• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      基于雙MIMU 速度+角速率匹配的行人自主導(dǎo)航方法

      2023-02-16 01:22:36苗宏勝李海軍
      中國慣性技術(shù)學報 2023年1期
      關(guān)鍵詞:零速航向導(dǎo)航系統(tǒng)

      苗宏勝,李海軍,孫 偉,蔣 榮

      (北京自動化控制設(shè)備研究所,北京 100074)

      為滿足行人對獲取實時高精度位置、速度的需求,目前的行人導(dǎo)航系統(tǒng)普遍依賴衛(wèi)星提供導(dǎo)航、授時等服務(wù)。但是衛(wèi)星信號易受到干擾,且在室內(nèi)、隧道、叢林等環(huán)境下不能穩(wěn)定覆蓋,迫切需要行人導(dǎo)航系統(tǒng)具有不依賴衛(wèi)星的自主定位導(dǎo)航能力[1]。

      慣性導(dǎo)航系統(tǒng)不受時間、電磁、地域等因素的限制,具有較高的自主性。光學捷聯(lián)慣導(dǎo)系統(tǒng)可實現(xiàn)高精度自主導(dǎo)航,然而其體積、重量較大,無法滿足可穿戴需求;基于微慣性測量單元(Miniature Inertial Measurement Unit,MIMU)的微慣性導(dǎo)航系統(tǒng)體積小、重量輕,是目前慣性導(dǎo)航技術(shù)領(lǐng)域研究熱點[2]。

      行人自主導(dǎo)航系統(tǒng)目前普遍采用零速修正(Zero Velocity Update,ZUPT)算法修正速度、姿態(tài)誤差,以提高導(dǎo)航精度。然而ZUPT 僅在零速區(qū)間對載體作濾波修正,因此零速檢測的準確率直接決定了導(dǎo)航精度[3]。然而由于MIMU 存在精度低、噪聲大的問題,因此常規(guī)零速檢測算法存在大量的錯判現(xiàn)象,影響導(dǎo)航精度。為解決該問題,文獻[4]提出了一種基于支持向量機(Supporting Vector Machine,SVM)的自適應(yīng)零速檢測算法,可有效提高零速檢測的準確性和對復(fù)雜運動狀態(tài)的適應(yīng)性。

      由于行人運動幅度大、狀態(tài)復(fù)雜,因此要求MIMU具有較大量程;為提高行人航向精度,又要求MIMU具有較高精度。目前MEMS 慣性器件的技術(shù)水平難以同時滿足上述需求。為保證量程滿足要求,目前MEMS 慣性器件普遍精度較低,導(dǎo)致系統(tǒng)定位精度較低,且航向誤差隨時間發(fā)散。然而ZUPT 算法中航向誤差不可觀測,不能被修正[2]。為抑制系統(tǒng)航向誤差,國內(nèi)外學者作了大量的研究。Chi Xu 等對視覺輔助的航向修正方法進行了研究,通過點線匹配的方式提升了載體的航向精度,然而當光線較弱,特征點不足時該方法將不再適用[5]。N.Kronenwett 等采用多傳感器(包括RGB-D 相機、視覺慣性SLAM 等)融合的方式,實現(xiàn)了對系統(tǒng)航向和位置進行修正,然而同樣受到各傳感器的限制[6]。陳昌浩等基于物聯(lián)網(wǎng)及深度神經(jīng)網(wǎng)絡(luò)學習的方法實現(xiàn)了基于低精度MIMU 設(shè)備的航向誤差抑制,然而該算法較為復(fù)雜,不易于工程實現(xiàn)[7]。鄧志紅等采用互補濾波器及啟發(fā)式濾波器的方法實現(xiàn)了對行人正常行走時航向誤差的修正,當劇烈運動時航向誤差抑制效果將變差[8]。綜上,抑制行人導(dǎo)航系統(tǒng)的航向誤差仍然存在較大的困難。

