
 
 
 
 
 Autori : (1) Liqiang Zhang, Škola mikroelektroniky, Tianjin University Tianjin, Čína; (2) Kai Guo, Škola mikroelektroniky, Tianjin University Tianjin, Čína; (3) Yu Liu, Škola mikroelektroniky, Tianjin University Tianjin, Čína. Authors: (1) Liqiang Zhang, Škola mikroelektroniky, Tianjin University Tianjin, Čína; (2) Kai Guo, Škola mikroelektroniky, Tianjin University Tianjin, Čína; (3) Yu Liu, Škola mikroelektroniky, Tianjin University Tianjin, Čína. Stôl vľavo Abstrakt a I. Úvod II. Metodika III. Experimentálne výsledky IV. Závery a budúce práce a referencie —Kalman filter-based Inertial Navigation System (INS) is a reliable and efficient method to estimate the position of a pedestrian indoors. Classical INS-based methodology which is called IEZ (INS-EKF-ZUPT) makes use of an Extended Kalman Filter (EKF), a Zero velocity UPdaTing (ZUPT) to calculate the position and attitude of a person. However, heading error which is a key factor of the whole Pedestrian Dead Reckoning (PDR) system is unobservable for IEZ-based PDR system. To minimize the error, Electronic Compass (EC) algorithm becomes a valid method. But magnetic disturbance may have a big negative effect on it. In this paper, the Quasi-static Magnetic field Detection (QMD) method is proposed to detect the pure magnetic field and then selects EC algorithm or Heuristic heading Drift Reduction algorithm (HDR) according to the detection result, which implements the complementation of the two methods. Meanwhile, the QMD, EC, and HDR algorithms are integrated into IEZ framework to form a new PDR solution which is named as Advanced IEZ (AIEZ). Abstract abstraktné I. Úvod Globálny navigačný satelitný systém (GNSS) je široko používaný ako základná metóda určovania polohy pre pešiu navigáciu. Ale v teréne, ako je mestský kaňon alebo vnútorné prostredie, GNSS sa stáva nespoľahlivým v dôsledku oslabenia signálu, rušenia a tieňa. Aby sa dosiahli kontinuálne a spoľahlivé výsledky určovania polohy, lokálny pozičný systém (LPS) sa skúma pomocou rôznych typov metód, ako je inertná merací jednotka (IMU), bezdrôtová alebo technológia založená na videní [1], atď. Medzi nimi sú preferované metódy PDR založené na IMU kvôli nižším nákladom, vyššej spoľahlivosti, ako aj bez vonkajšej infraštruktúry. Boli preskúmané rôzne montážne polohy vrátane ručnej [2], pásovej [3] alebo nožnej [4-8], atď. Bohužiaľ, nízkonákladová IMU poskytuje krátkodobú stabilitu a systematické chyby sa zvyšujú kvôli svojej integrácii. Aby sa zlepšila výkonnosť systému, široko používaný rámec Kalman PDR IEZ [4] použil algoritmus ZUPT na odhad chýb rýchlosti počas fázy pozície. Navrhli sme tiež nový algoritmus detekcie fázy pozície, ktorý je pomenovaný ako Dual ZUPT (D-ZUPT) s cieľom zlepšiť výkon systému PDR [8]. Pre výkon PDR systému je nadpis jedným z najdôležitejších faktorov, ktorý má vplyv na jeho presnosť. Avšak chyba nadpisu je pre IEZ nepozorovateľná. Použitie magnetického nadpisu je účinný spôsob, ako viazať chybu nadpisu. Ale magnetické rušenie vrátane mäkkého a tvrdého rušenia [9, 10] je stochastické a meniace sa vnútri, čo je nemožné predpovedať. Preto bol navrhnutý algoritmus Quasi-static Magnetic Field Detection (QMD) na výber čistého magnetického poľa v prostredí magnetického rušenia a potom zlúčenie údajov z gyroskopu a magnetometra [11]. Metóda je k dispozícii na detekciu magnetického poľa, ktoré sa mierne mení a má dobrý výkon. Avšak, je ťažké V tomto článku bol algoritmus QMD prepracovaný s cieľom vyriešiť problém, že pre klasický algoritmus QMD je ťažké zistiť tvrdé magnetické rušenie v [11]. Keď sú rušenia zistené QMD, algoritmus HDR, ktorý sa spolieha iba na údaje z gyroskopu, je vybraný na zníženie chyby v hlave. Naopak, algoritmus Electronic Compass (EC) je lepšou možnosťou na úpravu chyby v hlave. Odkazuje na [4], po práci Foxlina, na odvodenie nového systému PDR, algoritmus QMD, HDR a EC sú integrované do IEZ, aby vytvorili nový rámec s názvom AIEZ (Advanced IEZ). II. Metodika Táto časť popisuje mechanizmus rámca PDR AIEZ. Kroky spracovania sú znázornené nasledovne. 
 
