logo资料库

基于蓝牙与惯导融合的室内实时定位算法.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.38M 资料格式：pdf 举报 版权申诉
第1页 / 共8页
第2页 / 共8页
第3页 / 共8页
第4页 / 共8页
第5页 / 共8页
第6页 / 共8页
第7页 / 共8页
第8页 / 共8页
资料共8页，全文预览结束
    中国科技论文在线 http://www.paper.edu.cn 基于蓝牙与惯导融合的室内实时定位算法 杨超，李雨，赵文晔，王中元，李昕，王坚** （中国矿业大学 环境与测绘学院，江苏 徐州 221116） 10 5 摘要：手机上搭载的惯性传感器精度较差，独立使用难以满足室内实时定位的要求。提出并 实现了一种基于蓝牙与惯导融合的室内实时定位算法。在现有 PDR 算法基础上，通过转角 等室内几何特征对地图进行分区处理，利用 KALMAN 滤波动态融合地图方向信息确定航向 角，联合通过加速计获得的行人位移参数，进行位置的解算，同时对定位结果间断进行蓝牙 纠正。实验证明，该算法有效抑制了位置推算误差随时间的不断累积，尽量避免了“穿墙” 等不合理现象的出现，保证了定位结果的可靠性，使定位精度在较长时间内满足室内导航要 求。 关键词：大地测量学；行人航位推算；地图匹配；蓝牙 中图分类号：P208 15 20 25 30 Real-time indoor location algorithm by fusing inertial measuring unit (IMU) and Bluetooth signals Yangchao, Liyu, Zhaowenye, Wangzhongyuan, Lixin, Wangjian (School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou, Jiangsu 221116, China) Abstract: The inertial sensors of mobile phone have low precision, which can’t meet the requirement of indoor navigation. This paper raises a method by fusing inertial measuring unit(IMU) and Blutooth signals to realize a continuous and autonomous indoor localization. Based on the existing PDR algorithms, we divided the map into different areas by the corner and other geometric features for processing, and obtained the heading angle by fusing IMU and the orientation information of the map based on Kalman filter. Combined with the accelerometer data, we can get the solution of position. At the same time we correct the result by Blutooth signals discontinuously. The implementations of the solutions prove that，the algorithm we proposed can effectively suppress the cumulative error, avoid the unacceptable result as much as possible and ensures the reliability of the result, which guarantees the precision meeting the requirement of indoor navigation for a rather long time. Key words: pedestrian dead reckoning; map matching; Bluetooth 35 0 引言 40 随着智能手机的快速应用，基于位置的服务(Location Based Service, LBS)具有广阔的前 景[1-2]，借助网络为用户提供与位置相关的信息服务[3]。为人们的生产和生活带来了很大的 便捷[4] 。基于位置服务技术根据应用场景的不同分为室内定位技术和室外定位技术。室外定 位技术主要以全球导航卫星系统(Global Navigation Satellite System, GNSS)为主，但由于在室 内环境下信号弱，卫星导航定位可用性差。目前室内定位技术主要基于各种无线网络，如用 信标有射频识别技术(Radio Frequency Identification, RFID)[5-6]、超声波[7]、超宽带(Ultra Wideband, UWB)[8-9]、蓝牙(Bluetooth)[9-11]、ZigBee[12-14]、红外技术[7,14]以及 WLAN[15] 。在这 类定位方法中，RSSI（Received Signal Strength Indication，接收的信号强度指示）是最常用 作者简介：杨超（1993—），男，汉，本科生，主要研究方向为室内定位技术 通信联系人：王中元（1977—），男，副教授，硕士生导师，主要研究方向:3S 集成及其应用、空间大地测 量技术. E-mail: wzy95002@163.com - 1 -
    中国科技论文在线 http://www.paper.edu.cn 45 的方法之一，但是受到室内环境复杂的影响，这类方法定位精度往往不高。Fan Li 等提出了 使用地图匹配辅助智能手机中的惯性传感器所得数据进行行人航位推算[16]，提出了一种较 为可靠的定位算法，但仍无法解决航向角误差过大的问题。本文针对此类问题，提出一种 利用卡尔曼滤波添加地图方向约束同时辅以蓝牙纠正的模型，提高了定位精度，能够实现短 时间、长距离的自主导航。 1 行人航位推算（PDR） 50 行人航位推算（Pedestrain Dead Reckoning），是根据行人的当前的运动状态来推算下一 个位置。随着微电子技术的快速发展，使得大多数微传感器成本降低、体积变小，这就使得 这些微传感器能够广泛用于现在的智能手机等设备，在一定的定位精度范围内，为行人室内 定位技术提供了极大的便捷。 55 PDR 基本原理是利用加速度传感器测算出行人的步长和步速，通过方向传感器得到航向 角，从而最终推算出行人的位置信息。本文 PDR 算法主要使用手机内置传感器（加速度计、 方向传感器和陀螺仪）采集的数据。利用式(1)来确定行人的当前位置： i X   Y  i X  i 1  Y   i SL i   SL i sin   i cos  i （1） 1  ）（ YX , 为位置点坐标； SL 为使用者的步长值；为航向角。 上式中 故而，步频探测、步长估计和行人航向确定是 PDR 算法的三大核心问题。步频的探测 60 准确度、步长和航向信息的估算精度直接决定了 PDR 算法定位精度。 1.1 步态检测 65 70 75 1.1.1 步频估计 一个人的行走是呈周期性变化的，从抬脚到落地，人的重心先上后下，而方向传感器垂 直方向（也就是 z 轴）的数值波动在很大程度上可以反映出这种走动规律，行人的一步则对 应着一组波峰波谷，由于传感器数据的随机性，使得数据列中经常存在伪波峰和伪波谷，进 而出现伪步态检测结果。针对此种问题，本文通过设置阈值来限定检测结果，即多条件约束 的波峰—波谷检测技术[17] ，此种方法能够实现自适应步态识别，，进而减少伪步态的判识， 从而提高步态检测的准确度。 1.1.2 步长估计 步长的估计精度直接影响定位精度，在步态识别时，步长的数值可同步获取。步长估计 现今有很多算法，但其中比较成熟的 Levi and Judd 提出的步长与步频成正相关性[24]，如式 （2）和 Harvey Weinberg 提出步长与加速度的最大最小幅值之差成一定相关性[25]，如式（3）。  （2） . min （3） kL  K* 4 a f * a max kL  b . a  通过实验，让 4 个不同高度、不同体型人员进行不同速率的测试，分别采用式（2）与 式（3）进行步长估计，两者平均误差分别为 0.085m 和 0.031m，由此可以看出式（3）的 稳定性较式（2）高。故而，本文选用式（3）作为本次实验的步长估计公式。 - 2 -
