-
公开(公告)号:CN114526729B
公开(公告)日:2023-11-17
申请号:CN202210042557.6
申请日:2022-01-14
Applicant: 重庆邮电大学
IPC: G01C21/16
Abstract: 本发明请求保护一种基于冗余技术的MEMS惯性定位系统航向优化方法,在现有的MEMS传感器技术工艺水平下,使用多个低精度传感器代替一个高精度传感器,从而达到提高系统可靠性和定位精度的同时还降低系统成本的目的。利用器件冗余技术,在不同位置配置陀螺仪,根据传感器测得的数据,计算出载体在x、y、z轴三个方向的加速度,根据加速度大小设定不同的权值,通过Kalman滤波建立冗余加速度计的系统状态方程和观测方程,结合传感器的配置矩阵得到冗余系统的传感器数据融合模型,最后根据权值将数据融合求出载体三轴最优角速度。本发明根据各陀螺仪敏感轴的加速度大小进行加权融合,降低陀螺仪受到外部加速度冲击、振动产生的漂移误差影响,有效地提高了系统的航向精度。
-
公开(公告)号:CN111197974A
公开(公告)日:2020-05-26
申请号:CN202010041991.3
申请日:2020-01-15
Applicant: 重庆邮电大学
IPC: G01C5/00
Abstract: 本发明请求保护一种基于Android惯性平台的无气压计高度测算方法,该算法包括:1.对终端内自带加速度计、陀螺仪、磁力计进行误差校准和补偿;2.检测加速度计X轴峰值特征和Z轴四分位距值特征,进行上楼、下楼、平走行为模式判定;3.实时判定行人运动模式,采集行人运动过程中加速度计数据并进行零速状态检测,从而判别行人当前上下楼动作是否处于跨步完成状态;4.若处于跨步完成状态,使用基于惯性传感器数据的动态姿态解算算法计算Android智能终端俯仰角;5.分别构建行人上楼、下楼运动节点模型,利用节点模型几何关系结合俯仰角实时计算上下楼时每一步的步高,从而进行室内高度测算。该高度测算方法不需要气压计,适用于各种室内环境复杂的场景。
-
公开(公告)号:CN114526729A
公开(公告)日:2022-05-24
申请号:CN202210042557.6
申请日:2022-01-14
Applicant: 重庆邮电大学
IPC: G01C21/16
Abstract: 本发明请求保护一种基于冗余技术的MEMS惯性定位系统航向优化方法,在现有的MEMS传感器技术工艺水平下,使用多个低精度传感器代替一个高精度传感器,从而达到提高系统可靠性和定位精度的同时还降低系统成本的目的。利用器件冗余技术,在不同位置配置陀螺仪,根据传感器测得的数据,计算出载体在x、y、z轴三个方向的加速度,根据加速度大小设定不同的权值,通过Kalman滤波建立冗余加速度计的系统状态方程和观测方程,结合传感器的配置矩阵得到冗余系统的传感器数据融合模型,最后根据权值将数据融合求出载体三轴最优角速度。本发明根据各陀螺仪敏感轴的加速度大小进行加权融合,降低陀螺仪受到外部加速度冲击、振动产生的漂移误差影响,有效地提高了系统的航向精度。
-
公开(公告)号:CN111197974B
公开(公告)日:2021-12-17
申请号:CN202010041991.3
申请日:2020-01-15
Applicant: 重庆邮电大学
IPC: G01C5/00
Abstract: 本发明请求保护一种基于Android惯性平台的无气压计高度测算方法,该算法包括:1.对终端内自带加速度计、陀螺仪、磁力计进行误差校准和补偿;2.检测加速度计X轴峰值特征和Z轴四分位距值特征,进行上楼、下楼、平走行为模式判定;3.实时判定行人运动模式,采集行人运动过程中加速度计数据并进行零速状态检测,从而判别行人当前上下楼动作是否处于跨步完成状态;4.若处于跨步完成状态,使用基于惯性传感器数据的动态姿态解算算法计算Android智能终端俯仰角;5.分别构建行人上楼、下楼运动节点模型,利用节点模型几何关系结合俯仰角实时计算上下楼时每一步的步高,从而进行室内高度测算。该高度测算方法不需要气压计,适用于各种室内环境复杂的场景。
-
公开(公告)号:CN111197984A
公开(公告)日:2020-05-26
申请号:CN202010041988.1
申请日:2020-01-15
Applicant: 重庆邮电大学
IPC: G01C21/16
Abstract: 本发明请求保护一种基于环境约束下的视觉-惯性运动估计方法,该方法是采用如下步骤实现的:(1)在载体上安装捷联惯导系统和单目相机,完成惯导和相机的校准,并在场景内放置AprilTag标签。(2)由单目相机获取未失真的图像,然后由AprilTag标签检测器处理图像,分配给图像与标签相关联的唯一标识符号id,并且标签检测器通过迭代优化标签上3D角点的重投影误差来估计每个标签和单目相机之间的相对转换;(3)通过分析IMU测量模型和相机观测模型,把标签的位姿也包含到滤波器状态中,来建立EKF滤波器的状态和预测模型。(4)使用标签角点的重投影误差作为卡尔曼滤波器更新项来执行更新步骤,最后得到精准的运动估计。
-
-
-
-