      為提高行人導(dǎo)航系統(tǒng)的航向精度,本文提出一種基于自適應(yīng)零速檢測及雙MIMU 速度+角速率匹配的行人自主導(dǎo)航算法,在一套導(dǎo)航系統(tǒng)中同時包含兩種MIMU,一套大量程MIMU 用于保證數(shù)據(jù)完整性,一套高精度MIMU 用于提高系統(tǒng)航向精度。當高精度MIMU 數(shù)據(jù)有效時,通過卡爾曼濾波器(Kalman Filtering,KF)對大量程MIMU 航向陀螺漂移作修正,進而實現(xiàn)對航向誤差的抑制;采用基于SVM 的自適應(yīng)零速檢測算法確保零速檢測的準確性,當判斷足部速度為0 時,采用ZUPT 算法對系統(tǒng)速度、姿態(tài)誤差等進行修正,實現(xiàn)基于適應(yīng)零速檢測及雙MIMU 速度+角速率匹配的高精度行人自主導(dǎo)航。

      1 基于ZUPT 的行人導(dǎo)航系統(tǒng)

      1.1 行人導(dǎo)航系統(tǒng)原理

      人在行走的過程中,足部的運動存在明顯的周期性變化,即步態(tài)周期。每個步態(tài)周期可分為4 個階段:離地、懸空擺動、落地、持續(xù)靜止[1],如圖1 所示。其中在足部持續(xù)靜止的階段,足部速度恒定為0,該階段即為零速區(qū)間,可通過零速檢測算法利用足綁式MIMU 采集到的加速度、角速率的幅值、標準差等參數(shù)對當前是否為零速狀態(tài)進行檢測[9]。

      圖1 單個完整步態(tài)周期[4]Fig.1 A complete gait cycle[4]

      若判斷當前為零速狀態(tài)時,通過KF 對當前足部的姿態(tài)、速度誤差等進行估計并修正;若判斷當前為非零速狀態(tài),則不作修正,以僅通過慣性導(dǎo)航解算獲取系統(tǒng)的導(dǎo)航參數(shù)[9,10]?;赯UPT 的行人導(dǎo)航算法流程圖如圖2 所示。

      圖2 基于ZUPT 的行人導(dǎo)航算法流程[4]Fig.2 The process of pedestrian navigation algorithm based on ZUPT[4]

      1.2 濾波器設(shè)計

      卡爾曼濾波(KF)是一種通過線性化系統(tǒng)的觀測量,對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法[10]。線性化后行人自主導(dǎo)航系統(tǒng)的狀態(tài)空間模型可表示為:

      其中,X(t)為狀態(tài)變量,F(xiàn)(t)為系統(tǒng)矩陣,Z(t)為量測量,H(t)為量測矩陣,w(t)為系統(tǒng)噪聲向量,v(t)為量測噪聲向量。在ZUPT 算法中,普遍取狀態(tài)變量:

      其中,δVn、δVu、δVe分別為系統(tǒng)北向、天向、東向的速度誤差;δL、δh、δλ分別為系統(tǒng)的緯度、高度、經(jīng)度的誤差;?n、?u、?e分別為系統(tǒng)導(dǎo)航坐標系內(nèi)北、天、東三個方向的失準角;?x、?y、?z分別為載體坐標系內(nèi)x、y、z三個方向的加速度計零偏;εx、εy、εz分別為載體坐標系內(nèi)x、y、z三個方向的陀螺漂移。

      量測量:

      其中,Vn、Vu、Ve分別為慣性導(dǎo)航解算得到的系統(tǒng)北向、天向和東向的速度;分別為北向、天向和東向的速度的基準。在零速時刻有:

      量測矩陣:

      標準KF 方程如下[10]:

      其中,Tf為KF 濾波周期,Tn為導(dǎo)航周期[10]。

      由KF 估計出各狀態(tài)變量的誤差后,對各狀態(tài)變量進行修正。由于ZUPT 算法中系統(tǒng)航向誤差及航向陀螺漂移不可觀測,故系統(tǒng)航向誤差不能被修正,導(dǎo)致系統(tǒng)航向誤差隨時間發(fā)散。

      1.3 航向誤差的影響

      在零速區(qū)間內(nèi),系統(tǒng)的航向誤差近似滿足:

      式中前兩項數(shù)值較小,即航向誤差的主要來源為航向陀螺(天向陀螺)漂移εu。通過在航向陀螺上人為加入誤差并進行仿真,得到航向誤差對系統(tǒng)的影響如圖3 所示。即航向誤差會使軌跡方向發(fā)生偏移,進而導(dǎo)致系統(tǒng)定位精度降低。

      圖3 仿真得航向誤差對定位的影響Fig.3 The influence of heading error on positioning by s

      2 自適應(yīng)零速檢測算法

      目前常用的零速判據(jù)包括加速度閾值檢測、角速率閾值檢測、加速度標準差檢測、角速率標準差檢測等[4]。

      (1)加速度、角速率閾值檢測

      若三軸加速度、角速度的矢量和分別滿足:

      則判斷當前為零速狀態(tài)。其中,fx(k)、fy(k)、fz(k)分別為時刻MIMU 輸出的三軸加速度,ωx(k)、ωy(k)、ωz(k)分別為三軸角速率,f(k)、ω(k)分別為三軸合加速度、合角速率,g為重力加速度,fth、ωth分別為加速度、角速率的零速檢測閾值[4]。

      (2)加速度、角速率標準差檢測

      若三軸加速度、角速率的標準差分別滿足:

      則判斷當前為零速狀態(tài)。其中σf(k)、σω(k)分別為 時刻MIMU 輸出的單軸加速度、角速率的標準差,fk、ωk分別為單軸加速度、角速率,分別為窗口內(nèi)加速度、角速率的平均值,N為窗口寬度,σfth、σωth分別為單軸加速度、角速率的標準差閾值[4]。

      上述各判據(jù)的閾值fth、ωth、σfth、σωth等常采用經(jīng)多次試驗確定的常數(shù),對于固定人員的固定運動狀態(tài)(如正常行走)可以實現(xiàn)較高的準確率。然而,當運動狀態(tài)復(fù)雜時,會出現(xiàn)大量誤判和漏判的現(xiàn)象[4]。

      為提高零速檢測準確率,本文采用基于SVM 的自適應(yīng)零速檢測算法,由濾波窗口內(nèi)三軸合加速度的峰值fp表征當前運動狀態(tài),以fp與三軸角速率、加速度的矢量和、標準差等變量構(gòu)成樣本集:

      其中,y表示f、ω、σf、σω等參數(shù),zi為已有樣本點的狀態(tài),zi=-1 或1,表示當前的足部運動狀態(tài),zi=1表示該點為零速點,zi=-1 表示該點為非零速點。

      采用SVM 算法對不同步態(tài)下零速點和非零速點進行分類,求解零速點和非零速點間的最優(yōu)超平面。將當前采樣點代入所求得超平面方程,即可作根據(jù)結(jié)果符號判斷當前是否為零速狀態(tài)。即得到零速檢測判據(jù)(決策函數(shù)):

      3 雙MIMU 行人導(dǎo)航系統(tǒng)設(shè)計

      3.1 雙MIMU 空間結(jié)構(gòu)設(shè)計

      人在運動時,足部角速率可達上千度每秒。為保證系統(tǒng)數(shù)據(jù)的完整性,需要在系統(tǒng)中包含一套上述量程的三軸陀螺儀(大量程陀螺儀),然而該陀螺儀精度僅能達到10 °/h 量級。

      為提高該套陀螺儀的精度,需要一組精度較高的陀螺儀為其提供角速率基準,從而對其進行修正。其精度較大量程陀螺儀提升一個數(shù)量級,相應(yīng)地,量程減小一個數(shù)量級。

      采用3 只大量程陀螺儀及加速度計構(gòu)成一套大量程MIMU;另采用3 只高精度陀螺儀構(gòu)成一套高精度MIMU。

      為保證系統(tǒng)的小型化和可穿戴性,需要對導(dǎo)航系統(tǒng)內(nèi)部空間充分利用。為避免姿態(tài)轉(zhuǎn)換引入額外的誤差,需保證同一軸向的兩個陀螺儀的敏感軸近似重合。綜合考慮多種因素,系統(tǒng)內(nèi)部雙MIMU 的空間結(jié)構(gòu)設(shè)計如圖4 所示。