    中国科技论文在线 1.2 航向角估计 80 1.2.1 利用磁力计进行航向角估计 http://www.paper.edu.cn 行人航向角估计是 PDR 算法中非常重要的一环，通常行人平握智能手机行走时，手机 的方位角可由方向传感器输出，也可由陀螺仪或磁力计计算而得。由于磁力计受环境影响较 小，由磁力计数据和加速计数据得出航向角，会比陀螺仪更加稳定。下面将介绍利用加速度 计和磁力计进行的航向角计算。 85 加速度计测量值是加速度在载体坐标系上的投影，记为：   而当载体在非加速状态时，导航坐标系下的加速度为： 0 0      f f f f T n f b x f b y f b z b f   n x T n y n z    （4） g T  （5） 由于加速度计的输出并不受航向角的大小的影响，故可以令 0 ，则捷联矩阵 R 变为： R   cos 0 sin       sin sin  sin cos   cos   sin  cos cos cos     sin       （6） n f  R f b （7） 终上可得：    arcsin    f b x g      arctan     f f b y b z     （8） 在计算出横滚角和俯仰角之后，可以由磁力计的值来进行航向角计算。磁感应强度在载 体坐标系下的投影即为磁力计值，磁力计值记为： b y M M M M b x b    又因为磁感应强度在导航坐标系下的投影： { n M M M M   x n y b x b y cos cos     M M b y b z n RM b M z M      sin sin sin b z b   （9） ，则地磁场在水平面的分量即为： sin cos   （10） 根据磁力计的原理可知航向角为：  arctan( M M / y ) x （11） 由于地球的地理北极与磁北极不重合，两者之间相差一个磁偏角，不同地区的磁偏角各 不相同，本文中采用徐州本地的磁偏角。 1.2.2 基于 Kalman 滤波的地图匹配 在进行航位推算的过程中，手机搭载传感器精度较差，仅利用手机传感器的原始数据进 行航向角计算往往难以满足行人导航的精度要求，随着时间的增长，误差不断累积，可能会 出现“穿墙”等现象，因此在已有地图的前提下，有效利用原始地图信息是提高精度的有效手 段，本节提出一种基于卡尔曼滤波融合地图方向信息的 PDR 算法，对地图方向信息进行有 效利用，提高定位精度。 - 3 - 90 95 100 105
    110 115 120 125 130 中国科技论文在线 http://www.paper.edu.cn (1) KALMAN 滤波预测方程 yaw { k gyrz  1   k 1  yaw gyrz  k gyrz   k k 2   k 1 k （12） gyrz 为从 k 时刻到 1k 时刻航向角改变量，可以进行观测， 1k k k yaw 为 k 时刻航向角, 其中 为航向角的预测误差， 2k 为航向角变化量的预测误差。 (2) KALMAN 滤波观测方程 yaw yaw { k con gyrz L η  k k   k  2 η k 1 （13） con yaw 取方向约束值，根据试验场景地图信息，分别取 90°、180°、270°、312°，从而将 航向约束在有效范围内，防止发生“穿墙”等无法接受的定位结果。 1k 为在 k 时刻添加约束 的误差，难以直接确定，在实验中选择经验数值， 2k 为 k 时刻陀螺仪对 z 方向角值改变量 的观测误差。 2 基于蓝牙的位置纠正 iBeacon 定位是苹果从 iOS7 开始内置的定位技术，iBeacon 采用蓝牙低功耗（BLE）技 术进行近距离通信。在降低电量消耗的同时能提供 1m 以内的室内定位精度，成本也很低， 因此可以在惯性系统漂移至一定程度时直接采用 iBeacon 技术提供的相对更加精确的定位结 果，本文在三个转角处设置 iBeacon 基站进行定位结果的纠正。 在蓝牙无线定位方法中， RSSI （Received Signal Strength Indication，接收的信号强度 指示）是最常用的方法之一，相比于移动速度、角度， RSSI 更容易获得。本文利用蓝牙 RSSI 确定发射端与接收端的距离。计算公式： （13） 本文中使用质心定位算法获取拐角处的坐标值进行蓝牙纠正。蓝牙的传输距离在 10m 左右， 给定阈值将剩余 RSSI 数据过滤，当转角处的 RSSI 数据全都符合，表示进入纠正的范围， 对转角处锚节点的坐标进行加权平均，通过以下公式解算用户的当前坐标： d  (( 10 RSSI A  n )/10 ) X  n k   1  n k 1  f S X ( ) k f S ( k ) k （14） 式中， kX 为编号为 k 的锚节点的坐标， ( )k f S 为编号为 k 锚节点处 RSSI 相关的权重。 综上所述，基于蓝牙与惯导融合的室内实时定位算法图为下图 1： - 4 -
