Адаптивный алгоритм коррекции по расстоянию между стопами в навигации пешехода

Обложка

Цитировать

Полный текст

Аннотация

Предложен новый алгоритм коррекции в задаче автономной навигации пешехода при помощи инерциальных измерительных блоков, закрепленных на стопах. Основой автономной пешеходной навигации является интегрирование упрощенных уравнений инерциальной навигации и коррекция навигационного решения по нулевой скорости. В отсутствие внешней информации, такой как сигналы спутниковых навигационных систем или сигналы локальных сетей Wi-Fi, Bluetooth, необходимо применять дополнительные методы коррекции. Два основных класса таких методов – коррекция по информации об ограниченности расстояния между стопами (требует установки блоков на каждую стопу) и информация о прямолинейности движения. Первый метод не учитывает неравноточность инерциальных блоков, а второй существенно зависит от типа траектории. В работе предпринята попытка избавиться от недостатков обоих методов. Новый алгоритм представляет из себя адаптивный вариант коррекции по расстоянию между стопами. Адаптивность обеспечивается изменением матрицы измерений для блока, который считается менее точным. Вывод о точности делается на основе анализа траектории, при котором используется информация о прямолинейности движения. Приведены результаты проверки алгоритма на экспериментальных данных. Применение нового алгоритма позволило увеличить точность навигации. Разработанный метод целесообразно применять в составе комплексной системы пешеходной навигации при отсутствии внешней информации.

Об авторах

А. В Брагин

МГУ имени М.В. Ломоносова

Email: avb9676@yandex.ru
Москва, Россия

Список литературы

  1. Tom Judd, C. A Personal Dead Reckoning Module // Proceedings of the 10th International Technical Meeting of the Satellite Division of The Institute of Navigation. – Kansas City, 1997. – P. 47–51.
  2. Kourogi, M., Kurata, T. Personal Positioning Based on Walking Locomotion Analysis with Self-contained Sensors and a Wearable Camera // Proceedings of the Second IEEE and ACM International Symposium on Mixed and Augmented Reality. – Tokyo, 2003. – P. 103–112.
  3. Husen, M.N., Lee, S. Indoor Location Sensing with Invariant Wi-Fi Received Signal Strength Fingerprinting // Sensors. – 2016. – Vol. 16, no. 11. – Art. no. 1898.
  4. Ni, L.M., Liu, Y., Lau, Y.C., Patil, A.P. LANDMARC: Indoor Location Sensing Using Active RFID // Wireless Networks. – 2004. – Vol. 10, no. 6. – P. 701–710.
  5. Elwell, J. Inertial Navigation for the Urban Warrior // Proceedings of the Digitalization of the Battlespace IV Conference. – Orlando, 1999. – P. 196–204.
  6. Brand, T.J., Phillips, R.E. Foot-to-Foot Range Measurement as an Aid to Personal Navigation // Proceedings of the 59th Annual Meeting of The Institute of Navigation and CIGTF 22nd Guidance Test Symposium. – Albuquerque, 2003. – P. 113–121.
  7. Болотин Ю.В., Брагин А.В., Гулевский Д.В. Исследование состоятельности расширенного фильтра Калмана в задаче навигации пешехода с БИНС, закрепленными на стопах // Гироскопия и Навигация. – 2021. – Т. 29, № 2. – С. 59–77. [Bolotin, Y.V., Bragin, A.V., Gulevskii, D.V. Studying the Сonsistency of Extended Kalman Filter in Pedestrian Navigation with Foot-Mounted SINS // Gyroscopy and Navigation. – 2021. – Vol. 12, no. 2. – P. 155–165.]
  8. Lee, J.H., Park, S.Y., Cho, S.Y., Park, C. Reduction of Heading Error Using Dual Foot-Mounted IMU // CEUR Workshop Proceedings. – 2019. – Vol. 2498. – P. 370–376.
  9. Skog, I., Nilsson, J.O., Zachariah, D., Handel, P. Fusing the Information from Two Navigation Systems Using an Upper Bound on Their Maximum Spatial Separation // Proceedings of IPIN. – Sydney, 2012. – P. 1–5.
  10. Zachariah, D., Skog, I., Jansson, M., Handel, P. Bayesian Estimation with Distance Bounds // IEEE Signal Processing Letters. – 2012. – Vol. 19, no. 12, pp. 880–883.
  11. Borenstein, J., Ojeda, L. Heuristic Drift Elimination for Personnel Tracking Systems // Journal of Navigation. – 2010. – Vol. 63. – P. 591–606.
  12. Abdulrahim, K., Hide, C., Moore, T., Hill, C. Aiding MEMS IMU with Building Heading for Indoor Pedestrian Navigation // Proceedings of Ubiquitous Positioning Indoor Navigation and Location Based Service (UPINLBS). – Kirkkonummi, 2010. – P. 1–6.
  13. Jimenez, A.R., Zampella, F., Seco, F.J., Prieto, J.C. Improved Heuristic Drift Elimination (iHDE) for Pedestrian Navigation in Complex Buildings // Proceedings of IPIN. – Guimaraes, 2011. – P. 1–8.
  14. Ju, H.J., Lee, M.S., Park, C.G., Lee, S. Advanced Heuristic Drift Elimination for Indoor Pedestrian Navigation // Proceedings of IPIN. – Busan, 2014. — P. 729–732.
  15. Foxlin, E. Pedestrian Tracking with Shoe-Mounted Inertial Sensors // IEEE Computer Graphics and Applications. – 2005. – Vol. 25, no. 6. – P. 38–46.
  16. Ojeda, L., Borenstein, J. Non-GPS Navigation for Security Personnel and First Responders // Journal of Navigation. – 2007. – Vol. 60, no. 3. – P. 391–407.
  17. Вавилова Н.Б., Голован А.А., Парусников Н.А. Математические основы инерциальных навигационных систем. – М.: Изд-во Московского университета, 2020. – 164 с. [Vavilova, N.B., Golovan, A.A., Parusnikov, N.A. Mathematical Basis of Inertial Navigation Systems. – Moscow: Moscow State Univercity Press, 2020. – 164 s. (In Russian)]
  18. Skog, I., Handel, P., Nilsson, J., Rantakokko, J. Zero-Velocity Detection – An Algorithm Evaluation // IEEE Transactions on Biomedical Engineering. – 2010. – Vol. 57, no. 11. – P. 2657–2666.
  19. Tian, X., Chen, J., Han, Y. et al. A Novel Zero Velocity Interval Detection Algorithm for Self-Contained Pedestrian Navigation System with Inertial Sensors // Sensors. – 2016. – Vol. 16, no. 10. – Art. no. 1578.
  20. Wagstaff, B., Kelly, J. LSTM-Based Zero-Velocity Detection for Robust Inertial Navigation // Proceedings of IPIN2018. – Nantes, 2018. – P. 1–8.
  21. Zhang, L., Chen, B., Li, H. and Liu, Y., Deep Neural Network-Based Adaptive Zero-Velocity Detection for Pedestrian Navigation System. // Electron. Lett. – 2022. – Vol. 58, iss. 1. – P. 28–31.
  22. Bolotin, Y., Bragin, A., Gartseev, I. Covariance Error Analysis for Pedestrian Dead Reckoning with Foot Mounted IMU // CEUR Workshop Proceedings. – 2019. – Vol. 2498. – P. 243–250.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».