[发明专利]基于零速修正与姿态自观测的惯性行人导航算法

说明书

本发明涉及一种基于零速修正与姿态自观测的惯性行人导航算法。行人运动过程中的数据被MIMU惯性传感器接收，并传输到导航计算机中，导航计算机对采集的数据进行捷联惯导解算，得到行人运动的速度、位置以及传感器姿态信息，由于采用捷联惯导解算时，导航误差会随时间逐渐积累，因此需要对导航误差进行修正，对采集的数据同时进行零速检测，检测出行走时的零速区间，设计卡尔曼滤波器，在零速区间内运用零速修正与姿态自观测算法估计出导航姿态、位置以及速度误差，并对惯导解算结果进行误差修正，从而实现对行人的精确定位与导航。本发明的算法充分利用零速区间的步态特性，无需引入外部设备或预设行走方向，具有较好的实用价值。

技术领域

本发明涉及一种基于零速修正与姿态自观测的惯性行人导航算法，属于惯性行人导航算法技术领域。

背景技术

基于位置的服务逐渐在个人消费领域兴起，行人获取自身精确空间位置的需求正变得越来越迫切，而建立在空间定位基础上的行人导航也正成为当前的研究热点。

当前的行人定位与导航算法，可以分为有源算法和无源算法两类。有源算法主要有GNSS定位算法、WIFI定位算法、蓝牙定位算法、超声波定位算法等，而无源算法主要是惯性导航算法。尽管现在的有源算法，如GNSS定位算法已经广泛地应用于生产和生活中，但其也存在比较明显的局限性。有源算法严重依赖于外部信号，在室内信号受阻以及未知环境中无法应用。而无源算法中的惯性导航算法具有全场景应用、可靠性高等优点，相比于有源算法具有更好的适用性。

利用惯性导航算法进行行人定位与导航的方法简称为惯性行人导航。惯性行人导航主要通过将微惯性测量单元(Micro Inertial Measure Unit，MIMU)固定于行人足部，采集行人足部的运动加速度和角速度，通过捷联惯导算法解算出行人的位置，从而实现对行人的定位与导航。但由于MIMU存在测量误差，捷联惯导算法的解算精度会随着行走距离的增加而下降，最终会导致导航结果不可用。

针对上述问题，Eric Foxlin在文献“Foxlin E.Pedestrian tracking withshoe-mounted inertial sensors[J].IEEE Computer Graphics and Applications,2005,25(6):38-46.”中利用行人运动的周期性步态特征，首次将零速修正(zero-velocityupdates，ZUPTs)方法引入到惯性行人导航系统捷联解算中。该方法将零速时刻的速度误差作为观测量，利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)对零速时刻导航误差进行估计与校正，从而实现导航误差的周期性修正，提高了导航精度。尽管ZUPTS算法能够有效修正导航误差，但其仍存在航向不可观的问题，使得导航精度不高。

文献“一种基于双IMU框架的室内个人导航方法(英文)[J].中国惯性技术学报,2015,(06):714-717.”提出一种双惯性测量单元框架，分别在行人足部与肩部固定一个惯性测量单元，通过两个惯性测量单元采集数据，并将两者解算出的航向角之差作为航向角误差的观测量。该算法能够一定程度提升导航精度，但增加惯性单元不仅导致系统复杂度提升，也有可能引入新的测量误差。

文献“Abdulrahim K,Hide C,Moore T,et al.Aiding Low Cost InertialNavigation with Building Heading for Pedestrian Navigation[J].Journal ofNavigation,2011,64(2):219-233.”提出建筑物航向观测算法，该算法通过预设建筑物的四个方向，利用行人在建筑物内直线行走一定处于四个方向之一的特点，将惯导解算出的航向角与上述四个方向之一做差，作为航向角误差的观测量，从而解决航向不可观的问题。上述算法导航结果较好，但其实现过程中需要严格规定行人的行走方向以及预设建筑物方向，具有较大的应用局限性。