基于室内合作场景智能识别的行人导航算法

基于足绑式惯性测量单元(IMU)的惯性导航系统被广泛应用于行人导航中,其通过零速修正(ZUPT)算法可对速度估计误差进行较好的补偿,然而其位置误差会随时间发散。针对于此,提出了一种基于室内合作场景智能识别的行人导航算法。通过随机森林算法,对行人在室内平地步行、上楼梯、下楼梯等不同步态进行训练与辨识,并结合室内先验地图对行人导航的结果进行校正。通过实验表明,行人在室内行走1100m时最大定位误差为1.85m(总行程0.17%),相对无场景识别的方法精度提高了6倍,可以有效提高行人导航精度。     

基于距离信息的行人协同导航研究

针对行人在室内导航中GPS信息无法获取以及纯惯导解算结果发散严重的问题,提出了通过协同导航的方式提高行人室内导航精度的方法.利用行人间的相对距离约束关系,抑制纯惯导解算结果的发散.详细推导了行人协同导航的模型,采用信息滤波的方法解算导航结果,并在理论推导中发现信息滤波更加适合行人协同导航的工程实践.设计了一种使用微型惯性测量器和超宽带测距设备的行人协同导航系统,进行实际效果验证.通过数据采集与处理,将行人导航轨迹图输出,分析协同导航以及单独导航的误差,验证协同导航的有效性.实验结果表明,协同导航与单独导航相比,对导航轨迹和导航误差有更好的修正效果.     

基于足间距信息辅助的行人三维惯性定位算法

针对行人惯性导航系统误差随时间累积致使定位精度严重下降的问题,提出了一种基于足间距信息辅助的行人三维惯性定位算法。该算法在零速修正算法的基础上,利用足部安装的超声波测距模块实时测量行人双足相对距离,构建了基于超声测距的足间距约束模型,通过随机森林算法实现行人运动模式识别,并针对上下楼梯场景,利用台阶高度和足间距信息进行高度解算,最终实现行人三维惯性定位。在实际路线上开展了三维定位实验,数据显示,所提算法平面闭环误差为总路程的0.64%,与零速修正算法相比下降了55.56%,高度误差为0.06 m,与零速修正和气压计联合算法相比下降了64.70%,能够实现导航误差在总路程的0.50%以内的三维定位。实验结果表明,所提算法具有良好的工程应用价值。     

基于多传感器零速修正的消防员定位算法研究

针对消防员在地下矿洞、隧道、室内等救援环境中存在因卫星拒止而导致的定位精度差的问题,设计了一种基于多传感器零速修正(Zero-velocity Update, ZUPT)的消防员定位方法。该方法以捷联惯导零速修正为基础,磁强计、高度计为辅进行定位,将惯性传感器、磁强计、高度计固连在鞋上,根据消防员行走过程中脚底完全接触到地面时速度基本为零这一特点,通过Kalman滤波对捷联惯导输出的导航信息进行修正,可实现无信标环境下消防员自主定位。通过半实物仿真实验采集离线数据并计算定位结果,验证了算法的有效性,误差比不超过1%D。     

基于SLAM的地磁辅助惯性导航系统建模

本文将SLAM算法引入到陆地车辆的地磁辅助惯性导航系统中,通过分析建立了系统的数学模型,包括状态方程和测量方程.通过本文建立的模型,配合相应的滤波算法,可提高系统的导航定位精度和导航定位的自主性.     

基于虚拟惯性台的刹车控制系统试验方法

针对传统的惯性台试验不具备带起落架刹车能力,无法开展多轮起落架系统刹车试验的不足,提出了一种能与试验室惯性台试验原理、方法相结合,又能克服传统的物理试验不足的虚拟惯性台试验方法。利用仿真软件Matlab和LMS Virtual.Lab建立了虚拟惯性台仿真试验模型,对模型进行了仿真分析,并与外场实测结果进行了对比。结果表明:仿真分析结果与实测结果较为接近,所建立的模型简易可行,可以方便开展带起落架的多轮起落架刹车控制系统虚拟试验。     

基于智能手机信息的行人无缝定位实现研究

微电子技术的日益发展促使智能手机传感器性能获得极大提升,智能手机逐步成为行人导航定位的关键设备,为人们提供各类位置增值服务。针对行人室内外一体化高精度导航需求,基于智能手机自身的多传感器实现了一套行人室内外无缝定位系统,并采用手机光、磁、惯性、卫星传感器信息融合优化了室内外判别性能。在Eclipse环境下基于Java语言设计实现了智能手机室内外无缝定位软件,实验结果表明,行人室内外无缝定位软件能够实现行人室内外无盲区、高精度定位。     

基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。     

改进粒子滤波算法及其在GPS/SINS组合导航中的应用

针对标准粒子滤波中存在的粒子退化问题,将无味卡尔曼滤波方法、线性规划方法与标准粒子滤波相结合,得到一种改进粒子滤波算法。改进粒子滤波算法中的重要性概率密度通过 UKF算法获得,从而使粒子使用效率得到提升;二次采样过程中加入线性规划方法,保证了粒子的多样性。将改进粒子滤波算法应用于 GPS/SINS组合导航,建立了 GPS/SINS组合导航模型,通过仿真验证了该滤波算法的有效性,使用该算法可使惯性组合导航系统导航精度得到提高。     

基于地标信息的车载惯导姿态修正技术

惯导与速率计构成的组合系统是机动作战车辆较常使用的自主定位定向系统,其惯导姿态精度将直接影响组合定位精度。文章利用车辆运动途中的地标信息,讨论了车载惯导姿态误差估计与修正技术,通过仿真分析了地标位置与车辆零速信息在惯导姿态修正过程中的作用。结果表明：利用地标信息是进行车载惯导姿态修正较为实用的途径,在此基础上可以有效提高车载惯导／速率计组合定位系统的精度。     

