基于改进的磁场检验和主方向算法的行人航向估计

针对以惯导为核心的行人定位算法存在航向角失真的问题，提出了一种融合惯性测量单元(IMU)和磁力计的行人导航算法，利用步幅航向的变化量将行人的运动分为直线行走和曲线行走两部分，当检测到行人直线行走时，提出一种实时建立主方向的自适应航向角漂移修正算法，对航行角误差进行补偿；当行人曲线行走时，辅助地磁场信息，使用磁场强度、地磁倾角、惯性导航系统(inertial navigation system，INS)与磁力计解算的航向角之差这三个特征值构建广义似然比检验量，对磁场进行判断获得稳定状态磁场信息，通过卡尔曼滤波对航向角误差进行补偿。将传感器置于足部进行实验，实验结果表明,两种算法可以实现优势互补，有效地抑制地磁信息的干扰，提高导航精度，算法结果相对于无航向角修正的零速修正算法、零角速度更新算法和单独使用磁力计进行融合的算法，定位误差分别降低了91.02%、82.93%和61.39%，室外和室内终点定位误差分别为4.545 4 m和0.543 6 m，占总路程的0.69%和0.17%。     

基于虚拟地标的行人惯性SLAM算法

针对当前仅使用低成本惯性传感器的行人导航系统航向角存在较大累积误差的问题,研究了一种只使用惯性传感器信息的虚拟地标构建方法,并通过匹配虚拟地标点对位置和航向进行误差补偿.在此基础上,结合同时定位与建图(SLAM)方法的思想,实现了仅基于惯性传感器的SLAM,提高了行人导航的精度和可靠导航时间.试验结果表明,该方法能够有效消除纯惯性行人定位系统的累积误差,在2027m2的单层建筑物中空间位置误差小于10m.     

基于零速修正的行人导航关键技术及研究进展

在室内等卫星导航受限场景下，可采用MEMS惯性传感器对行人进行自主导航定位。采用MEMS惯性传感器的行人自主导航技术主要包括基于步长估计的行人航位推算和基于零速修正的行人导航算法两种方式。首先介绍了两种方式的基本原理，然后重点分析了零速修正的行人导航算法，阐述了相关的关键技术和研究进展。最后，对行人自主导航未来的发展趋势进行了展望，并指出了需要重点关注的技术难点。     

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.     

地图辅助行人航迹推算技术的室内定位方法

针对目前室内定位技术中位置漂移、定位结果偏差较大的问题,提出了一种融合行人航迹推算(PDR)、地标匹配修正和地图辅助的室内行人定位方法.该方法利用基于惯性传感器的PDR技术计算行人位置信息,利用行走过程中的传感器读数特征识别室内特定地标点,与地标库数据进行匹配后,修正PDR轨迹产生的累积误差.室内地图辅助主要是通过判断行人是否位于走廊等区域,限制轨迹穿墙,约束PDR定位轨迹.实验结果表明,融合定位算法得到的轨迹优于纯惯性递推算法得到的轨迹,更加接近真实的行走轨迹,定位精度提高了51.2％,平均定位误差降至1.8m,满足室内定位需求.     

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。     

行人导航系统中的MEMS误差在线修正技术

在基于微惯性器件的行人导航系统中,陀螺仪和加速度计的偏移是降低系统定位精度的重要因素。传统的标定方法大多在实验室中进行,后续导航解算都是基于标定后的固定模型,然而MEMS器件长时间工作后,标定模型参数发生变化会导致系统导航性能下降。通过分析行人导航系统及MEMS器件的特点,提出了一种基于误差模型的MEMS器件参数在线修正方法。根据行人行走的特点,检测并区分行走过程中的可修正区间与不修正区间。在可修正区间基于逆向解算算法实现了对陀螺仪和加速度计零偏的在线修正,并提出了主航向反馈修正算法,提高了行人导航系统长时间导航性能。实验结果表明,40m行走实验中,系统定位精度提升了9.07%;300m行走实验中,系统定位精度提升了13.14%。     

行人导航系统航向角约束算法研究

针对航向角发散的情况,采用磁力计和地图线路匹配约束的方法修正航向角误差。根据磁力计和地图线路匹配算法各自的特点,在零速修正技术的基础上,最终选择在行人直线行走时采用地图线路匹配辅助,弯路行走时采用磁力计辅助的算法,通过EKF进行误差估计从而补偿航向角误差。最后将设备置于行人足后跟处进行实验,实验结果表明,此方法能够有效抑制航向角漂移误差,导航精度明显提高,最终定位误差为1.2m,占总行程的0.3%。     

利用TERCOM与ICCP进行联合重力匹配导航

重力匹配导航算法对提高匹配效率和精度具有重要意义,是水下匹配导航技术的热点问题。对已有的重力辅助惯性匹配导航算法开展了研究,在此基础上提出了一种新的基于ICCP与TERCOM相结合的重力匹配导航算法。该算法在已有改进算法的基础上,对惯性导航提供的采样间隔航距以及ICCP匹配航距,和改进TERCOM匹配航距进行了联合对比分析。通过设置限差,搜索出TERCOM匹配误差较大点,并用ICCP对应匹配点进行替换,反复搜索和替换,最终生成由两种算法结合的新匹配轨迹。在TERCOM匹配初始误差较小的情况下,该方法对TERCOM算法匹配精度的提升依赖于ICCP匹配结果。仿真结果表明:对于TERCOM出现明显误匹配且ICCP匹配结果较好时,该算法可大大提高重力匹配精度,距离误差由2000m降至870m,X轴方向由TERCOM匹配平均误差的1370m降至530m,Y轴方向由TERCOM匹配平均误差的1900m降至640m,从而更好地满足了水下导航的需求。     

