基于弯曲传感器辅助的行人室内定位零速修正方法

谷洪浩 蔡成林 蔡劲 吴金凯 秦玉叶

摘  要： 针对现有微机电系统中惯性传感器漂移大、传统行人室内定位方法稳定性较差，从而导致行人室内定位精度低的问题，提出一种基于弯曲传感器辅助惯性传感器的行人零速修正方法。该方法通过将弯曲传感器固定在胯关节以及膝关节处，将惯性测量单元捷联在行人的鞋尖，用于分别测量行人行走时胯关节和膝关节的弯曲度变化以及脚步的运动特征。对关节弯曲度以及加速度、角速度设置相应的阈值，用于判别行人的零速区间，通过零速修正抑制误差的累积。实验结果表明，在不同步态下该方法可以有效降低定位误差，在跑动下较传统零速修正方法的定位平均误差降低了67.4%，得到较高的定位精度。

关键词： 微机电系统; 室内定位; 弯曲传感器; 误差抑制; 阈值设置; 零速修正

中图分类号： TN141.2?34; U666.1                      文獻标识码： A                文章编号： 1004?373X（2019）16?0164?05

0  引  言

目前，全球卫星导航系统可以在全球范围内为人们提供全天候的导航定位服务，为人们的日常生活提供了极大的便利。但是在室内或者高楼林立等环境下，GNSS信号会比较微弱甚至接收不到，因此无法为人们提供准确的导航定位服务[1]。近几年，国内外对室内定位技术开展了大量的研究，总体可以分为有源定位和无源定位。其中，有源定位技术包括红外技术（IR）[2]、无线局域网（WLAN）[3]、蓝牙技术[4]、超宽带技术（UWB）[5]、计算机视觉（Computer Vision）[6]等。这些技术需要事先布设多个外部信号节点，对外部设备有较强的依赖性。无源定位技术不需要事先布设节点，是一种自主的室内定位技术。其中，文献[7]提出了行人航迹推算（Pedestrian Dead Reckoning，PDR）算法来实现行人的定位，PDR算法的基本原理是利用加速度信号的周期性来确定用户行走时的步频，采用相关模型 估计步长，结合从角度传感器获得的方向信息推算 出行人的位置、距离、速度和方向等信息[8]。该算法较传统惯性导航机制的定位精度更高，但是随着时间的增加，传感器误差会不断积累，在行走一段距离后PDR的定位精度会急剧下降。文献[9?11]中所述仅依靠惯性传感器进行零速检测的方法，在行走步态稳定的情况下可以取得较好的定位效果，但在跑动或步态复杂的情况下零速检测效果较差，无法实现行人的高精度室内定位。宋镖等人设计了惯性辅助地磁的手机室内定位系统，以最小距离度量法校正惯导的累积误差，但是这种方法也是需要事先采集室内地磁值，并且地磁值会随着外部环境的变化而变化[12]。若想在复杂步态环境下取得较高的行人室内定位精度，还需借助其他传感器辅助惯性传感器。针对以上问题，本文提出了基于弯曲传感器辅助的行人室内定位零速修正方法，可以在复杂步态下实现行人较高精度的室内定位。

1  系统构成

本系统由惯性测量单元以及弯曲传感器分别检测行人的行走速度、航向以及行人行走时关节的弯曲度。通过处理器解算行人的航向以及判断行人的零速区间，借助弯曲传感器对行人的速度、航向以及位置进行不断修正更新。其中惯性测量单元包括加速度计、陀螺仪。系统原理框图如图1所示。

2  零速检测

行人正常行走时，步态周期包含5个阶段：脚跟触地、脚跟和脚尖触地、站立、脚跟离地、脚尖离地，这5个阶段循环往复，构成行人的运动过程[13]。在行人脚步从落地时刻到离开地面时刻之间，加速度计和陀螺仪的输出值表现为一个较为稳定的状态，这个状态即为零速状态。此时可以将脚步零速作为观测值，利用零速修正算法来对测量误差进行修正。行人行走步态周期如图2所示。

