APP下载

基于智能手机的PDR 定位航向估计算法研究

2021-04-29李善文

江西测绘 2021年1期
关键词:卡尔曼滤波智能手机

周 刚 李善文

(江西核工业测绘院集团有限公司 江西南昌330038)

1 引言

室内的导航定位[1]是当前全球的研究热点,目前全球定位导航系统[2]如GPS、北斗[3]等发展成熟,能满足人们生产、生活的需求。但室外定位无法延伸至室内,近年来国内对室内定位技术研究不断深入,近年来出现许多室内定位技术[4],如WiFi、蓝牙、UWB、ZigBee、惯导等。随着智能手机的普及和MEMS 技术的快速发展,惯性传感器已成为现在主流智能手机的标准配置。基于MEMS 传感器技术[5]的行人航迹推算[6](Pedestrian Dead Reckoning,PDR)算法在智能手机端定位研究越来越广泛。相比于惯导定位,手机端的MEMS 惯性传感器性能低,无法采用传统的惯性导航原理即采用加速度积分计算距离,陀螺仪角加速度积分计算姿态角。所以在PDR 定位中是利用惯性传感器数据进行步频检测-步长估计和航向估计算法来实现位置迭代更新,航向估计是基于智能手机PDR 定位的难点,当航向估计无误差时,定位轨迹将不再发散,很好的拟合在既定路径上。一般采用陀螺仪和磁力计来估计行人的行走时的方向,但磁力计受地球以及周边磁场的影响较大,陀螺仪虽不受外部环境影响,但误差会随时间而累积。随着多源融合技术的广泛应用,目前航向估计算法都是融合MEMS 传感器的加速度计、陀螺仪、磁力计等九轴传感器数据来对航向进行估计,本文展开基于智能手机的PDR 定位方式研究,着重对航向估计算法进行实验分析与论证。

2 基于智能手机的PDR 定位

基于智能手机的PDR 定位是利用手机内置的MEMS 惯性传感器来对行人的轨迹进行推算,其主要步骤包括步频检测、步长估计和航向估计。……

登录APP查看全文

猜你喜欢

卡尔曼滤波智能手机
智能手机脸
改进的扩展卡尔曼滤波算法研究
假如我是一部智能手机
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
热门智能手机应用
智能手机如何让我们变得低能
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测
基于卡尔曼滤波的组合导航误差补偿