共查询到19条相似文献，搜索用时 187 毫秒
1.
针对现有峰值检测算法适用性较低和深度学习方法算力要求较高的问题,研究和完整阐述了步态规律和数据特征,通过分析步态规律提出了基于天顶轴速度零值的行人步数检测算法。通过将载体坐标系下的加速度计数据转换到地理坐标系下,使用经验模态分解、趋势项剔除等方法提取出每一步中的有效天顶轴速度零点,统计有效零点的个数作为步数。在多种行走状态下的实验表明,相比改进的峰值检测模型,本模型的准确率与可靠性有明显提升,在行人过快或过慢行走时提升效果更为显著。 相似文献
2.
当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。 相似文献
3.
根据室内惯性定位存在误差累积的特点,建立广义似然比检测的方法进行零速度检测,利用Kalman滤波对检测到的"零速度"时刻进行零速修正(zero velocity update,ZUPT),从而有效降低系统累积误差。但行人行走过程中存在的无效振动,导致测得的加速度和角速度数据中出现明显的噪声,这对长时间定位精度产生较大的影响。文中提出在利用Kalman滤波进行误差校正之前首先采用Butterworth低通滤波滤除加速度和角速度数据中由无效振动引起的高频部分,即噪声部分,从而消除行人运动过程中的无效振动对定位精度的影响。 相似文献
4.
针对利用惯性测量单元进行行人航位推算（PDR）时,其定位误差会随时间累积的问题,提出了一种基于多传感器融合的室内行人航位推算方法;对于智能移动设备的低成本多传感器,设计了基于无迹卡尔曼滤波（UKF）的初始对准,设定4种阈值条件进行步伐状态检测;在行走过程中,针对步长和航向角误差累积的问题,利用基于UKF的零速度更新（ZUPT）对速度误差进行修正,零角速率更新（ZARU）和磁力计融合对航向角误差进行修正,从而有效提高了行人最终的位置精度。试验结果表明：使用该方法可以有效提高PDR位置精度,平均位置偏差占总路程的1.5%左右。 相似文献
5.
6.
随着位置服务(LBS)的普及，基于智能手机的行人步频检测方法对行人航迹推算(PDR)有重要影响.针对传统步频检测方法在行人多种运动模式下计步误差大的问题，提出一种结合CNN-BiLSTM-SA运动模式识别的自适应步频检测方法.首先根据行人行走特点划分运动模式，使用卷积神经网络(CNN)提取行人不同运动模式的局部特征，利用自注意力机制(SA)对提取的运动特征进行权重分配；再结合双向长短期记忆网络(BiLSTM)挖掘行人运动特征的前后时序关系进行分类识别；然后根据分类结果提出自适应最小峰距和自适应动态阈值两个特征约束的峰值检测算法对步频进行检测，并在步行中动态调整阈值大小.实验结果表明：本文提出方法在8种组合运动模式下步频检测平均误差率为1.31%，与传统峰值检测相比误差率降低5.97%，同时也优于固定阈值法. 相似文献
7.
视频图像中运动目标的检测及跟踪一直是视觉分析的研究热点之一。本文针对教学楼内摄像头固定、背景基本不变的情况,提出了一种行人检测跟踪及统计算法。首先根据背景差分法初步提取行人目标,然后将行人目标二值化,最终通过阴影去除、膨胀、腐蚀等一系列图像预处理操作去除光线变化及噪声的影响,得到较完整的行人目标,并改进了基于质心跟踪的行人目标跟踪方法,采用基于矩形中心的方法实现了行人跟踪与统计,使之更适应教学楼行人检测。实验结果表明,该算法可以实现对行人目标的较完整提取、对目标运动方向的较准确判断和对行人的较精确统计,为教学楼行人疏导提供技术保障。 相似文献
8.
为提高轨道几何状态惯性检测系统姿态精度,提出一种零速姿态修正方法,利用轨道几何状态惯性检测系统载体系横向及垂向速度为0的先验条件,构造Kalman滤波横向及垂向观测量。选用HT-50M型激光陀螺仪和JN-06A型石英挠性加速度计组成惯性导航系统,并进行现场检测试验。结果表明:在轨检仪连续工作300m情况下,零速姿态修正方法能够有效抑制惯性导航系统姿态误差增长,轨道检测精度提高2倍。 相似文献
9.
