惯导系统辅助CSS的室内定位方法

提出一种惯性导航系统INS(Inertial Navigation System)辅助线性调频扩频CSS(Chirp Spread Spectrum)的高精度室内定位方法.首先设计了基于MPU9250多轴传感器的惯性测量单元IMU(Inertial Measurement Unit),利用数字运动处理(DMP)数据库经四元数解算可求得准确稳定的航向角,由于MPU9250自带的磁力计,规避了航向角的累积误差问题.随后在分析CSS非视距定位误差基础上,提出了基于三角形三边准则的选星方法,有效降低了室内复杂环境下非视距的影响;最后利用扩展卡尔曼滤波对惯导系统与CSS定位进行融合,以输出稳定、准确的定位结果.通过在50 m×20 m的地下车库实验分析比较,结果表明:惯导与CSS单独定位的平均误差分别为0.3456 m、0.3659 m,本文组合导航方法平均误差为0.158 l m,较前两种单一的定位方式性能提高了50%以上,该方法降低了定位的成本,系统实现复杂度降低,定位精度提高.     

基于MEMS的精确计步算法的设计与实现

计步已经成为各种穿戴设备的基本功能,但较难实现对任意大小步长距离的精确计算,为此,设计了一种新型的计步器系统,系统硬件上采用了MPU6050传感器模块和CC2541蓝牙模块,并将传感器平置于鞋底.软件上设计了上位机,可接收MPU6050采集的足部运动数据,并计算加速度、实现坐标系变换.提出了一种脉冲提取的算法,算法能够分辨行走状态与静止状态,并提取行走状态下的加速度值,对加速度值采用积分原理计算单步步长.经测试,算法能够将任意距离步长的测量误差控制在3.4%以内.     

基于Hu不变矩特征优化的人体运动姿态识别算法

人体的运动过程较为复杂,图像中的相似动作很多,对传统的特征识别形成干扰,造成识别准确性不高。为了提高其识别正确率,提出一种Hu不变矩和人工鱼群优化支持向量机的人体运动姿态识别模型(Hu-AFSA-SVM)。首先,以二维连续图像为基础,提取图像中人体运动姿态识别的7个Hu不变矩,然后将其输入到SVM中进行训练,并采用AFSA对SVM参数进行优化,通过寻找一个最优超平面,尽可能在满足分类的限制条件下,将所有人体运动姿态分类数据集中的类别分开,在克服干扰下,完成识别。最后对其进行仿真实验。仿真结果表明,相对于其它识别模型,Hu-AFSA-SVM提高了人体运动姿态识别正确率,同时加快了识别速度,是一种有效的人体运动姿态识别方法。     

基于轮廓图像空频域特征的人体姿态分层识别算法

人体姿态识别是当前自动视频理解技术的研究热点,其难点在于在实际应用中很难同时保障准确度、鲁棒性和实时性.当前基于二维图像的主流算法中,一类为基于高层人体结构的信息,其准确度高,但实时性较差;另一类为基于低层图像信息,算法简单,但其准确度较低.针对该问题,文中提出一种人体姿态建模和识别算法.该算法首先采用高斯混合模型快速提取运动目标和归一化轮廓图像,然后利用人体轮廓参数构建一组12维特征向量,建立人体姿态模型,最后通过分层识别方法实现对人体姿态的认知.该算法可以有效地识别人体姿态,计算复杂度较低,对存在干扰的图像具有较好的识别效果.基于标准视频库的实验结果验证了方法的有效性,与链码标记算法的对比实验验证了方法的优越性.     

基于矩阵星图识别算法的卫星三轴姿态确定方法研究

针对基于星敏感器的三轴稳定卫星姿态确定系统,总结比较了目前用于姿态确定的常用姿态敏感器的性能,引出了星敏感器的核心-星图识别算法,进而分析比较了当前星敏感器星图识别相关的几种算法的优缺点,重点研究了栅格算法;并在此基础上,提出用矩阵星图识别算法,建立了基于矩阵星图识别算法进行卫星三轴姿态确定的数学模型,从而简便、快捷地求出卫星任意时刻的三轴姿态参数;最后利用Matlab分别实现了用栅格算法和矩阵法进行星图识别的仿真,验证了矩阵识别算法的优点,对于研究卫星姿态确定和提高星图识别算法的效率和精度有一定的参考价值.     

基于GLRT零速检测算法的行人室内定位系统

针对微机电系统中惯性传感器漂移大、精度低导致室内行人定位精度不高的问题,本系统在惯性导航解算算法的基础上,提出基于广义似然比检验的零速检测算法.该方法是利用广义似然比检验对行人处于站立相或摆动相的概率进行估计以及进行零速更新,提高行人定位精度.基于本文提出的行人室内定位模型,搭建以惯性测量单元为核心的实验平台,评估本文算法的可行性.实验结果表明行人定位的动态误差为-1.8141 m~1.4516 m,置信度为97.61%.表明本文的行人室内定位系统满足实际定位的要求.     