通过分析行人行走特点，可以通过惯性测量单元得出行人运动时的加速度以及角速度数据来判断行人的步态。步态检测的准确性对零速修正算法至关重要。

根据行人行走时加速度计与陀螺仪输出数据的周期性，构建出以下4个检测零速的条件：

1） 判断加速度计输出的行人总加速度的模是否小于设定的阈值。

[ai=abi（x）2+abi（y）2+abi（z）2λ1=1，    tha min

式中，[tha min]，[tha max]分别为设定阈值的下限和上限。

2） 通过设置滑动窗口，判断加速度计输出值的方差是否小于设定的阈值。

[σ2n=12s+1n=i-li+l（an-abi）2λ2=1，     σn>thσa0，    其他] （2）

式中，[abi]为滑动窗口中的加速度计测量值的平均值：

[abi=12s+1n=i-li+lan] （3）

式中，s为滑动窗口长度。

3） 陀螺仪输出值的模小于设定的阈值。

[ωi=ωbix2+ωbiy2+ωbiz2λ3=1，    ωi

式中，[thω max]为设定的阈值。

4） 通过设置滑动窗口，结合加速度和陀螺仪数据得：

[Ti=1sXNω+YNaλ4=1，     Ti

式中：[X=n=ii+s-1a2n] ;[Y=n=ii+s-1ω2n];[Nω]为陀螺仪噪声的方差;[Na]为加速度计噪声的方差;[thgm]为设置的判断阈值。

当同时满足上述4个条件时，即认为行人处于零速状态，否则认为行人处于非零速状态。

3  弯曲传感器辅助检测

众所周知，当行人行走时整只脚完全与地面接触的时间相对较长，但是当行人跑动时，行人的整只脚完全与地面接触的时间是非常短暂的[14]，在几十到几百毫秒。这时只是由上述4个条件判断行人的零速区间是不准确的，所以利用弯曲传感器检测行人胯关节及膝关节的弯曲度可以作为行人零速检测的又一个重要条件。本文中弯曲传感器选择RFP弯曲传感器，该传感器为电阻式，当被测物的弯曲度发生变化时，传感器的电阻也随之發生变化，呈弯曲越大电阻越小的变化特性。测量电路如图3所示。

RFP弯曲传感器采用的是测量RFP单点传感器可变电阻的电压值。该变阻器的阻值随着关节的弯曲度变化而发生变化，进而引起两端电压的变化。其中运算放大器采用的是MAX4495。阻值计算公式为：

[RRFP=（V+VOUT-1）·R1] （6）

行人行走时，胯关节和膝关节的弯曲度较为明显具有规律的变化，同时也都具有较好的重复性及稳定性，所以本方法选择将传感器安装在这两个关节处。弯曲传感器以及安装位置示意图如图4所示。

图4中标出的1，2位置即为传感器安装位置。由观察可知，行人在脚跟着地到脚尖离地这段时间位置是没有发生变化的，此时人体的胯关节的角度将由最小逐渐变大，膝关节的角度则由最大逐渐变小，利用这种特性，设置合适的阈值对这一零速阶段进行检测。

在弯曲传感器辅助下，行人在跑动状态下的零速区间得到了更好的检测，同时将行人的最大跑动速度控制在5 m/s以下，得到较好的零速修正效果。零速修正后的行人的跑动速度以及零速检测的效果图如图5所示。

4  扩展卡尔曼算法

由于惯性传感器存在零点漂移以及温度漂移，并且会受到载体抖动等影响，因此需要对这些数据进行处理。扩展卡尔曼滤波可以运用于非线性化的系统[15]，在惯性导航系统中应用广泛。

扩展卡尔曼滤波可以对具有非线性的任意过程进行状态预测以及更新，选取速度误差、姿态误差、位置误差、加速度计噪声和陀螺仪噪声作为状态量。

对应的状态预测以及更新过程可表示为：

[Y=GX+WZ=HX+V] （7）

式中：[G]是由误差模型和状态矢量构成的系统矩阵;[W]表示系统随机过程噪声序列;[H]为观测矩阵;[V]表示系统随机观测噪声序列。

在行人脚步处于零速状态时，以零速作为参考，对系统进行更新，表1列出其中5次测试数据。

本实验是采用在固定距离检测跑动步数，其中存在误差的实验项是由于在最后一步脚步没有调整好姿态导致的误差，所以可以认为本实验方法对行人在跑动状态下的步数检测的准确率为100%。

5  实验结果及分析

为了验证本文提出方法的定位效果，进行了相应实验。测试者将惯性测量单元固定在鞋子的头部，弯曲传感器位置如图4所示，有弯曲传感器辅助下的跑动轨迹以及无弯曲传感器辅助下的跑动轨迹分别如图6所示。

通过分析得，基于惯性传感器的普通零速修正方法与本文提出的弯曲传感器辅助的零速修正方法在行人跑动状态下的定位误差如表2所示。

可以看出，本文提出的定位方法较普通零速修正方法在行人跑动状态下的定位平均误差降低了67.4%，有效提高了定位精度。以下是从标定的起始点按照指定的路线行走，再次回到起点，然后将测得的数据导入Matlab中处理，实验结果如图7所示。

6  结  语

本文提出的基于弯曲传感器辅助的行人室内定位零速修正方法，通过对行人行走方向以及速度的解算，结合惯性测量单元和弯曲传感器对行人的零速区间进行检测，通过设置相应的阈值实现行人的零速修正，有效提高了行人的室内定位精度。该方法较只依靠惯性传感器对行人进行零速检测的方法有更高的可靠性。实验结果表明，通过弯曲传感器辅助下的零速修正方法，在行人行走以及跑动状态下，行人的室内定位都有较高的精度，优于只依靠惯性传感器进行行人室内定位的方法。本文提出的定位方法具有较高的定位精度以及较高的实用价值。

参考文献

[1] 王杨，赵红东.室内定位技术综述及发展前景展望[J].测控技术，2016，35（7）：1?3.