    中国科技论文在线 位移参数 加速计数据 http://www.paper.edu.cn 陀螺数据 下一时刻位 置推算 否 到达转角 Kalman Filter 航向角 是 方向约束信息 蓝牙纠正 定位结果 图 1 定位算法 3 实验分析 图 2 实验场图 在中国矿业大学环测学院建立试验场，走廊的精确坐标方位角都为已知，一至四号走廊 的坐标方位角分别为 90°，180°，270°，312°（如图 2），同时在转角处设置有蓝牙，使用 手机作为实验设备。实验过程中惯性传感器数据采样频率 50Hz，在惯性传感器数据的基础 上加入走廊的方向信息作为约束从而得到精化的航向信息，利用估计出的步长和步频信息， 进行位置的推算，同时在转角处利用蓝牙数据进行坐标的修正，得到更加精确的位置信息。 本文采用以下 5 种方案进行定位试验。 方案 1 利用手机自身方向传感器确定航向的航位推算定位。 方案 2 利用手机加速计和磁力计确定航向进行航位推算。 方案 3 基于手机的惯性传感器进行航位推算。 方案 4 基于手机惯性传感器，以地图方向信息作为约束，进行航位推算。 方案 5 在方案 4 的基础上，利用转角处的蓝牙数据，修正位置信息。 方案 1、2、3、4 定位结果如下图 3： 135 140 145 150 - 5 -
    中国科技论文在线 http://www.paper.edu.cn 155 图 3 四种方案对比图 在 PDR 算法中，下一时刻位置由上一时刻位置联合观测信息推算获得，误差随着时间 累积无法避免，在第三个转角处，以蓝牙数据为准，方案 1-4 误差各自误差，如表 1 中所示。 表 1 不同定位算法转角误差分析 方案 方案 1 方案 2 方案 3 方案 4 160 方案 5 以蓝牙数据为准进行修正，轨迹如图 5 所示。 转角误差/m 13.1 11.349 5.021 3.574 165 由图 3 可以看出，在方案 1,2,3 中，由于手机传感器确定航向的偏差，导致坐标信息的 图 4 方案 5 定位结果图 - 6 -
    中国科技论文在线 http://www.paper.edu.cn 严重漂移，产生不可接受的误差。方案 4 中利用 kalman 滤波将地图的方向信息作为约束纠 正航向，可以有效地抑制位置坐标的漂移，得出了符合实际情况的定位结果。由图 4 可知， 方案 5 利用转角处的蓝牙数据对方案 4 的坐标信息进一步精化，得到更加准确的轨迹。 利用手机方向传感器得到进行的航位推算在第一个转角之前就超出了可通行区域，由于 初始定向的误差，之后的轨迹明显不符合实际情况。在方案 2 中，利用磁力计获得的航向信 息与实际情况同样相差很大，轨迹完全偏出可通行区域，在 1-4 号走廊中只有在 3 号走廊的 航向与实际相符，可信度不高。而利用 kalman 滤波算法加入地图方向约束的方案 3 精度明 显提高，在 1-2 号走廊得到的轨迹都可以较好地反映实际情况，在 3 号走廊，由于陀螺仪的 漂移以及实验过程中人作为传感器载体平台的稳定性较差，航向角发生难以避免的抖动，在 步长估计确定的前提下，3 号走廊的轨迹路线长度也自然相对实际长度较短，从而在还未到 第 3 个转角时轨迹发生提前偏转，以至于在 4 号走廊的坐标推算产生不可接受的误差。方案 5 在方案 4 的基础上进行优化，在转角处利用蓝牙修正位置信息，在第 3 个转角发生提前转 向时，将坐标强制约束到接近蓝牙的实际位置，在此基础上在 4 号走廊的轨迹与实际符合地 比较好。同时也可以看出在第一个和第二个转角，位置的修正较小，到第三个转角更加明显， 因此蓝牙的坐标修正幅度逐渐变大，从而比较好地弥补了惯性传感误差随时间的不断累积的 不足，提高航位推算的稳定性与可靠性。 4 结论 通过以上试验，根据与实际情况的吻合程度，分析各方案精度优劣，证明了利用卡尔曼 滤波添加地图方向约束同时进行蓝牙纠正模型在一定程度上可以提高室内航位推算的精度。 1）针对利用手机传感器确定的航向漂移严重的问题，提出对地图可通行区域走向分区， 添加方向约束辅助确定航向，相对单纯利用陀螺仪信息，大幅削弱了航向的漂移，减少了航 位推算的误差累计，提高定位精度。 2）针对手机上搭载的加速计精度较低，地图信息约束的陀螺解算的航向误差仍然随时 间不断累积，导致位置估计的严重偏移，提出利用蓝牙进行离散的位置修正，在位置误差累 计到一定程度后采用可信度更高的蓝牙信息，使系统在相对较长的时间里能够保持正常工 作。 