车载大视场视觉惯性组合导航算法研究

车载视觉导航在大角度旋转和高速运动等场景下表现不佳,由于视觉和惯性的误差特性互补,所以视觉惯性组合导航算法有良好的应用前景。大视场相机获取外界信息丰富,但大视场相机采样频率低影响视觉数据采集,而且基于优化的组合导航算法计算速度慢,故提出了一种适用于大视场相机的车载视觉惯性组合导航算法。该算法侧重于数据预处理：设计了基于伽马函数的对比度受限自适应直方图均衡化来降低图像噪声,通过FAST角点与光流法的组合完成特征提取与跟踪,进一步加快了计算速度。引入了惯性数据等效旋转矢量二子样算法来减少数据量和计算量,通过预积分算法为误差优化减少计算量,通过视觉误差、惯性误差以及边缘化误差联合优化来提高精度。与其他组合导航算法相比,该算法精度较高,计算速度最快,与VINS-Mono相比节省时间19.7%。     

一种提高捷联惯性/里程计组合导航系统定位精度的后处理方法

测绘用捷联惯性/里程计组合导航系统多采用离线后处理技术.此类系统利用里程计位移微分获得的速度作为观测量,采用速度匹配,并通过待测路径中预置的Mark点校正航位推算的位置信息.本文建立了基于速度匹配的16维Kalman滤波模型,对全程采样数据进行正反向导航和滤波处理,以估计惯性器件和里程计的误差;在补偿相关误差后,再次进...     

腰绑式行人导航系统基于缓存区的启发式航向补偿算法研究

腰绑式行人导航系统通过航位推算方法实现行人定位导航，对于实行灾难救援和单兵作战等任务十分便利。行人行进步长和航向的准确估计是实现航位推算的前提。根据腰绑式惯性传感器信号的特征，采用基于三轴合成加速度的峰值检测进行单步划分；利用步频和加速度方差信息构建线性步长模型。针对人员执行任务过程中由于运动方向不确定性导致传统启发式航向漂移消除算法过度修正甚至失效的问题，提出了一种基于缓存区的启发式航向补偿算法。根据运动方式选定N个复步作为一个缓存区，计算缓存区内相邻复步航向差值的方差，依据方差动态调整航向补偿算法的修正强度，避免过度修正。利用所提算法进行了矩形实验和操场实验，终点定位误差小于1%，表明了所提方法的有效性。     

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。     

基于气动模型辅助的四旋翼飞行器室内自主导航方法

 惯性/卫星/磁传感器/气压高度计组合导航系统是四旋翼飞行器常用的导航方案。但在室内飞行时,由于卫星导航系统不可用,该导航方案的测速及定位精度难以满足四旋翼飞行器的自主飞行需求,从而制约了其室内自主飞行能力。为解决该问题,在利用四旋翼飞行器气动模型的基础上,提出了惯性/磁传感器/声纳传感器/气动模型组合导航方案。通过分析四旋翼飞行器的气动模型特性,揭示了气动模型辅助自主导航的内在机理;提出了气动模型辅助导航算法,并设计了具体的实施流程。最后,结合OS4型四旋翼飞行器的气动模型特点,搭建了气动模型辅助导航方案的验证平台,对四旋翼飞行器的室内悬停与机动飞行进行了仿真模拟。仿真结果表明,气动模型辅助导航方案可以显著提高室内飞行时的测速与定位精度。该方案无需增加其他传感器,具有自主性强、成本低和零载重的优点,在四旋翼飞行器室内导航中具有较好的应用价值。     

Integration of GPS and low cost INS for pedestrian navigation aided by building layout

In outdoor environments, GPS is often used for pedestrian navigation by utilizing its signals for position computation, but in indoor or semi-obstructed environments, GPS signals are often unavailable. Therefore, pedestrian navigation for these environments should be realized by the integration of GPS and inertial navigation system （INS）. However, the lowcost INS could induce errors that may result in a large position drift. The problem can be minimized by mounting the sensors on the pedestrian＇s foot, using zero velocity update （ZUPT） method with the standard navigation algorithm to restrict the error growth. However, heading drift still remains despite using ZUPT measurements since the heading error is unobservable. Also, tbot mounted INS suffers from the initialization ambiguity of position and heading from GPS. In this paper, a novel algorithm is developed to mitigate the heading drift problem when using ZUPT. The method uses building lay- out to aid the heading measurement in Kalman filter, and it could also be combined for the initial- ization. The algorithm has been investigated with real field trials using the low cost Microstrain 3DM-GX3-25 inertial sensor, a Leica GS10 GPS receiver and a uBlox EVK-6T GPS receiver. It could be concluded that the proposed method offers a significant improvement in position accuracy for the long period, allowing pedestrian navigation for nearly40 min with mean position error less than 2.8 m. This method also has a considerable effect on the accuracy of the initialization.     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

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.