      圖4 雙MIMU 空間結(jié)構(gòu)設(shè)計Fig.4 The space structure design for dual MIMUs

      3.2 算法設(shè)計

      由大量程MIMU 采集人體足部運動過程中的角速率和加速度,并全程采用慣性導(dǎo)航算法解算行人當前的姿態(tài)、速度、位置。

      當通過零速檢測算法判斷當前為零速狀態(tài)時,此時系統(tǒng)的角速率也應(yīng)為0,高精度MIMU 不會超出量程??赏瑫r取速度與雙MIMU 間角速率之差作為量測量,即采用速度+角速率匹配方案,通過KF 對系統(tǒng)所有可觀測的狀態(tài)變量進行估計并修正,從而實現(xiàn)對系統(tǒng)導(dǎo)航精度的提升。

      當通過零速檢測算法判斷當前為非零速狀態(tài)時,若此時高精度MIMU 的三軸輸出均未超量程,則取雙MIMU 間的角速率之差為觀測量,即采用角速率匹配的方案,通過KF 對三軸的陀螺漂移進行估計并修正,從而實現(xiàn)對航向誤差的抑制。

      當上述條件均不滿足時,以慣性導(dǎo)航得到的位置、姿態(tài)等作為最終輸出。

      基于雙MIMU 速度+角速率匹配的行人導(dǎo)航算法流程圖如圖5 所示。

      圖5 基于雙MIMU 速度+角速率匹配的行人導(dǎo)航算法流程Fig.5 The process of pedestrian navigation algorithm based on dual-MIMU velocity &angular rate matching method

      3.3 濾波器設(shè)計

      定義高精度MIMU系統(tǒng)所構(gòu)建的載體坐標系為m系,大量程MIMU 系統(tǒng)構(gòu)建的載體坐標系為b 系。兩套系統(tǒng)均取地理坐標系為導(dǎo)航坐標系。高精度MIMU到大量程MIMU 系統(tǒng)間的姿態(tài)角誤差為:

      圖6 雙MIMU 間的空間模型Fig.6 The spatial model of dual MIMUs

      由于m 系到b 系間的姿態(tài)誤差較小,因此可對φx、φy、φz作小角度假設(shè),因此有從m 系到b 系的姿態(tài)轉(zhuǎn)換矩陣:

      足部角速率分別在m 系和b 系的投影ωm、ωb間滿足:

      即:

      考慮到陀螺漂移與時間延遲的影響,實際上有:

      其中,εb為大量程MIMU 的三軸陀螺漂移;εm為高精度MIMU 的三軸陀螺漂移;Tδ為高精度MIMU 相對于大量程MIMU 的時間延遲。由于高精度MIMU 的精度較高,近似認為其相對于大量程MIMU的陀螺漂移可忽略不計,式(19)可簡化為:

      在引入高精度MIMU 系統(tǒng)后,又引入了4 個未知參數(shù),分別為從m 系到b 系的安裝誤差φx、φy、φz及雙MIMU 間的時間延遲Tδ。因此需將KF 的狀態(tài)變量擴充為:

      取量測量:

      在非零速區(qū)間內(nèi),當三軸高精度陀螺測量值均在量程范圍內(nèi)時,取量測矩陣:

      在零速區(qū)間內(nèi),?。?/p>

      其中,(ωm×)為由ωm構(gòu)成的反對稱陣。

      相應(yīng)地,還需對Pk、Qk和Rk陣的初始狀態(tài)P0、Q0和R0進行相應(yīng)地擴充。

      3.4 系統(tǒng)可觀性分析

      利用奇異值分解理論分析系統(tǒng)可觀測度。分別采集導(dǎo)航系統(tǒng)靜止朝北(航向角為0 °)和靜止朝西(航向角為90 °)時雙MIMU 輸出的角速率、加速度,并通過導(dǎo)航解算得到北向、天向、東向速度,與雙MIMU間角速率之差共同作為觀測量,對系統(tǒng)進行可觀性分析。