这里已使用惯性传感器数据融合地图已知信息，利用蓝牙数据进行点位坐标修正等方法 提高了室内行人航位推算的精度，下一步可以在大量实测数据基础上，确定行人在室内的轨 迹分布，并随数据积累进行动态修改，确定方向约束的最优权，尝试进一步提高算法的精度。 [参考文献] (References) [1] 徐凤燕.室内无线定位算法研究[D].上海:复旦大学,2008. [2] 宋震龙.基于 WLAN 的室内定位关键技术及应用研究[D].宁波:宁波大学,2012. [3] 张世哲.基于惯性传感器和 WiFi 的室内定位系统的设计与实现[D].北京:北京邮电大学,2012. [4] 霍静.WLAN 定位技术及其在无线城市中应用[J].第十七届全国青年通信学术年会论文集, 2012. [5] 孙瑜,范平志.射频识别技术及其在室内定位中的应用[J].计算机应用,2005,25(5):1205-1208. [6] 王淼.用于 RFID 信号到达角度(AOA)定位系统中的 ADC 设计[D].天津:天津大学,2010. [7] 原玉磊,王安健,蒋理兴.一种使用红外线和超声波的定位技术[J].电子测量技术,2008,31(10): 15-17. [8] 崔学荣,张浩,吴春雷等.基于 UWB 的物联网节点定位算法的仿真研究[J].科学技术与工程,2011, 11(27): 6621-6625. [9] 张杰.超宽带定位与其他无线定位技术比较[C].第 22 届全国煤矿自动化与信息化学术会议暨第 4 届中国 煤矿信息化与自动化高层论坛论文集. 2012: 170-173. [10] 苏松,胡引翠,卢光耀,等.低功耗蓝牙手机终端室内定位方法[J].测绘通报,2015(12):81-84. 170 175 180 185 190 195 200 205 - 7 -
    中国科技论文在线 http://www.paper.edu.cn 210 215 220 [11] 江德祥.基于蓝牙传感网络的室内定位研究及在行为识 别中的应用[D].湘潭:湘潭大学,2010. [12] 李同松.基于 ZigBee 技术的室内定位系统研究与实现[D].大连:大连理工大学,2008. [13] 张治斌,徐小玲,阎连龙.基于 Zigbee 井下无线传感器网络的定位方法][J].煤炭学报,2009,34(1):125-128. [14] 刘玉峰.基于 ZigBee 无线传感器网络的室内定位系统研究与设计[D].沈阳:东北大学,2010. [15] 吴东金,夏林元.面向室内 WLAN 定位的动态自适应模型[J].测绘学报,2015,44(12):1322-1330. [16] LI F, ZHAO C, DING G, et al. A Reliable and Accurate Indoor Localization Method Using Phone Inertial Sensors[C]//Proceedings of the 2012 ACM Conference on Ubiquitous Computing. ACM, Beijing 2012: 421-430. [17] BEAUREGARD S, HAAS H. Pedestrian Dead Reckoning: Basis For Personal Positioning[C]//Proceedings of the 3rd Workshop on Positioning, Navigation and Communication. Bremen, Germany, 2006: 27-35. [18] WEINBERG H. Using the ADXL202 in Pedometer And Personal Navigation Applications[J]. Analog Devices AN-602 application note, 2002, 02(0):1-6. [19] JUDD T, LEVI R W. Dead reckoning navigational system using accelerometer to measure foot impacts: U.S. Patent 5,583,776[P]. 1996-12-10. - 8 -
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料