基于卡尔曼滤波优化航向的PDR算法

doi:10.13474/j.cnki.11-2246.2023.0260

测绘通报 ›› 2023, Vol. 0 ›› Issue (9): 30-34,63.doi: 10.13474/j.cnki.11-2246.2023.0260

基于卡尔曼滤波优化航向的PDR算法

朱军桃, 林知宇, 李海林, 任招财, 陈荣生, 兰荣添, 代程远

桂林理工大学, 广西桂林 541004

收稿日期:2022-12-04 修回日期:2023-08-07 发布日期:2023-10-08
作者简介:朱军桃(1968—),男,硕士,教授,研究方向为工程测量与测绘数据处理。E-mail:glzjt@163.com
基金资助:
国家自然科学基金(41461089)

PDR algorithm based on Kalman filter for optimizing heading

ZHU Juntao, LIN Zhiyu, LI Hailin, REN Zhaocai, CHEN Rongsheng, LAN Rongtian, DAI Chengyuan

Guilin University of Technology, Guilin 541004, China

Received:2022-12-04 Revised:2023-08-07 Published:2023-10-08

摘要/Abstract

摘要： 基于智能手机平台的行人航位推算(PDR)技术因其技术条件较为成熟且易于大范围实现,已成为国内外室内定位研究的热点。但智能手机传感器的精度有限,且室内地磁信息会受到室内电磁环境的干扰,进而影响PDR算法的定位精度。因此,本文以智能手机为研究载体,提出了基于卡尔曼滤波的智能手机航向优化方法;通过融合智能手机的地磁与陀螺仪传感器数据进行理论研究与现场测试,并优化了PDR算法中的航向精度,优化后定位的平均误差提升至1.36 m。

关键词: 卡尔曼滤波, 室内定位, PDR算法, 陀螺仪, 智能手机

Abstract: PDR technology based on the smartphone platform has become a hotspot in indoor positioning research at home and abroad because of its mature technical conditions and ease of realization on a wide scale. However, the accuracy of smartphone sensors is limited, and the geomagnetic information in the indoor environment will be interfered with by the indoor electromagnetic environment, which will affect the positioning accuracy of the PDR algorithm. Therefore, this paper proposes a smartphone heading optimization method based on the Kalman filter, with the smartphone as the research carrier. The theoretical study and field test are conducted by fusing the geomagnetic and gyroscope sensor data of smartphones, and the heading accuracy in the PDR algorithm is optimized. The average error of the optimized positioning improved to 1.36 m.

Key words: Kalman filtering, indoor localization, PDR algorithm, gyroscope, smartphone

中图分类号:

P228

朱军桃, 林知宇, 李海林, 任招财, 陈荣生, 兰荣添, 代程远. 基于卡尔曼滤波优化航向的PDR算法[J]. 测绘通报, 2023, 0(9): 30-34,63.

ZHU Juntao, LIN Zhiyu, LI Hailin, REN Zhaocai, CHEN Rongsheng, LAN Rongtian, DAI Chengyuan. PDR algorithm based on Kalman filter for optimizing heading[J]. Bulletin of Surveying and Mapping, 2023, 0(9): 30-34,63.