基于边界的无人机主动SLAM算法

同步定位与地图构建技术是无人机实现真正自主导航的关键。为克服被动同步定位与地图构建算法的缺陷,研究了基于边界的无人机主动同步定位与地图构建算法。在无人机的探测区域周围产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,控制无人机朝该目标点方向运动,再运用扩展卡尔曼滤波算法更新无人机的运动状态。通过建立的无人机简化模型,对提出的算法和随机同步定位与地图构建算法进行对比研究,仿真结果表明该算法是有效可行的。     

基于惯性递推原理的行人自主定位方法综述及展望

在室内环境或者卫星信号遮挡环境下,如何实现单兵或者行人的自主定位是目前研究的热点问题.其中,基于惯性递推原理的行人自主定位方法由于无需提前布设基础设施,且具有体积小、成本低、完全自主、不受干扰、实时性高等特点,因此具有广泛的研究价值和意义.本文围绕基于惯性递推原理的行人自主定位方法展开介绍,针对动态步态分析、零速区间检...     

一种优化的零速检测行人导航算法

针对军事上对单兵定位和民用领域为行人提供位置服务的需求,提出了足部固定MIMU的行人导航算法.利用人体行走过程中脚部与地面相接触的静止时间段,采用零速更新(ZeroVelocity Update,ZVU)对INS继续对准或标定,而零速检测又是实现零速修正的基础.研究对比了在足部固定MIMU进行零速检测的常用方法,针对常用算法阈值自适应性差,无法检测步速变化转弯等一些异常情况对行人零速检测产生误判等问题,提出优化的零速判断算法,使得加速度计信号和陀螺仪信号综合应用到零速检测.最后,利用改进算法设计行人室内平地正常行走(大约5km/h)包含步速变化和转弯过程的实验.实验结果表明,优化的零速检测算法相比之前的常用算法,能更准确地检测零速并进行修正,对导航轨迹和导航误差有更好的修正效果.     

基于MIMU的适应多步态的步行导航算法

针对目前国内外步态导航算法中引入的零速检测大都不能很好的对多种步态的行走进行辨识的问题,提出了基于低成本MIMU（微惯性测量单元）、且能兼容多种步态的步行导航算法。算法通过采集安置在行人脚部MIMU输出的测量信息,用捷联惯性积分算法进行导航解算。其间,提出一种新的零速检测方法对行走时变化的步速和步型进行准确辨识,进而找到脚步的零速时刻点,并通过设计的扩展卡尔曼滤波（EKF）对导航解算结果进行零速修正（ZUPT）,实现系统的反馈。最后进行两组实验对算法验证。结果表明,该步态导航算法能对行走时的多步态问题有很好的兼容性,零速修正时刻辨识准确度高,两组实验的导航解算误差均达到0.6%以内,进一步提高了步态导航算法的精度和实用性。     

基于对偶四元数的捷联惯导算法在发射点惯性系下的应用研究

针对导弹类载体在做复杂的高动态机动时,采用传统的捷联惯导算法容易产生圆锥误差与划船误差,从而导致解算精度降低的问题,在发射点惯性系下设计了基于对偶四元数的捷联惯导算法.在建立发射点惯性系下的捷联惯导解算模型的基础上,详细推导了基于对偶四元数的捷联惯导解算算法,通过对比分析其中的速度更新过程与传统算法的差异,说明该算法可...     

基于注意力模型的视觉/惯性组合里程计算法研究

由于外界环境的干扰和传感器精度的限制,视觉/惯性组合里程计的输入数据存在一定的噪声,这会增加里程计的解算误差,而且误差会随着时间积累。针对以上问题,设计了一种基于注意力模型的视觉/惯性组合里程计算法。该算法使用卷积神经网络和长短时记忆网络分别构建了视觉特征提取器与惯导信息特征提取器,同时引入了两种注意力模型:加权组合网络以及开关组合网络,对视觉特征信息和惯导特征信息的融合噪声进行降噪处理。通过在组合里程计算法中添加闭环校正环节,有效地抑制了里程计误差随时间的积累。对比实验结果表明,设计的组合里程计算法与其他算法相比,无论在性能上还是在精度上都有明显的提升。     

基于惯性系的光纤寻北仪双位置寻北算法

由低精度光纤陀螺(Fiber Optical Gyroscope,FOG)组成的寻北仪具有结构简单、成本低的优点,但易受地磁和车上复杂外部环境的影响.针对低精度FOG存在地磁零位,寻北仪对外部晃动敏感的缺陷,通过对陀螺进行地磁零位补偿保证陀螺零偏稳定性,在此基础上提出了基于惯性系的双位置寻北算法.算法分别在两个对位进行惯性系寻北,利用双位置对消原理获得不受陀螺固定零偏影响的方位角并完成水平陀螺固定零偏的估计.实验结果表明,陀螺零偏稳定性0.15(°)/h,加速度计零偏稳定性150μg的惯性器件精度下,车上寻北误差1倍标准差小于4.5mil、极差小于10mil、对准时间小于5min.与传统双位置算法相比,所提算法在晃动基座条件下具有对准精度高,环境适应性强的优点.     

一种基于改进Kalman滤波的 视觉/惯性组合导航算法

提出了一种基于改进Kalman滤波的视觉/惯性直接组合导航算法,首先分析了相关坐标系的定义和敏感器的误差模型,然后分别构建了姿态滤波方程和位置滤波方程,接着对滤波方程进行离散化处理以便在计算机中实现运算,最后采用该方法进行了仿真验证,结果表明系统在不同情况下进行组合导航都能够满足任务要求。