[发明专利]一种基于惯性测量单元的用户步行定位方法

摘要

本发明涉及一种基于惯性测量单元的用户步行定位方法，针对行人进行定位时，不依赖于外在设备的具体情况，不需要提前建立指纹地图，不需要专业的定位设备，只需要利用集成有惯性测量单元的智能移动终端，配合定位场景地图，即可实现定位应用。定位方案具有很好的普适性，在不同硬件条件的定位场景均可实现定位应用。

主权项

1.一种基于惯性测量单元的用户步行定位方法，通过携带惯性测量单元，实现针对用户步行位置的定位，其特征在于：所述定位方法包括如下步骤：步骤001.针对惯性测量单元建立终端三维坐标系，以及针对用户的步行建立行走三维坐标系，然后进入步骤002；步骤002.构建用于终端三维坐标系与行走三维坐标系之间位置转换的旋转矩阵，然后进入步骤003；步骤003.用户携带惯性测量单元，分预设N次，分别步行预设路程，分别获得N组样本数据，其中，分别针对各次步行预设路程，通过惯性测量单元记录步行的步数，以及按用户每走一步对应一个检测时刻，通过惯性测量单元检测各时刻的加速度，再经旋转矩阵获得用户各时刻步行的加速度，分别构成各组样本数据，然后进入步骤004；步骤004.分别针对各组样本数据中各时刻步行的加速度，采用邻近平均值法更新各时刻步行的加速度ak；然后分别针对各组样本数据，获得用户步行加速度方差V和各时刻用户的步伐频率F(k)，以及根据预设路程和步行的步数，获得各步的步长，进而分别获得各组样本数据分别所对应用户步行加速度方差V，其中各时刻用户的步伐频率F(k)，以及其中各步的步长，并进入步骤005；其中，k表示第k时刻，ak表示用户第k时刻步行的加速度；步骤005.构建用户步长公式如下式所示：Lk+1＝λ+bF(k)+cV并根据各组样本数据分别所对应用户步行加速度方差V，其中各时刻用户的步伐频率F(k)，以及其中各步的步长，采用预设训练算法针对用户步长公式进行训练，获得其中参数λ、b、c的值，进而更新构成用户步长模型Lk+1＝λ+bF(k)+cV，然后进入步骤006；步骤006.针对地图中的物理结构，规划出可达区域和非可达区域，并初始化用户的当前时刻位置，以及初始化参数S为0，然后进入步骤007，S表示第一时限计数参数；步骤007.按照用户每走一步对应一个检测时刻，通过惯性测量单元检测当前时刻的方向角，并经旋转矩阵获得用户当前时刻的方向角，然后根据用户的当前时刻位置，采用自适应粒子群优化算法，结合用户当前时刻的方向角，以及用户步长模型，获得用户下一时刻的预测位置，然后进入步骤008；步骤008.获得用户当前时刻方向角与用户上一时刻方向角之间的差值Δθ，判断Δθ是否小于等于预设角度下限阈值θl，是则针对大于0的S进行清零，并进入步骤014；否则进入步骤009；步骤009.判断Δθ是否小于预设角度上限阈值θh，是则根据用户的当前时刻位置，采用自适应粒子群优化算法，结合用户上一时刻的方向角，以及用户步长模型，更新获得用户下一时刻的预测位置，同时针对大于0的S进行清零，并进入步骤014；否则进入步骤010；步骤010.判断S是否等于第一预设时限阈值T1，是则进入步骤011；否则用S的值加1针对S进行更新，接着根据用户的当前位置，采用自适应粒子群优化算法，结合用户上一时刻的方向角，以及用户步长模型，更新获得用户下一时刻的预测位置，同时更新用户当前时刻的方向角为上一时刻的方向角，并进入步骤014；其中，T1≥2；步骤011.暂定针对用户步行位置的定位，初始化参数Y＝0，然后进入下一时刻，并进入步骤012，其中，Y表示第二预设时限计数参数；步骤012.获得用户当前时刻方向角与用户上一时刻方向角之间的差值Δθ，判断Δθ是否小于等于预设角度下限阈值θl，是则用Y的值加1针对Y进行更新，并进入步骤013；否则针对大于0的Y进行清零，并进入步骤013；步骤013.判断Y是否等于第二预设时限阈值T2，是则初始化用户的当前时刻位置，并返回步骤007；否则进入下一时刻，并返回步骤012；其中，T2≥2；步骤014.根据地图中的可达区域和非可达区域，判断用户当前时刻位置与下一时刻预测位置之间的连线是否进入不可达区域，是则进入步骤015；否则进入下一时刻，并在地图上显示用户下一时刻的预测位置，再返回步骤007；步骤015.获得由用户当前时刻位置指向下一时刻预测位置的射线，首次与不可达区域边缘的相交点位置，进一步获得在地图上可达区域内与该相交点位置之间路程最近的道路交点位置，将该道路交点位置更新作为用户下一时刻的预测位置，然后进入下一时刻，并在地图上显示用户下一时刻的预测位置，实现用户步行位置的定位，再返回步骤007。