一种测距信息辅助的足绑式行人三维室内定位方法

    公开(公告)号:CN118149823A

    公开(公告)日:2024-06-07

    申请号:CN202410343947.6

    申请日:2024-03-25

    Abstract: 本发明请求保护一种测距信息辅助零速修正及高度解算的三维室内定位方法,主要包括以下步骤:(1)根据测距信息传感器输出足部对地的距离,将此距离融入惯性测量单元输出的数据划分步态区间并进行零速修正;(2)测距数据在平面行走时距离连续变化而在上下楼时出现跳变,利用此特点进行上下楼步态识别,测距跳变前后的差值即为一级台阶的高度;(3)根据测距数据可得到三种信息:鞋子对地高度、鞋子垂直速度、台阶、楼梯及楼层等高度信息。利用这三种状态设计卡尔曼滤波器进行高度解算,最终得到行人高度信息,实现行人三维室内高精度定位。本发明不仅辅助零速修正提升行人导航的水平定位精度,同时还进行高度解算提高垂直定位精度。

    一种基于特征分离和注意力引导的高动态范围成像方法

    公开(公告)号:CN118037566A

    公开(公告)日:2024-05-14

    申请号:CN202410232613.1

    申请日:2024-03-01

    Inventor: 黄颖 李昌盛 彭慧

    Abstract: 本发明属于数字图像处理领域,具体涉及一种基于特征分离和注意力引导的高动态范围成像方法,包括:获取连续多帧的低动态范围图像序列,并进行分块和预处理,获得低动态和高动态范围图像块对;构建特征分离预处理网络和融合网络;使用成组的低动态和高动态范围图像块对训练整个网络,得到并保存训练好的网络模型参数;将待融合图像输入训练好的网络,得到高动态范围图像。本发明通过利用局部熵构建注意力模块来引导网络忽略包含严重过/欠饱和区域,以提升图像融合的细节和纹理特征,为进一步提升成像质量,通过构建全局和局部特征提取融合网络,来充分提取全局和局部特征,以解决运动目标位移大在合成阶段产生的大范围伪影以及细节缺失问题。

    基于自适应步长估计的惯性导航定位误差修正方法和系统

    公开(公告)号:CN117232507A

    公开(公告)日:2023-12-15

    申请号:CN202311154306.8

    申请日:2023-09-07

    Abstract: 本发明请求保护一种基于自适应步长估计模型的足部惯性导航定位误差修正方法和系统。该方法使用捷联惯导算法(SINS)与步态检测算法,对惯性测量单元(IMU)输出的加速度与角速度数据进行位置估计与步态区分。当足部运动处于静态区间时,使用自适应步长估计模型进行步长位移量估计,并建立静态区间误差观测,观测定位状态误差。若步长估计结果准确,建立自适应步长观测,观测行人位移误差;若步长估计结果失真,使用带有遗忘因子的最小二乘算法(FRLS)与SINS一步位移量对自适应步长估计模型参数进行更新。最终,使用扩展卡尔曼滤波算法(EKF),对SINS行人足部惯性导航定位误差进行估计与修正,实现行人位置信息的准确定位功能。

    一种基于自注意力机制和Bi-GRU的人体动作识别方法

    公开(公告)号:CN115690906A

    公开(公告)日:2023-02-03

    申请号:CN202211304941.5

    申请日:2022-10-24

    Abstract: 本发明请求保护一种基于自注意力机制和Bi‑GRU的人体动作识别方法。包括以下步骤,S1:记录人体动作的惯性传感器数据,并通过滑动窗口截取数据和数据对应的动作类别标签;S2:将数据输入Encoder中进行编码,通过其中的多头自注意力层提取输入数据之间的时间关联特征,再与原始输入数据进行拼接;S3:将Encoder的输出数据,输入Bi‑GRU进行进一步时间顺序特征提取;S4:将Bi‑GRU的输出特征,输入全连接层得到一个输出向量;S5:根据样本数据对模型进行训练,再将未知分类标签的惯性传感器数据输入已训练好的模型,得到其人体动作类别。本发明解决目前人体动作识别难以提取有效的时序特征和识别精度低的问题。