基于加速度计模型重构的自适应姿态融合算法

针对传统四旋翼无人机梯度下降姿态融合算法收敛较慢,步长难以确定,且受非重力加速度影响大的问题,提出一种基于加速度计模型重构的自适应姿态融合算法.在加速度计模型重构的基础上,利用自适应Momentum梯度下降算法融合加速度计与陀螺仪数据进行水平姿态角解算,最后结合所得水平姿态角与磁力计数据计算偏航角.实验结果表明:该算法...     

基于结构光3D视觉的空间姿态识别系统设计

为提高产品零件空间姿态识别的精度和收敛速度,提出基于结构光3D视觉对空间姿态识别的方法。首先,采用投影仪和相机获取产品零件图像信息,利用相移法获取深度信息,通过深度图点云重建获取3D点云数据;然后对3D点云数据进行特征处理和分类时,建立点云网络(Point Network, PointNet)模型;最后,采用改进的迭代最近点(Iterative Closest Point, ICP)算法对3D点云数据配准,从而实现产品零件姿态的识别。实验结果表明,该方法在对产品零件点云特征分类性能上,准确率能达到96%左右,召回率能稳定在92%左右;在配准精度和收敛速度上,较其他两种方法更优越,进一步验证了该方法的有效性和可行性。     

复杂场景下的运动目标识别算法

目标识别是计算机视觉的基本目的,同时也是人工智能领域的重要组成部分之一.随着信息化时代的来临,视频采集工具的普及,海量的视频数据给人工识别带来了巨大挑战.现阶段,在智能交通领域、生产质检领域等简单场景中,视频识别技术已经得到广泛的应用.如何从复杂场景中实现目标的识别和检测则成为了更加重要和困难的问题.针对该问题,本文提出了一种复杂场景下的运动目标识别算法.首先,提出一种改进的光流算法,通过时间序列以及空间像素变化对运动目标区域进行快速标记;其次,对目标区域进行滑动窗口检测,匹配人体各部位模型,并将反馈信息利用树形结构进行人体建模,实现在复杂场景下识别运动目标.通过实验进行评估,该方法能够在保证较高准确率的情况下,相比基于深度学习的检测算法检测速度更快,可以满足实时监测的要求.     

基于多传感器数据融合的室内行人航位推算法

针对惯性测量单元(IMU)本身存在测量漂移,很难获得精确的室内行人轨迹的问题,提出了使用多个传感器信息融合的方案,包括IMU和视频摄像头,并结合卡尔曼滤波和零速检测算法进行参数优化,以提高行人运动轨迹的精度.仿真结果表明:算法可以有效降低行人轨迹的误差.     

基于改进DNN-LSTM算法的车辆前方行人行为识别方法

为提高行驶车辆前方行人行为识别精度,提出了基于经验模态分解的深度神经网络与长短时记忆网络相结合的行人行为识别方法。该方法在分析骨架节点表征参数的基础上,采用势能、相对位置、加速度、角加速度作为表征参量描述行人行为,利用经验模态分解可以平滑数据的优点,建立深度神经网络与长短时记忆网络融合的识别模型,实现对车辆前方行人行为的准确识别。采用Weizmann数据集和KTH数据集对该方法有效性检验。结果表明,该方法基于两个数据集对车辆前方行人行为识别准确率分别为98.58%和98%,能够为辅助驾驶系统等提供有效的数据支持。     

基于智能手机的惯性导航轨迹生成算法

针对传统的手机惯性导航技术存在无法精确计步和计算步长的问题,提出了一种基于智能手机的惯性导航轨迹生成算法。该算法根据智能手机上三轴加速度传感器捕捉的人走路时产生的三轴加速度,利用基于Mealy状态机的计步算法计算人所走过的步数,并获得每一步的起止时间戳;根据三轴陀螺仪所获取的数据及每一步的起止时间戳,结合指南针读数,计算人走过的每一步所发生的方向变化;根据不同步长的人行走时所产生的不同加速度,基于最小二乘法估计人的步长;根据路径起点的坐标,结合步长及方向变化,计算人走过的每一步相对于路径起点的坐标,得到人的运动轨迹。仿真结果表明该算法能够达到较高的惯性导航精度。     

利用惯性传感器和AdaBoost算法的步态识别方法

针对现有方法在步态识别方面存在的动作信号分割、传感器方向不一致和相似动作识别精度不高等缺点,提出一种基于惯性传感器和AdaBoost算法的步态动作识别方法。首先,基于尺度空间技术,提出了一种鲁棒的步态检测方法将信号分为动作样本,以此来应对动作速度或强度的剧烈变化;然后,应用定位补偿匹配算法纠正传感器的倾斜,从而解决了传感器方向不一致的问题;最后,为了提高识别精度,基于AdaBoost算法自适应选取动作特征,再进行判别分析完成识别。对5个相似步态动作类进行识别实验,结果表明提出的算法具有较高的准确性。     

基于BOF-Gist特征的手势识别算法研究

针对静态手势识别算法存在特征计算复杂度高,实时性差的问题,提出了一种新的BOF-Gist特征对手势图像进行表示。该特征的优势是在保持Gist特征原有优势的基础上,有效地表征手势图像的局部特征和全局特征,并且特征维数明显降低,实时性好。在标准数据库上的测试表明,该算法对于简单、复杂背景下十种手语手势分别得到了90.42%与79.05%的正确识别率,同时验证了算法的实时性。     