      由于在零速區(qū)間速度為0,速度誤差絕對可觀,因此令量測量δVn、δVu、δVe的可觀測度為1,得到引入角速率匹配前后系統(tǒng)狀態(tài)變量的可觀測度見表1。

      由表1 得在引入角速率匹配后,系統(tǒng)y軸陀螺漂移的可觀測度明顯提高,由原來的5.45×10-4提高至0.98,由不可觀測量變?yōu)榭捎^測量。而在人的行走過程中,y軸陀螺又長期近似指天,為航向誤差的主要來源,因此可通過對系統(tǒng)三軸陀螺漂移進行補償,來實現(xiàn)對航向誤差的抑制。

      表1 各狀態(tài)變量的可觀測度Tab.1 The degree of observability for state varibles

      4 試驗驗證

      4.1 試驗內(nèi)容

      將一套基于雙MIMU 速度+角速率匹配的行人導(dǎo)航系統(tǒng)固定在足部,使系統(tǒng)的x軸與人體行進方向一致;y軸指天;z軸與人體行進方向垂直并指向行進方向的右側(cè)。確保系統(tǒng)樣機相對于足部固定,不會出現(xiàn)滑動、脫落等現(xiàn)象[4]。在系統(tǒng)開始工作前,保持足部靜止并對系統(tǒng)初始位置、航向等進行裝訂,系統(tǒng)進入導(dǎo)航狀態(tài)后開始行走。行走30 min 左右后回到初始位置,并通過機械手段保證與初始方位一致性誤差小于0.5 °。

      重復(fù)進行多次試驗,每條次試驗中同時利用雙MIMU 進行導(dǎo)航解算可得到基于雙MIMU 速度+角速率匹配的導(dǎo)航數(shù)據(jù),利用大量程MIMU 可得到僅采用速度匹配的導(dǎo)航數(shù)據(jù)。統(tǒng)計兩種方案終止時刻與起始時刻系統(tǒng)航向的差值的絕對值,即為系統(tǒng)的航向誤差,取所有條次中航向誤差的最大值作為當前系統(tǒng)的航向誤差。

      采用全球定位系統(tǒng)(Global Positioning System,GPS)對起始點及各轉(zhuǎn)彎處的經(jīng)緯度進行多次測量,得到其準確位置,作為定位誤差計算的基準點。由于每次行走的路線不同,因此基準點依據(jù)實際行走的路線選取。統(tǒng)計各轉(zhuǎn)彎處由導(dǎo)航系統(tǒng)與GPS 得到的位置間的距離即為經(jīng)過該點時的位置誤差,取每條次位置誤差的最大值作為該條次的定位誤差,取所有條次中定位誤差的最大值作為當前系統(tǒng)的定位誤差。

      4.2 試驗結(jié)果

      采用基于SVM 的自適應(yīng)零速檢測算法對零速區(qū)間進行檢測,采用雙MIMU 速度+角速率匹配與僅采用單MIMU 速度匹配時得到的部分導(dǎo)航軌跡如圖7 所示。由于在實際行走時,大部分時間段內(nèi)大致沿著正東、正南、正西或正北方向,因此運動軌跡應(yīng)大致與坐標軸平行。圖中基于雙MIMU 的行人導(dǎo)航系統(tǒng)的軌跡更趨近于實際情況,且各轉(zhuǎn)彎處與基準點間的間距較小,說明基于雙MIMU 的行人導(dǎo)航系統(tǒng)具有更高的航向及定位精度。

      圖7 采用不同算法時的部分導(dǎo)航軌跡Fig.7 Fragments of the navigation trajectories when using different algorithms