激光SLAM移动机器人室内定位研究 总被引：3，自引：1，他引：2
针对目前室内移动导航定位精度低和累积误差大的问题,提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先,该方法是从LiDAR扫描测量中提取环境特征和构建地图,然后,由IMU采集的姿态信息通过卡尔曼滤波,补偿由于LiDAR扫描引起的位置和姿态输出的误差,以提高机器人移动的定位精度。试验结果表明,该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。 相似文献
10.
11.
室内定位方法的可行性及准确性成为位置信息服务体系的研究热点,针对移动智能终端普及率的提高,提出了基于内置微惯性传感器的定位理念。通过采用Allan方差分析惯性器件误差参数,并基于频谱分析采用滤波降噪方案提高器件输出信噪比,结合人体运动特征准确判定步态,为零速修正算法的实现提供依据,通过建立局部区域的地磁信息数据库,实现磁匹配零速修正卡尔曼组合误差修正。实验结果验证了基于微惯性技术的室内定位方法的可行性。 相似文献
12.
北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。 相似文献
13.
14.
15.
针对步频检测中容易出现步数过计、错计等问题影响行人航迹推算(PDR)室内定位精度,提出一种自适应步频检测算法. 由于智能手机内置加速度传感器直接采集得到的数据存在大量干扰噪声,提出一种组合滤波去噪方法,即将加速度数据依次通过赫尔指数移动平均法、卡尔曼滤波(KF)和低通滤波的预处理滤波组合去除噪声. 然后在不同场景下,如上下楼、水平地面和不限制步速,经过峰谷值去异、自适应动态阈值、峰谷值成对的检测算法后获取峰谷值个数,实现在多场景和多步态下的准确计步. 实验结果表明:相比峰值检测和动态阈值算法,该方法能有效剔除伪真步数且适应于上下楼场景,综合场景下的实验平均精度达到99.44%. 相似文献
16.
近年来,视觉定位由于定位精度高广泛应用于室内定位与导航。然而,室内环境复杂多变,视觉定位在很多场景下无法实现高精度定位,而且多数视觉定位算法耗时和计算复杂度高,不适用于智能手机。为实现基于智能手机的准确高效定位,本文提出了一种基于图像灰度直方图相似度计算的定位方法。该方法分为两个阶段：离线阶段和在线阶段。离线阶段在已知坐标的格网点分别利用智能手机采集图像,提取图像灰度直方图,建立图像灰度直方图图像特征库;在线阶段智能手机在待测点采集图像提取灰度直方图,然后与图像特征库进行相似度计算,选取相似度和最大值的格网作为概略位置,以相似度为权重采用加权均值法得到准确位置。将所提方法和KNN算法进行对比,试验结果表明,该方法的平均定位误差优于0.3 m,与KNN算法相比定位精度提高了40.7%,计算时间优于1.7 s。 相似文献
17.
为了对UWB(Ultra Wide-Band)室内定位系统精度进行有效的评估,提出了一种基于运动捕捉系统的UWB室内定位精度标定方法。该方法的实现是基于两个实验完成的。其一是使用全站仪对运动捕捉系统进行精度验证,通过布尔莎七参数坐标转换模型对实验数据进行处理,表明了运动捕捉系统的精度满足要求,可以用于标定UWB室内定位系统的精度。其二是通过运动捕捉系统来标定UWB室内定位系统的精度,以运动捕捉系统采集的数据为真值,将UWB室内定位系统采集的数据与运动捕捉系统采集的数据进行比较,得出的标定结果符合实际情况,表明了标定方法是有效和可靠的。 相似文献
18.
19.
针对超宽带室内定位系统中的标准偏差和非视距误差问题,该文设计了一种基于改进卡尔曼滤波动态定位方法。该方法首先针对双向到达时间测距信息进行标定,利用线性拟合剔除测距信息中的标准偏差,针对超宽带平面定位系统中的非线性量测方程推导得到线性化的量测方程,将改正后的测距信息作为改进卡尔曼滤波量测信息,通过设定阈值调整卡尔曼滤波增益,从而剔除非视距误差。实验结果表明,该方法能有效抑制标准偏差和非视距误差的影响,视距环境下能达到厘米级精度,非视距环境下亚分米级精度,实现室内环境下的高精度动态定位。 相似文献