一种基于建筑物规则结构信息的室内定位方法

摘要

本发明公开了一种基于建筑物规则结构信息的室内定位方法，首先通过一般惯性传感器定位算法解算得到初级定位结果，然后根据矩形结构建筑物内的八个先验方向在粒子滤波算法框架内调整粒子权值，校正航向漂移，最后经过重采样可以得到轨迹修正后的定位结果，其中八个先验方向包含矩形四个边的朝向与四个经插值得到的辅助方向。本发明可利用建筑物的矩形规则结构对定位结果进行航向校正，显著提高了定位精度。本发明所提出的方法稳健性好，在行走轨迹复杂的条件下，仍能准确估计航向，抑制了航向漂移，提高了长时间室内定位的精确度。

主权项

一种基于建筑物规则结构信息的室内定位方法，包括以下步骤：1)确定导航坐标系，确定室内运动目标的初始位置与初始朝向；2)根据建筑结构的朝向，确定矩形四个边在导航坐标系下的初始角度ψ₁、ψ₃、ψ₅与ψ₇，将所述初始角度两两进行线性插值，得到四个辅助方向的角度ψ₂、ψ₄、ψ₆与ψ₈；3)利用惯性传感器测量目标的运动数据，并根据运动数据解算得到目标位移和角度的变化量，所述变化量逐次累加得到目标的相对方位，相对方位与初始方位相加得到初级定位结果，在所述导航坐标系下表示为{x_k,y_k}，下坐标k表示第k步；4)在初级定位结果中，通过当前位置{x_k,y_k}与前一位置{x_k‑1,y_k‑1}得到目标当前位置步长l_k与转向角△θ_k：△θ_k＝θ_k‑θ_k‑1$l_k=\sqrt{{{\mathrm{\Delta x}}_k}^2+{{\mathrm{\Delta y}}_x}^2};$其中，△x_k＝x_k‑x_k‑1；△y_k＝y_k‑y_k‑1；5)将当前位置步长l_k与转向角△θ_k分别加上高斯噪声，得到当前位置步长与转向角的噪声粒子l_noise^[1:N]与△θ_noise^[1:N]；其中，N为粒子数目；6)利用当前位置步长与转向角的噪声粒子l_noise^[1:N]与△θ_noise^[1:N]和前一位置的粒子集{x_k‑1^[1:N],y_k‑1^[1:N],l_k‑1^[1:N],θ_k‑1^[1:N]}，得到新的粒子集{x_k^[1:N],y_k^[1:N],l_k^[1:N],θ_k^[1:N]}：l_k^[i]＝l_k+l_noise^[i]θ_k^[i]＝θ_k‑1^[i]+△θ_k+△θ_noise^[i]x_k^[i]＝x_k‑1^[i]+l_k^[i]cos(θ_k^[i])；y_k^[i]＝y_k‑1^[i]+l_k^[i]sin(θ_k^[i])其中，1≤i≤N，表示第i个粒子；θ_k^[i]则表示第k步时，第i个粒子的朝向；△θ_k表示通过运动传感器计算得到的转角，即朝向变化量；△θ_noise表示高斯噪声模型下带来的随机转角；x_k‑1^[i]、y_k‑1^[i]分别表示第k‑1个位置下第i个粒子的横坐标和纵坐标；7)根据上述步骤2)确定的矩形建筑内的八个方向，按照下式更新每个粒子的权值：${W_k}^{\left[i\right]}=\underset{j=1}{\overset{8}{\Sigma }}\exp (-\frac{{({{\theta }_k}^{\left[i\right]}-{\psi }_j)}^2}{2{\mathrm{\pi \sigma }}^2});$其中，ψ_j为建筑物的引导向、σ²为选用的高斯噪声模型的方差、W_k^[i]为第i个粒子在第k步的权值；8)对每个粒子的权值分别进行归一化处理，得到归一化权值w_k^[1:N]；9)根据归一化权值w_k^[1:N]，按照剩余重采样方法对所有粒子进行重采样，得到位置的粒子{x_k^'[1:N],y_k^'[1:N]}；10)对上述位置的粒子{x_k^'[1:N],y_k^'[1:N]}取均值，得到航向校正后的位置：$\overline{x_k}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{x_k}^{\prime \left[i\right]}.$$\overline{y_k}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{y_k}^{\prime \left[i\right]}$