基于捷联惯性导航的矿用单轨吊机车定位算法

针对煤矿井下单轨吊机车常用定位方法存在定位精度低和定位成本高的问题,提出了一种基于捷联惯性导航的矿用单轨吊机车定位算法。采用九轴惯性测量单元(IMU)采集机车加速度数据,并对加速度数据进行限幅滤波和去零偏等预处理,解算并输出姿态角和加速度值;采用方向余弦矩阵法滤除加速度数据中所含的重力分量,消除该分量对数据的干扰;利用加速度变化率阈值法和零速修正法修正稳态误差,使稳态加速度和速度更接近真实值;采用Lagrange插值多项式测距法测量单轨吊机车的行驶距离,并利用测距结果定时修正法来补偿测距误差,根据机车的起点和行驶距离实现定位。实验结果表明,当车辆行程为30.8 m时,测距误差基本在0.65 m以内,可以达到高精度、低成本的定位要求。     

惯导滤波参数优化算法

根据惯导误差修正过程中的滤波参数优化需求,提出了Kalman滤波初始滤波参数的优化方法,在一定的状态量、观测量和设定轨迹条件下进行了仿真实验,分析了不同初始滤波参数对滤波估计结果的影响。综合不同滤波参数条件下姿态误差的估计效果,得出了初始滤波参数的优化方法,仿真实验结果表明:相比标准初始滤波参数估计效果,采用优化后的初始滤波参数进行误差估计,方位角误差估计过程更加平稳,且在120 s内可达到较高的估计精度,相比标准初始滤波参数,提高了输出精度。     

基于MEMS惯性传感器的行人航位推算系统

提出一种基于低成本MEMS自包含传感器,能自主完成数据采集、数据处理的行人航位推算（PDR）系统.硬件平台集成三轴加速度计、三轴陀螺仪、三轴数字罗盘及气压计,不需任何额外设施.通过自包含传感器测量行人行走的步长、方位及高度,实现行人室内、外三维定位.采用加速度信号实现跨步探测和步长估计.利用互补滤波器融合加速度计、陀螺仪和数字罗盘数据,矫正陀螺仪的测量误差和磁场干扰对数字罗盘的影响,提高行人行走的方位精度.测试结果表明：系统的定位误差低于行进距离的4％,满足行人定位要求.验证了系统的有效性和可靠性.     

Tightly-coupled stereo vision-aided inertial navigation using feature-based motion sensors

A tightly-coupled stereo vision-aided inertial navigation system is proposed in this work, as a synergistic incorporation of vision with other sensors. In order to avoid loss of information possibly resulting by visual preprocessing, a set of feature-based motion sensors and an inertial measurement unit are directly fused together to estimate the vehicle state. Two alternative feature-based observation models are considered within the proposed fusion architecture. The first model uses the trifocal tensor to propagate feature points by homography, so as to express geometric constraints among three consecutive scenes. The second one is derived by using a rigid body motion model applied to three-dimensional (3D) reconstructed feature points. A kinematic model accounts for the vehicle motion, and a Sigma-Point Kalman filter is used to achieve a robust state estimation in the presence of non-linearities. The proposed formulation is derived for a general platform-independent 3D problem, and it is tested and demonstrated with a real dynamic indoor data-set alongside of a simulation experiment. Results show improved estimates than in the case of a classical visual odometry approach and of a loosely-coupled stereo vision-aided inertial navigation system, even in GPS (Global Positioning System)-denied conditions and when magnetometer measurements are not reliable.     

捷联惯导互补滤波姿态融合算法设计

为了满足低成本、高性能的载体测姿需求,针对MEMS器件漂移导致载体姿态无法准确测量的问题,提出了一种基于方向余弦矩阵（DCM）更新的多轴显式互补滤波载体姿态估计算法。利用陀螺仪和辅助传感器的噪声所处频段互补的特点,运用互补滤波进行信息融合,发挥各个传感器的优点,提升系统的姿态测量精度。分别以三轴转台与实验车辆为验证平台,设计了静态与动态实验。实验结果表明,该姿态融合算法能够稳定输出高精度的姿态信息,抑制陀螺漂移导致的姿态发散,有效提高载体姿态的测量精度,满足捷联惯导系统的测姿需求。     

改进PSO优化神经网络算法的人体姿态识别

为了提高人体姿态的识别精度,提出一种基于改进的粒子群优化(PSO)神经网络的人体姿态识别算法.采用加速度传感器获取加速度信息,并在常用特征集的基础上,加入离散系数和曲线积分两种新特征作为神经网络的输入;在利用PSO神经网络参数的同时,通过控制概率,自适应地对粒子进行遗传操作,增强粒子跳出局部极小值的能力;采用训练后的神经网络对6种人体姿态进行识别.实验结果表明:该算法收敛速度和全局寻优能力得到了提高,与其他经典算法相比识别精度更高.