参考文献

[1] DAVIDSON P,PICHÉ R. A survey of selected indoor positioning methods for smartphones[J]. IEEE Communications Surveys & Tutorials,2017,19(2):1347-1370.
[2] HE Suining,CHAN S H G. Wi-Fi fingerprint-based indoor positioning:recent advances and comparisons[J]. IEEE Communications Surveys & Tutorials,2016,18(1):466-490.
[3] ZHUANG Yuan,LAN Haiyu,LI You,et al. PDR/INS/WiFi integration based on handheld devices for indoor pedestrian navigation[J]. Micromachines,2015,6(6):793-812.
[4] 金展,康瑞清,王威. 基于地磁序列匹配的大型室内动态定位方法[J]. 仪器仪表学报,2021,42(7):199-207.
[5] 王照远,高井祥,李增科,等. 一种融合WiFi/地磁/PDR的室内定位方法[J]. 测绘通报,2020(6):17-21.
[6] 刘韬,徐爱功,隋心,等. 新息向量的抗差Kalman滤波方法及其在UWB室内导航中的应用[J]. 武汉大学学报(信息科学版),2019,44(2):233-239.
[7] ÁLVAREZ-MERINO C S,LUO-CHEN Hao qiang,KHATIB E J,et al. WiFi FTM,UWB and cellular-based radio fusion for indoor positioning[J]. Sensors,2021,21(21):7020.
[8] 李鸿彬,孟庆浩,孙玉哲,等. 基于深度学习门牌检测的机器人室内定位方法[J]. 激光与光电子学进展,2021,58(14):424-431.
[9] WANG Qu,LUO Haiyong,XIONG Hao,et al. Pedestrian dead reckoning based on walking pattern recognition and online magnetic fingerprint trajectory calibration[J]. IEEE Internet of Things Journal,2021,8(3):2011-2026.
[10] RENAUDIN V,SUSI M,LACHAPELLE G. Step length estimation using handheld inertial sensors[J]. Sensors,2012,12(7):8507-8525.
[11] 张小红,罗科干,陶贤露,等. 一种基于穿戴式MEMS传感器状态识别的多部位PDR算法[J]. 武汉大学学报(信息科学版),2021,46(12):1791-1801.
[12] ZHUANG Yuan,YANG Jun,LI You,et al. Smartphone-based indoor localization with bluetooth low energy beacons[J]. Sensors,2016,16(5):596.
[13] 陆妍玲,韦俊伶,刘采玮,等. 融合地磁/WiFi/PDR的自适应粒子滤波室内定位[J]. 测绘通报,2020(6):1-6.
[14] 刘宇,谢宇,彭慧,等. 基于UWB/PDR的航向发散自适应修正算法研究[J]. 电子测量技术,2022,45(3):98-103.
[15] 李明峰,王珅,檀丁. 基于WiFi/PDR的室内定位初始位置融合解算方法研究[J]. 大地测量与地球动力学,2019,39(6):602-606.
[16] WEINBERG H. Using the ADXL202 in pedometer and personal navigation applications[J]. Analog Devices AN-602 Application Note,2002,2(2):1-6.
[17] 余志鹏,熊剑,衷卫声,等. 基于秩卡尔曼滤波的室内行人航位推算算法[J]. 仪器仪表学报,2020,41(5):214-220.

基于卡尔曼滤波优化航向的PDR算法

PDR algorithm based on Kalman filter for optimizing heading

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	徐浩, 吴雪, 李春光, 秘金钟, 陈冲, 李得海. PDR+BLE融合的室内实时定位方法[J]. 测绘通报, 2023, 0(9): 52-58.
[2]	鲍烨青, 刘晖, 王怡欣, 钱闯, 唐健. 面向交通的GNSS高精度定位完好性试验分析[J]. 测绘通报, 2023, 0(6): 98-103.
[3]	顾亚雄, 钟文. 混合滤波与改进贝叶斯相融合的室内可见光指纹定位方法[J]. 测绘通报, 2023, 0(6): 104-109,128.
[4]	董佳琪, 连增增, 徐精诚, 魏峰远. Chan序贯平差组合算法的超宽带定位降噪[J]. 测绘通报, 2023, 0(1): 95-100,140.
[5]	周宝定, 杨程景, 顾祉宁, 刘旭. 环境语义信息辅助的室内停车场车辆定位方法[J]. 测绘通报, 2022, 0(6): 6-11,75.
[6]	赵胤植, 邹进贵, 蔡礼贤, 黄格格. 一种顾及电子元件延迟的超宽带室内定位方法[J]. 测绘通报, 2022, 0(4): 1-5,31.
[7]	张梅, 吕乐, 陈万利, 冯涛. 基于MCS-SCKF的超宽带室内定位算法[J]. 测绘通报, 2022, 0(12): 91-96.
[8]	姜新伟, 王式太, 杨诗妮, 殷敏, 周国清, 张博宇, 马岳. 利用智能手机GNSS信噪比反演三维地图的方法[J]. 测绘通报, 2022, 0(11): 49-56.
[9]	王怡欣, 刘晖, 钱闯, 范潇云. 一种基于智能手机的实时高精度定位系统开发与车载应用测试[J]. 测绘通报, 2022, 0(10): 56-61.
[10]	章诗芳, 张锦. 卡尔曼滤波在山西省西山煤田地面沉降GNSS监测中的应用[J]. 测绘通报, 2021, 0(9): 103-107.
[11]	黄鹏飞. 非开挖管线精细探测方法分析[J]. 测绘通报, 2021, 0(5): 140-144.
[12]	宋宝, 柯福阳, 赵兴旺. 面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析[J]. 测绘通报, 2021, 0(2): 44-48.
[13]	徐国梁, 李圳, 陶钧, 郭靖, 赵齐乐. 复杂环境下智能手机RTK+PDR融合定位[J]. 测绘通报, 2021, 0(12): 44-49,98.
[14]	肖青怀, 秘金钟, 谷守周. 两种不同方式智能手机伪距平滑分析[J]. 测绘通报, 2021, 0(1): 1-8.
[15]	周宗锟, 姜卫平, 唐健, 王一文, 欧阳文一. LiDAR地图匹配与二维码融合的AGV室内定位与导航[J]. 测绘通报, 2021, 0(1): 9-12,52.