PDR算法对地磁室内定位精度的提升研究

doi:10.13474/j.cnki.11-2246.2019.0378

测绘通报 ›› 2019, Vol. 0 ›› Issue (12): 18-21.doi: 10.13474/j.cnki.11-2246.2019.0378

• 人工智能与高精度地图 • 上一篇下一篇

PDR算法对地磁室内定位精度的提升研究

黄鹤, 张新宇, 仇凯悦

北京建筑大学测绘与城市空间信息学院, 北京 102616

收稿日期:2019-05-28 修回日期:2019-08-20 发布日期:2020-01-03
作者简介:黄鹤(1977-),男,博士,副教授,主要研究方向为室内导航定位、智能驾驶高精度地图。E-mail:huanghe@bucea.edu.cn
基金资助:
城市空间信息一体化平台关键技术研究（UDC2018031321）；国家重点研发计划（2017YFB0503702）

PDR algorithm improves indoor positioning accuracy of geomagnetism

HUANG He, ZHANG Xinyu, QIU Kaiyue

School of Geomatics and Urban Spatial Informatics, Beijing University of Civil Engineering and Architecture, Beijing 102616, China

Received:2019-05-28 Revised:2019-08-20 Published:2020-01-03

摘要/Abstract

摘要： 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。

关键词: 室内定位, PDR, 粒子滤波, 地磁指纹匹配, 融合算法

Abstract: The use of geomagnetic field disturbances caused by metal structures in the building can locate indoor pedestrian targets, and the positioning based on the geomagnetic field does not require any additional facilities, so positioning can be achieved at low cost. However, only a single geomagnetic technique could not meet the accuracy requirements of indoor positioning. In order to solve the ambiguity problem of single point positioning in magnetic field data, we propose an indoor positioning method that uses particle filter algorithm to fuse PDR with geomagnetism and develops. The geomagnetic indoor navigation system uses the smart phone as the hardware platform to construct the magnetometer sensor model, establishes the mean square error criterion of the matching trajectory and realizes the iterative calculation of the PDR cumulative error real-time correction. In the experimental area of 68 m×1.8 m, the average positioning error is 1.13 m and the maximum positioning error is 2.17 m. The positioning accuracy of the fusion algorithm proposed in this paper is 42% higher than that of the single PDR algorithm. Compared with the positioning of a single geomagnetic fingerprint matching algorithm, the positioning accuracy is improved by 57%. Experiments show that the proposed fusion algorithm has a significant effect on improving indoor positioning accuracy.

Key words: indoor positioning, PDR, particle filter, geomagnetic fingerprint matching, fusion algorithm

中图分类号:

黄鹤, 张新宇, 仇凯悦. PDR算法对地磁室内定位精度的提升研究[J]. 测绘通报, 2019, 0(12): 18-21.

HUANG He, ZHANG Xinyu, QIU Kaiyue. PDR algorithm improves indoor positioning accuracy of geomagnetism[J]. Bulletin of Surveying and Mapping, 2019, 0(12): 18-21.

