在全國推進部署的衛星導航地基增強系統,利用OPPO RTK高精度定位算法,與業界合作夥伴共同推進高精度定位技術生態的建設。
  • 利用MEMS 慣性傳感器改善系統性能
    最近的傳感器技術發展使得機器人和其他工業系統設計實現了革命性的進步。除了機器人以外,慣性傳感器有可能改善其系統性能或功能的應用還包括:平臺穩定、工業機械運動控制、安全/監控設備和工業車輛導航等。這種傳感器提供的運動信息非常有用,不僅能改善性能,而且能提高可靠性、安全性並降低成本。
  • 基於慣性導航、RFID 及圖像識別的 AGV 融合導航系統
    汪思迪 曹小華 周 勇武漢理工大學物流工程學院 武漢 430063摘要:提出一種新型的AGV 定位導航方案,通過RFID 與圖像識別解決慣性導航誤差累計的缺陷,以STM32為主控制器實現對平臺的數據採集和姿態計算,由傳感器得到平臺的加速度、角速度,採用四元數法作為平臺的姿態更新算法,經濾波後得到平臺的姿態角。
  • 意法半導體推出支持汽車精確定位控制的新款高精度MEMS傳感器
    橫跨多重電子應用領域、全球領先的半導體供應商意法半導體(STMicroelectronics,簡稱ST;紐約證券交易所代碼:STM)推出汽車級六軸慣性傳感器ASM330LHH,為先進的車載導航和信息服務系統提供超高解析度運動跟蹤功能。
  • 高精度定位的工作原理、方法及應用
    因此,在自動駕駛領域,RTKGPS的輸出一般都要與IMU,汽車自身的傳感器(如輪速計、方向盤轉角傳感器等)進行融合。IMU的全稱是inertialmeasurementunit,即慣性測量單元,通常由陀螺儀、加速劑和算法處理單元組成,通過對加速度和旋轉角度的測量得出自體的運動軌跡。我們把傳統的IMU和與車身、GPS等信息融合的算法組合在一起的系統稱為廣義的、針對自動駕駛的IMU。