基于智能手机的粒子滤波室内融合定位方法

室内定位需求急剧增加,普及的智能手机带来了解决问题的一种方法。本文提出了一种基于智能手机的粒子滤波室内融合定位方法。利用三轴加速计和三轴罗盘等微机电系统(micro-electromechinical system, MEMS)传感器数据估计目标的运动状态信息,利用WiFi数据更新运动状态,实现融合定位。室内动态环境下实验结果表明,融合定位方法平均定位误差小于2 m,其有效利用智能手机平台获取多种传感器数据,很好地结合了行人航迹推算方法和K加权最近邻方法的优势,在定位精度和稳健性方面均有良好表现。     

顾及地标可视性的室内导航路径优化算法

提出了一种构建室内行人通行网络的方法,利用矢量建筑图自动构建室内建筑、地标的可视关系,建立行人导航通行规则,支持室内导航路径规划。实验结果表明,此方法能够有效描述室内行人通行规则,并满足拓扑网络构建的实时性需求,减少大规模存储与维护室内路网的压力。在此基础上提出了一种多目标导航路径优化算法,该算法时间开销较低,能够实时地进行路径规划,得到的最优路径与最短路径相比具有更高的地标可见性和覆盖率。     

导航地标评价体系的构建及其在行人导航中的应用

在分析现有基于地标行人导航方法的基础上,针对其不足构建出易于应用的导航地标评价体系。结合灵活的指标定权方法及直观的导航图形界面路径引导方法,在武汉大学信息学部进行了行人导航的实验应用。实验结果表明,本方法可以满足不同用户对于导航信息需求的差异,降低数据显示冗余、减轻行人空间认知负担、提高决策效率与成功率,达到简化行人导航的目的。     

视觉惯导紧耦合的行人室内自主定位方法

针对行人在大型复杂建筑环境中的高精度和高可靠性室内定位需求,传统的基于视觉点特征方法易受环境纹理缺失、相机快速运动导致图像模糊而定位失效问题,提出了一种基于视觉点线特征与IMU紧耦合的行人室内 自主定位方法.在视觉惯导融合导航系统框架下,前端部分,在点特征基础上引入结构化建筑环境中丰富的线特征,并采取基于梯度密度过滤机制的改进线特征提取策略,剔除局部线特征密集区域;利用点线特征与IMU紧耦合优化机制提高行人位姿估计及定位的准确性和稳定性.通过利用EuRoC数据集和在实际楼道场景下的实验,特别是在弱纹理、光照变化等条件下实验,验证了所提方法进行行人室内定位的准确性和可行性.     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

SWDC-5倾斜像片定位定姿方法研究

基于SWDC-5航摄仪获取的数据,探讨倾斜像片定位定姿的方法,通过建立POS、下视相机、斜视相机间的相对关系模型,给出POS辅助SWDC-5倾斜像片直接地理定位技术流程。通过实际航飞数据计算得到的倾斜像片外方位元素可用于三维房屋模型纹理映射,经试验验证该方法正确、可行。     

基于卡尔曼滤波的Wi-Fi/PDR融合室内定位方法研究

当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。     

基于众源数据的室内外一体化行人路网构建

行人路网的完整性和准确性是保障步行导航服务的关键。当前的行人路网大多是基于室外道路设施构建的,缺乏室内可步行路径的数据支持,无法在导航应用中提供准确、真实的最优路径规划服务。鉴于此,本文提出了一种基于众源数据的室内外一体化行人路网构建方法,采用智能手机定位传感器与惯性传感器记录的众源轨迹,首先对缺失或者漂移的室内步行数据进行筛选,然后使用改进的行人航位推算(PDR)方法推算出准确的室内轨迹,进而采用莫尔斯理论生成涵盖室内外行人路径的完整行人路网。试验分析中对搜集到的260条步行轨迹数据进行行人路网构建,并使用高精度测量设备采集真实路网数据进行对比分析,结合OSM数据对试验结果进行综合评价。试验结果表明,本文方法能够准确、完整地生成室内外一体化行人路网。     

城市复杂环境下Visual/INS/LiDAR融合高精度位姿估计方法研究EI北大核心CSCD

高精度位姿估计在国防安全、空间探索、经济发展和社会服务等方面发挥着不可替代的支撑作用。随着智能化时代的到来,互联网、物联网的快速发展,谷歌、百度、特斯拉、Uber等无人驾驶方案的不断完善,以及我国北斗工程“羲和计划”的实施,基于位置的服务不断增加。在城市复杂场景下,当前单一传感器的位姿估计方法已不能满足人们对导航定位服务精度及可靠性的需求,因此,融合多种传感器,适用于复杂环境的高精度位姿估计成为当前学术研究与工程实践的聚焦点。     

基于手机传感器和互补滤波的行人航向解算

目前行人航迹推算逐渐成为室内定位研究与应用的热点。针对利用陀螺仪推算行人航向时存在较大累积误差的问题,本文提出了一种基于智能手机传感器的行人航向解算算法。该算法根据陀螺仪输出的角速度数据与手机传感器参数计算合适的阈值,实时调节PI调节器的误差补偿系数,对预处理后加速度计和磁力计数据解算的航向角进行补偿,并与陀螺仪数据互补滤波融合,得到融合后的航向角。试验基于低成本智能手机,分别在磁场强弱环境下采集手机传感器数据,对比分析本文算法与传统互补滤波算法及九轴数据融合算法在推算行人航向时的精度。试验结果表明,在室内磁干扰较强的环境下,本文算法与传统互补滤波算法、九轴数据融合算法相比定位精度分别提升了68.4%和65.9%,平均航向误差分别减小了3.4°和1.8°,验证了本文算法有较好的抗磁干扰性能,提高了行人航向角解算的可靠性。     

基于运动行人目标分割的高动态影像生成

提出一种基于深度学习目标分割的动态场景高动态范围渲染HDR(highdynamicrange)影像生成方法,结合行人目标匹配与光流映射变化的信息对场景中行人目标运动状态进行判断,生成用于后期融合的动态场景掩膜。HDR静态场景使用加权融合的方法生成,HDR动态场景则使用低曝光影像中该区域曝光质量较好的一张填充,最后利用泊松融合算法平滑静态区域与动态区域之间的过渡部分,得到一张"无鬼影"、影像亮度均衡并且各处细节清晰的HDR影像。算法的创新点是基于目标分类,比传统的基于像素的算法更具有可控性。     

面向配网带电作业机器人的激光雷达与视觉系统融合定位

为提高配网带电作业机器人在开展带电作业时对导线的识别与定位的准确性,本文提出了一种基于单线激光雷达传感器与视觉系统融合的定位方法,获取导线的空间三维坐标.并通过研究多传感器在户外强光环境下的工作特点,提出了基于激光雷达深度信息与图像信息的多传感器融合算法.首先利用激光雷达与相机事先进行像素级标定,使图像像素与激光雷达深...     

绝对空间定位到相对空间感知的行人导航研究趋势

相对空间比绝对空间更易于被人理解。行人导航本质是以相对于人的导航环境视觉与空间等相对语义来动态引导行人的过程,即相对导航。目前,GIS导航理论以绝对定位与空间建模为基础,没有充分理解人对相对语义的认知差异,缺乏基于相对语义的导航理论模型。首先,总结了以绝对空间定位与表达为基础的行人导航研究,提出了相对空间感知的行人导航研究新方向。然后,剖析了相对导航研究的理论研究需求,如:行人相对导航数据采集与建模、行人导航环境相对语义的提取、行人导航行为的自动感知分析、行人导航的多感官交互机制、行人导航路径选择与确认机制等。最后,展望了未来行人导航研究与重要创新的3个阶段。     

多约束条件下的正六边形格网室内路径规划

室内路径规划受到多种约束条件影响,在考虑场景的空间几何、环境属性信息的同时,还要兼顾应用偏好、顾及室内寻路行为的各向同性特征和叠加多约束条件对寻路的影响,这就需要一种可集成多约束条件的数据模型对室内场景进行建模。因此,构建了基于六边形格网的多因素约束的A*算法模型,该算法采用各向同性的正六边形对室内场景建模,并将约束条件作为因素,指导寻路算法实现路径规划。基于此模型,再以距离、辨识度及行人密度为例,说明了约束条件对路径规划的影响,阐述了其与场景建模和寻路算法进行有机结合的优越性。实验结果表明,该方案能有效兼顾距离、地标强度、行人热力等约束条件,提供更符合应用偏好的路径。     

面向行人导航的地标链生成方法

提出了面向行人导航的地标链生成方法,将地标信息引入行人导航过程。描述了有向通视图构建与地标链生成算法,并以武汉大学为实验数据进行了算法实现。结果表明,地标链能以有限的地标影像提供路径引导信息,为行人导航提供一种行之有效的导航手段。     

基于数据与模型双驱动的音频/惯性传感器耦合定位方法

北斗卫星导航系统已于2020年实现全球覆盖。在开阔的室外环境,北斗可提供厘米级的定位服务,正向着更泛在、更融合、更智能的综合时空体系迈进。目前高精度室内定位技术处于百花齐放、百家争鸣的状态,尽管苹果支持的超宽带技术在市场中拥有优势,但是5G、音频和蓝牙测角等可支持所有大众手机的技术在市场中也具备竞争力。室内定位目前主要面临部署成本高、定位精度低、信号覆盖范围小和系统泛化能力差等难题。多源融合定位技术是解决这些难题的重要途径之一,特别地,融合低成本惯导定位源和高精度射频/音频定位源是目前具备实用价值的融合定位组合。行人航迹推算(pedestrian dead reckoning,PDR)定位源具有抑制积分误差累积的优势,但是由于用户手机握持姿态的复杂性和手机惯性传感器硬件的差异性,其在相对定位精度、手机泛化能力和多握持姿态支撑等方面也存在劣势,此外,受步频的影响,PDR定位源的位置更新率低于2 Hz。为了实现低成本、高精度和广覆盖的室内定位解决方案,本文提出了一种数据与模型双驱动的多源融合定位新范式,其中数据驱动的PDR部分通过构建神经网络模型,训练加速度传感器和陀螺仪测量值特征,学习速度变化矢量,推算高精度行人航迹,模型驱动部分为将数据驱动输出的相对航迹与高精度定位源输出的观测量通过扩展卡尔曼滤波,实现融合定位输出。试验结果表明,基于数据驱动的PDR方法可提供20 Hz的位置更新率,与高精度音频定位源融合,可实现0.23 m的动态定位精度。     

基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法

基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的SLAM技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法(S-VIL SLAM),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合SLAM系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。     

激光与倾斜点云精确配准与无缝融合

广泛使用的传统激光点云与倾斜摄影等城市空间建模方法存在各自的优缺点,将不同来源的数据进行有效融合并用于城市三维模型的构建是当前城市建模的难点。因此,本文首先提出了一种激光与倾斜点云精确配准与无缝融合的方法,该方法可以克服不同来源点云数据在尺度与精度上不一致的问题,精确计算不同来源数据的空间变换关系;然后在此基础上剔除数据冗余,完成多源点云数据的无缝融合;最后采用3组实际场景中获取的数据对本文剔除方法的有效性及精度进行验证。试验结果表明,通过本文方法获取的融合数据相较于单一平台获取的数据具有更好的完整性和数据精度。     

融合上下文感知的地标检测辅助WiFi-PDR室内定位

针对当前WiFi-PDR室内定位中存在的WiFi信号不稳定及行人航位推算（PDR）累积误差大的问题,本文提出了一种融合上下文感知的地标检测辅助WiFi-PDR室内定位方法。该方法利用智能手机所能监测到的上下文信息建立用户模型,采用基于卷积神经网络的用户行为感知和基于WiFi-PDR室内定位的粗粒度位置感知,发现隐藏的室内地标信息,并完成用户在地标位置的位置校正,提高定位准确度。该方法在一定程度上降低了WiFi-PDR室内定位的误差,提高了用户室内定位的精度。经试验验证,该室内定位方法的精度相比于传统的WiFi-PDR方法提高了43.62%。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。