    一种对地测距信息与IMU信息融合的高度修正方法

    公开(公告)号:CN118168513A

    公开(公告)日:2024-06-11

    申请号:CN202410056994.2

    申请日:2024-01-15

    Abstract: 本发明请求保护一种对地测距信息与IMU信息融合的高度修正方法,属于导航定位技术领域。该方法用超声模块对地测距,获取相对高度数据,使用滤波算法滤除错误数据,平滑超声数据波形。通过超声数据波形状态特征判断行动状态,平路行走气压计无明显波动,超声数据波形也平稳,斜坡行走气压计变化,超声数据波形平稳,上下楼则波形变化明显。根据超声测距数据计算上下楼时超声波形周期数(即阶梯数)和波峰波谷差值(即阶梯高度),得到阶梯高度,使用融合算法将超声测距信息和气压计信息融合,用超声测距所得阶梯高度对气压计的高度信息误差校准。最后输出修正后的高度信息。

    一种基于大动态环境下不可交换误差抑制方法

    公开(公告)号:CN114705218A

    公开(公告)日:2022-07-05

    申请号:CN202210193378.2

    申请日:2022-03-01

    Abstract: 本发明请求保护一种大动态环境下不可交换误差抑制方法,主要针对惯性传感器IMU在大动态坏境下误差较大,而传统的等效旋转矢量算法仅仅依靠提高子样数无法达到提高算法精度,忽略了高阶项在大动态环境下会产生较大误差的问题,在此基础上研究了一种改进的高阶迭代姿态优化算法。以陀螺仪和加速度计作为数据源,以三子样为陀螺仪的一个采样周期,第一个周期内采用等效旋转矢量算法计算求解,下一周期同样以三子样为一个采样周期,采用高阶曲线对其进行拟合,再与上一周期结果迭代求解出高阶迭代解。本发明能更好地抑制不可交换误差,提升IMU在大动态坏境下的姿态解算精度。相较于传统算法,本发明在姿态解算精度上实现了两个数量级的提升。

    一种基于大动态环境下不可交换误差抑制方法

    公开(公告)号:CN114705218B

    公开(公告)日:2025-02-11

    申请号:CN202210193378.2

    申请日:2022-03-01

    Abstract: 本发明请求保护一种大动态环境下不可交换误差抑制方法,主要针对惯性传感器IMU在大动态坏境下误差较大,而传统的等效旋转矢量算法仅仅依靠提高子样数无法达到提高算法精度,忽略了高阶项在大动态环境下会产生较大误差的问题,在此基础上研究了一种改进的高阶迭代姿态优化算法。以陀螺仪和加速度计作为数据源,以三子样为陀螺仪的一个采样周期,第一个周期内采用等效旋转矢量算法计算求解,下一周期同样以三子样为一个采样周期,采用高阶曲线对其进行拟合,再与上一周期结果迭代求解出高阶迭代解。本发明能更好地抑制不可交换误差,提升IMU在大动态坏境下的姿态解算精度。相较于传统算法,本发明在姿态解算精度上实现了两个数量级的提升。

    一种基于多节点IMU的步长检测方法

    公开(公告)号:CN118329068A

    公开(公告)日:2024-07-12

    申请号:CN202410387157.8

    申请日:2024-04-01

    Abstract: 本发明公开了一种基于多节点IMU的步长检测方法,根据行人下肢运动模型,分析节点与行人部位,建立行人载体坐标系,在行人的下肢节点部署微传感器,搭建下肢分布式多节点系统;根据行人平走、上楼、下楼运动的特征,建立行人运动特征模型,分析行走步态特征,建立平走、上楼、下楼的步态周期;通过获取平走时大腿和腰部的传感器数据,上楼时大腿上的传感器数据,下楼时小腿上的传感器数据,统计平走、上楼、下楼的步数;根据行人下肢部署的分布式多节点微传感器,融合三种步态下肢不同节点的运动信息,并且获得该时刻各个节点解算出的俯仰角,判断每一步的脚后跟的着地时刻,利用构建的下肢几何模型估计每一步的步长。

Patent Agency Ranking