 
 
 
 
 
 
 The data collected from accelerometer and gyroscope are utilized to detect the stance phase. 
 
 The roll and pitch angle are estimated using the data from accelerometer during the stance phase. 
 
 Meanwhile, when the pure magnetic field is detected by QMD, EC is selected to calculate the optimal heading. On the contrary, HDR is the better option to correct the heading drift error. 
 
 The Extended Kalman Filter (EKF) is updated with velocity and attitude measurement by ZUPT and Attitude Correction (AC) during stance phase, respectively. 
 
 Eventually, we obtain the optimal attitude, velocity and position using inertial navigation mechanism. A. Inertný navigačný systém s montážou na topánky Na výpočet postoja, rýchlosti a polohy chodca používame štandardný inertný navigačný systém (INS). IMU s názvom MTw Awinda s veľkosťou 148×104×31,9 mm od spoločnosti Xsens Company je nakonfigurovaný na odosielanie údajov pri 100 Hz, ktoré je namontované na pätách, ako je znázornené na obrázku 3. B. Algoritmus detekcie fázy pozície Detekcia stánkovej fázy je kľúčovým procesom v rámci PDR AIEZ. Lepšie rozpoznanie stánkovej fázy prispieva k spúšťaniu EKF včas zmeniť chyby INS pre lepší výkon. Väčšina algoritmov pre detekciu stánkovej fázy sa spolieha na údaje z akcelerometra [12] alebo gyroskopu [13] ako aj z akcelerometra a gyroskopu [6, 14]. Niektorí vedci implementovali detekciu pomocou ultrazvuku, RFID alebo magnetu [15], atď. Na detekciu stánkovej fázy používame detektor optimálnej detekcie hypotézy (SHOE) navrhnutý v [14] . Quasi statický algoritmus detekcie magnetického poľa Formalizujeme kvazistatický problém detekcie magnetického poľa ako problém binárneho testovania hypotézy, kde detektor môže vybrať medzi dvoma hypotézami, ktoré sú definované nasledovne: Pokiaľ ide o [14], model výstupu snímača je stanovený ako: Doplnkový korekčný algoritmus Vzhľadom na vplyv predsudkov akcelerometra a gyroskopu sa chyby Eulerovho uhla hromadia v priebehu času. Pomocou údajov z akcelerometra a gyroskopu je možné vypočítať absolútny uhol valenia a nárazu, keď je noha stacionárna. Čisté magnetické pole prispieva k skutočnej hlave. Používame údaje počas fázy pozície na zmenu postoje vypočítanej INS. 2) Elektronický kompas Heuristická redukcia hlava Drift E. Rozšírenie filtra Kalman 
 
 Tento dokument je k dispozícii v archíve pod licenciou ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Tento dokument je k dispozícii v archíve pod licenciou ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Dostupné v archíve

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

No technological innovation comes without sacrifice. The pendulum will swing back to the people! Wanna' be 501c3.

Prečo váš GPS zlyhá v interiéri a ako to opravuje AIEZ Kalman Filtering

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Mutmut: a Python mutation testing system

16 Best Sklearn Datasets for Building Machine Learning Models

THE CRAB-SPIDER

Behavior of a shapely Spider

Mutmut: a Python mutation testing system

16 Best Sklearn Datasets for Building Machine Learning Models

THE CRAB-SPIDER

Behavior of a shapely Spider

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps