一种基于步态识别的手推车融合定位方法与流程

本发明属于室内定位的技术领域，尤其涉及一种基于步态识别的手推车融合定位方法。

背景技术：

随着物联网大规模地快速增长，越来越多的服务和应用需要支持定位并获取位置信息，以便更好的利用位置信息价值和提高用户体验感。尤其在大型商超的室内环境下，顾客自身的定位服务需求日益强烈。一方面是由于目前大型商超内部构造复杂、商品繁多，顾客定位导航、搜寻商品费时费力；另一方面商家获得顾客的位置信息数据，可以对顾客的购买行为进行统计分析，为未来的预测决策提供数据支撑。

由于gps定位在室内信号衰弱严重无法使用，现有室内定位更多依靠rfid、bluetooth、wifi和惯导等手段。但是在实际应用中，由于无线电信号容易受环境干扰，时常会导致在某个空间位置的定位信号的不可达，即出现“无信号区”，使得用户在短暂时间内无法在该区域内实时更新获取位置信息。

得益于mems技术的发展，目前mems惯性测量单元具备受外界环境因素干扰小、成本低及体积小等优点，使得该技术得到广泛的研究和应用。但是单一惯性测量单元在长期定位过程中会出现严重的累积误差和漂移，致使最终位置完全偏移，失去定位意义。而bluetooth、wifi定位等虽然每次计算获得的位置信息为绝对位置，不存在累积误差。但是易受干扰，丢失信号。

技术实现要素：

为解决上述技术问题，本发明提供一种基于步态识别的手推车融合定位方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本发明采用如下技术方案：

在一些可选的实施例中，提供一种基于步态识别的手推车融合定位方法，包括：当标签无法获取绝对位置信息时，获取惯性测量单元的传感器数据；所述标签依据所述惯性测量单元的传感器数据获取运动方向变化及位移变化，并计算出自身当前所处的位置信息。

在一些可选的实施例中，依据所述惯性测量单元的传感器数据获取运动方向变化的过程包括：所述标签获取第一时刻手推车水平转动角速度；所述第一时刻手推车水平转动角速度经滑动均值滤波器得出滤波后的第一时刻的手推车水平角度角速度；计算出位置更新后第二时刻内的手推车角度变化量；结合历史位置信息得出上一个位置更新时刻的航向角，推算出当前位置第二时刻的手推车航向。

在一些可选的实施例中，依据所述惯性测量单元的传感器数据获取位移变化的过程包括：所述标签获取第一时刻手推车水平方向加速度数据；取当前一个完整的定位位置更新周期内的水平方向加速度数据序列进行fft变换，记录频率及最大值，所述频率是指幅值最高所对应的频率，所述最大值是指当前一个完整定位位置更新周期内的水平方向加速度数据序列最大值；根据步态特征位移模型以及记录的频率、最大值，获取当前位置更新周期的位移变化。

在一些可选的实施例中，该方法之前还包括：判断所述标签首次上电启动后，是否成功完成首次的绝对定位过程；若是成功完成首次的绝对定位过程，则依据绝对定位成功所获取的位置信息进行步态特征模型参数的自学习，从而获取所述步态特征位移模型；若是首次的绝对定位过程失败，则重复绝对定位过程，直至成功完成首次的绝对定位过程。

在一些可选的实施例中，获取所述步态特征位移模型的过程包括：

所述步态特征位移模型为：sj＝αfa+βamax+γ，其中α,β,γ为待定的相关系数；

记m次绝对定位成功获得的手推车位置坐标为：pn(xn,yn),n＝1,2,3,...,m，其中m≥4；

标签i时刻手推车水平方向加速度记为axi,ayi，则令取一次定位位置更新周期tp内的ai序列进行fft变换，令幅值最高所对应的频率为fa，amax为当前一个完整的定位位置更新周期tp内的ai序列最大值；

则可以用最小二乘法通过下式完成α,β,γ标定：

其中，

在一些可选的实施例中，所述的一种基于步态识别的手推车融合定位方法，还包括：在手推车移动过程中，判断所述标签是否成功完成绝对定位过程并获取服务器下发的位置信息；若是成功，则用户终端在地图上呈现当前手推车的位置信息。

在一些可选的实施例中，所述绝对定位过程是指所述标签利用绝对位置定位技术获取位置信息；所述绝对位置定位技术包括：基于wifi的定位技术、基于蓝牙的定位技术及基于uwb的定位技术。