WANG Yang， ZHAO Hongdong. Overview and prospect of indoor location techniques [J]. Measurement and control technology， 2016， 35（7）： 1?3.

[2] 王小辉，汪云甲，张伟.基于RFID 的室内定位技术评述[J].传感器与微系统，2009，28（2）：1?3.

WANG Xiaohui， WANG Yunjia， ZHANG Wei. Review of RFID?based indoor positioning technology [J]. Sensors and microsystems technology， 2009， 28（2）： 1?3.

[3] 张明华.基于WLAN的室内定位技术研究[D].上海：上海交通大学，2009.

ZHANG Minghua. Research on indoor positioning technology based on WLAN [D]. Shanghai： Shanghai Jiao Tong University， 2009.

[4] 陈国平，马耀辉，张百珂.基于指纹技术的蓝牙室内定位系统[J].电子技术应用，2013，39（3）：104?107.

CHEN Guoping， MA Yaohui， ZHANG Baike. Bluetooth indoor positioning based on fingerprint technology [J].Application of electronic technique， 2013， 39（3）： 104?107.

[5] 杨狄，唐小妹，李柏渝，等.基于超宽带的室内定位技术研究综述[J].全球定位系统，2015，40（5）：34?40.

YANG Di， TANG Xiaomei， LI Baiyu， et al. A review of ultra wideband based indoor localization technology [J]. GNSS world of China， 2015， 40（5）： 34?40.

[6] 于秀芬，段海滨，龚华军.移动机器人视觉定位方法的研究与实现[J].数据采集与处理，2004，19（4）：433?437.

YU Xiufen， DUAN Haibin， GONG Huajun. Research and implementation of visual positioning method for mobile robots [J]. Journal of data acquisition & processing， 2004， 19（4）： 433?437.

[7] LEVI R W， JUDD T. Dead reckoning navigational system using accelerometer to measure foot impacts： US5583776 [P]. 1996?12?10.

[8] 陈伟.基于GPS和自包含传感器的行人室内外无缝定位算法研究[D].合肥：中国科学技术大学，2010.

CHEN Wei. Research on indoor and outdoor seamless positioning algorithm for pedestrians based on GPS and self?contained sensors [D]. Hefei： University of Science and Technology of China， 2010.

[9] 田晓春，陈家斌，韩勇强，等.多条件约束的行人导航零速区间检测算法[J].中国惯性技术学报，2016，24（1）：1?5.

TIAN Xiaochun， CHEN Jiabin， HAN Yongqiang， et al. Zero?velocity interval detection algorithm with multi?condition constraint for pedestrian navigation [J]. Journal of Chinese inertial technology， 2016， 24（1）： 1?5.

[10] GANESH A， TECH M， GANESHKUMAR K， et al. Multi sensor for reliable soldier and indoor navigation system [J]. International journal of advancements in research & technology， 2014， 3（2）： 74?80.

[11] 费程羽，苏中，李擎.行人惯性导航零速检测算法[J].传感器与微系统，2016，35（3）：147?153.

FEI Chengyu， SU Zhong， LI Qing. Zero velocity detection algorithm for pedestrian inertial navigation [J]. Journal of sensors and microsystems technology， 2016， 35（3）： 147?153.

[12] 宋镖，程磊，周明达，等.基于惯导辅助地磁的手机室内定位系统设计[J].传感技术学报，2015，28（8）：1249?1254.

SONG Biao， CHENG Lei， ZHOU Mingda， et al. The design of cellphone indoor positioning system based magnetic assisted inertial navigation technology [J]. Chinese journal of sensors and actuators， 2015， 28（8）： 1249?1254.

[13] SMID E G， STIGLICH T P. Inertial tracking system with provision for position correction： US8825435 [P]. 2014?09?02.

[14] 赵小明，邓方瑾，杨松普，等.基于压力传感器辅助的行人室内定位零速修正方法[J].中国惯性技术学报，2018，26（1）：1?5.

ZHAO Xiaoming， DENG Fangjin， YANG Songpu， et al. Pressure capsule?aided zero?velocity update algorithm for pedestrian inertial navigation [J]. Journal of Chinese inertial technology， 2018， 26（1）： 1?5.

[15] 安雷，张国良，张维平，等.移动机器人扩展卡尔曼滤波定位与传感器误差建模[J].信息与控制，2012，41（4）：406?412.

AN Lei， ZHANG Guoliang， ZHANG Weiping， et al. Extended kalman filter positioning and sensor error modeling for mobile robots [J]. Information and control， 2012， 41（4）： 406?412.