      分別統(tǒng)計采用雙MIMU 速度+角速率匹配及僅采用單MIMU 速度匹配時不同條次的航向誤差與定位誤差,統(tǒng)計結(jié)果見表2。

      表2 系統(tǒng)的航向與定位誤差Tab.2 The heading and positioning errors of system

      在其他條件完全相同的條件下,在30 min 內(nèi),采用雙MIMU 速度+角速率匹配的行人導(dǎo)航系統(tǒng)的航向誤差不大于3.44 °,定位誤差最大為4.92 m,均達到了較高的水平;而采用速度匹配方案時系統(tǒng)的航向誤差最大為7.30 °,定位誤差最大為9.62 m。即相較于采用速度匹配,基于雙MIMU 速度+角速率匹配的行人導(dǎo)航系統(tǒng)的航向精度提升了52.9%,定位精度提升了48.9%。所設(shè)計的基于雙MIMU 速度+角速率匹配的行人導(dǎo)航系統(tǒng)可有效抑制系統(tǒng)的航向誤差,實現(xiàn)高精度的行人自主導(dǎo)航。

      5 結(jié)論

      本文對基于雙MIMU 速度+角速率匹配的行人自主導(dǎo)航系統(tǒng)的結(jié)構(gòu)及算法進行了設(shè)計。采用SVM 算法對不同運動狀態(tài)下的零速點和非零速點分別進行分類,可提高零速檢測算法的準確率和對不同運動狀態(tài)的適應(yīng)性。在一套行人導(dǎo)航系統(tǒng)中同時包含2 套三軸MIMU,一套具有較大量程但精度較低,用于采集人體運動時足部的角速率和加速度,用以保證數(shù)據(jù)的完整性;一套具有較高精度但量程較小,用于為大量程MIMU 提供角速率基準。若判斷當前為非零速狀態(tài),且三軸高精度陀螺儀均未超量程時,采用角速率匹配方案提升大量程MIMU 三軸陀螺漂移的可觀測度,通過KF 對其進行估計并修正;若判斷當前為零速狀態(tài),采用速度+角速率匹配方案,通過KF 對所有的可觀測變量進行修正,從而實現(xiàn)對系統(tǒng)航向誤差的抑制。

      經(jīng)試驗驗證,基于雙MIMU 速度+角速率匹配的行人自主導(dǎo)航系統(tǒng)的航向精度達到了3.44 °/30 min,定位精度達到了4.92 m/30 min,較僅采用單MIMU 速度匹配時精度有了很大的提升,航向精度提升了52.9%,定位精度提升了48.9%,且導(dǎo)航軌跡更接近實際情況。所設(shè)計基于雙MIMU 速度+角速率匹配的行人自主導(dǎo)航系統(tǒng)可有效抑制航向誤差隨時間發(fā)散,進而提升系統(tǒng)定位精度,具有一定的實際應(yīng)用價值。

      猜你喜歡
      零速航向導(dǎo)航系統(tǒng)
      GRU-DNN改進的行人導(dǎo)航零速檢測方法
      基于零速修正與姿態(tài)自觀測的慣性行人導(dǎo)航算法
      城市軌道交通車輛制動系統(tǒng)的零速信號和非零速信號方案選用及安全性分析
      知坐標,明航向
      說說“北斗導(dǎo)航系統(tǒng)”
      考慮幾何限制的航向道模式設(shè)計
      “北斗”導(dǎo)航系統(tǒng)是怎樣煉成的
      一種GNSS/SINS容錯深組合導(dǎo)航系統(tǒng)設(shè)計
      基于干擾觀測器的船舶系統(tǒng)航向Backstepping 控制
      電子制作(2017年24期)2017-02-02 07:14:16
      解讀全球第四大導(dǎo)航系統(tǒng)
      霍邱县| 雷州市| 峨边| 益阳市| 嵩明县| 曲水县| 凤阳县| 临漳县| 思南县| 任丘市| 波密县| 宣化县| 雷波县| 芷江| 阿拉善右旗| 大名县| 潞城市| 商城县| 盖州市| 兴义市| 南郑县| 甘肃省| 迁西县| 田东县| 河北省| 通山县| 拉萨市| 镇宁| 新化县| 永德县| 洛浦县| 昌江| 陇西县| 同仁县| 上虞市| 莲花县| 安龙县| 遂平县| 阳信县| 平南县| 叙永县|