参考文献

[1] 陈锐志,陈亮.基于智能手机的室内定位技术的发展现状和挑战[J].测绘学报,2017,46(10):1316-1326.
[2] 吴有龙,王晓鸣,杨玲,等.GNSS/INS紧组合导航系统自主完好性监测分析[J].测绘学报, 2014,43(8):786-795.
[3] WEISER M. The computer for the 21st century[J].Scientific American,1991,265(3):94-104.
[4] 陈国良,张言哲,汪云甲,等.WiFi-PDR室内组合定位的无迹卡尔曼滤波算法[J].测绘学报,2015, 44(12):1314-1321.
[5] 刘克强,褚天行,毕京学,等.一种顾及动静态的室内定位技术精度评价方法[J].测绘通报,2017(5):17-20.
[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] 严大虎,徐杨杰.融合ZigBee的改进射频识别室内定位算法研究[J].系统仿真学报, 2018, 30(11):4481-4491.
[8] 邸凯昌,万文辉,赵红颖,等. 视觉SLAM技术的进展与应用[J].测绘学报, 2018, 47(6):770-779.
[9] 漆钰晖,郭杭,邓林坤.多传感器行人航位推算方法和UKF融合算法[J].测绘通报,2018(3):49-54.
[10] 王亚娜, 蔡成林, 李思民,等.基于粒子滤波的多信息融合室内定位算法研究[J].电子技术应用, 2017, 43(11):70-73.
[11] WEINBERG H. Using the ADXL202 in pedometer and personal navigation applications[J].Analog Devices AN-602 Application Note, 2002, 2(2):1-6.
[12] ELVIRA V, MÍGUEZ J, DJURIC' P M. Adapting the number of particles in sequential Monte Carlo methods through an online scheme for convergence assessment[J].IEEE Transactions on Signal Processing, 2017, 65(7):1781-1794.
[13] 袁韵洁, 张怡, 张玲玲.基于目标跟踪的粒子滤波重采样算法研究[J].计算机仿真, 2010, 27(1):326-329.
[14] 牛文杰, 朱大培, 陈其明.贝叶斯残余克里金插值方法的研究[J].工程图学学报, 2001(2):68-76.
[15] QIU K Y, HUANG H, LI W, et al. Indoor geomagnetic positioning based on a joint algorithm of particle filter and dynamic time warp[C]//2018 Ubiquitous Positioning, Indoor Navigation and Location-Based Services (UPINLBS).[S.l.]:IEEE, 2018:1-7.

PDR算法对地磁室内定位精度的提升研究

PDR algorithm improves indoor positioning accuracy of geomagnetism

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]	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.
[2]	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.
[3]	李景文, 韦晶闪, 周俊芬, 毛佳影, 陆妍玲. 融合UWB+PDR的室内定位方法改进[J]. 测绘通报, 2022, 0(3): 36-40.
[4]	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.
[5]	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.
[6]	王安义, 欧雪. 基于粒子滤波的PDR/地磁指纹室内定位[J]. 测绘通报, 2021, 0(1): 24-28.
[7]	陆妍玲, 韦俊伶, 刘采玮, 李景文, 姜建武. 融合地磁/WiFi/PDR的自适应粒子滤波室内定位[J]. 测绘通报, 2020, 0(6): 1-6.
[8]	何肖娜, 宋斌斌, 余敏. 融合上下文感知的地标检测辅助WiFi-PDR室内定位[J]. 测绘通报, 2020, 0(6): 7-11,16.
[9]	赵琪, 孙立双, 谢志伟. 基于改进MCNN的密度图在室内定位中的应用[J]. 测绘通报, 2020, 0(6): 12-16.
[10]	王照远, 高井祥, 李增科, 常梦阳. 一种融合WiFi/地磁/PDR的室内定位方法[J]. 测绘通报, 2020, 0(6): 17-21.
[11]	冯木榉, 高迪, 何文涛. 面向低成本车载IMU的安装姿态估计[J]. 测绘通报, 2020, 0(6): 67-70.
[12]	陶晓晓, 卢小平, 代文晨, 余振宝, 张冬梅. 基于环境光修正的行人航迹推算[J]. 测绘通报, 2020, 0(1): 132-135,141.
[13]	张园, 谭兴龙, 赵长胜, 李晓明. 顾及有色噪声的自适应粒子滤波UWB定位算法[J]. 测绘通报, 2019, 0(8): 30-33.
[14]	郭英, 冯茗杨, 孙玉曦, 姬现磊, 刘清华. 一种基于蓝牙室内指纹定位的贝叶斯改进算法[J]. 测绘通报, 2019, 0(5): 1-6.
[15]	朱家松, 程凯, 周宝定, 林伟东. 基于互补滤波融合WiFi和PDR的行人室内定位[J]. 测绘通报, 2019, 0(5): 12-15,34.