本发明所带来的有益效果：本发明解决了在室内商超环境下的手推车的定位难题，在手推车无法接收wifi、蓝牙及uwb等其他定位手段所提供的绝对位置信息时，利用惯性测量单元采集的数据与绝对位置信息进行融合处理，解决了在短期内间歇性无位置信息的难题，保证了位置信息服务的持续性和可用性，一方面保证了顾客的用户体验，另一方面大大提高位置信息数据的完整性，商家可以对顾客的购买行为进行更完整更准确的分析；同时具有高可用性、稳定性好的优点。

为了上述以及相关的目的，一个或多个实施例包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明某些示例性方面，并且其指示的仅仅是各个实施例的原则可以利用的各种方式中的一些方式。其它的益处和新颖性特征将随着下面的详细说明结合附图考虑而变得明显，所公开的实施例是要包括所有这些方面以及它们的等同。

附图说明

图1是本发明一种基于步态识别的手推车融合定位方法的流程示意图；

图2是手推车融合定位系统的原理图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。

如图2所示，手推车融合定位系统包括：标签1、惯性测量单元2、服务器3及用户终端4。

标签1，置于手推车前端，用于完成绝对位置定位工作，同时实时对惯性测量单元的数据信息做解算处理。

惯性测量单元2，集成于标签内部，采用mems器件，用于实现对加速度、角速度信号的采集。

服务器3，用于实现解算定位标签1，同时在解算成功后下发位置信息至标签1。

用户终端4，置于手推车顶部，用于向由用户呈现当前位置信息。

如图1所示，本发明提供一种基于步态识别的手推车融合定位方法，包括：

101：手推车融合定位系统上电自检完成初始化。

102：判断标签首次上电启动后，是否成功完成首次的绝对定位过程。若是首次的绝对定位过程失败，则重复绝对定位过程，直至成功完成首次的绝对定位过程。

标签首次上电启动后，等待标签绝对定位成功，其中定位位置更新周期为tp。

103：若是成功完成首次的绝对定位过程，则依据绝对定位成功所获取的位置信息进行步态特征模型参数的自学习，从而获取步态特征位移模型。

其中，获取步态特征位移模型的过程包括：

步态特征位移模型为：sj＝αfa+βamax+γ，其中α,β,γ为待定的相关系数；

记m次绝对定位成功获得的手推车位置坐标为：pn(xn,yn),n＝1,2,3,...,m，其中m≥4；

标签i时刻手推车水平方向加速度记为axi,ayi，则令取一次定位位置更新周期tp内的ai序列进行fft变换，令幅值最高所对应的频率为fa，amax为当前一个完整的定位位置更新周期tp内的ai序列最大值，ai序列为水平方向加速度序列；

则可以用最小二乘法通过下式完成α,β,γ标定：

其中，

i时刻只是对某一时刻的举例，将过程中的某一时刻称为i时刻，便于对流程进行说明，比如，在获取步态特征位移模型的过程中，需要采集多个时刻内的手推车水平方向加速度，i时刻只是采集数据过程中的某一时刻，因此，i时刻是不做具体限定的。

104：惯性测量单元实时采集数据。

105：在手推车移动过程中，判断标签是否成功完成绝对定位过程并获取服务器下发的位置信息。若是成功，则进行步骤111，若是失败，进行步骤106。

106：当标签无法获取绝对位置信息时，获取惯性测量单元的传感器数据。

107：标签依据惯性测量单元的传感器数据获取运动方向变化。

依据所惯性测量单元的传感器数据获取运动方向变化的过程包括：

首先，标签获取陀螺仪数据，即标签获取第一时刻，即i时刻，手推车水平转动角速度ωi。

然后，i时刻手推车水平转动角速度ωi经滑动均值滤波器得出滤波后的i时刻的手推车水平角度角速度ωi′，其中，

上式中，n为滑动均值滤波器阶数，滑动均值滤波器可实现滑动平均值滤波，先在ram中建立一个数据缓冲区，依顺序存放n个采样数据，每采进一个新数据，就将最早采集的那个数据丢掉，而后求包括新数据在内的n个数据的算术平均值或加权平均值。

其次，计算位置更新后第二时刻，即j时刻内的手推车角度变化量θj，其中，

上式中，tω为陀螺仪采样周期。

最后，结合历史位置信息得出上一个位置更新时刻j-1的航向角ψj-1，推算出当前位置更新j时刻的手推车航向ψj，其中，

ψj＝ψj-1+θj。

i时刻，即第一时刻，以及j时刻，即第二时刻，只是对某一时刻的举例，将过程中的某一时刻称为i时刻、j时刻，便于对流程进行说明，比如，在获取运动方向变化的过程中，需要采集手推车水平转动角速度，以及位置更新后需要获取手推车角度变化量，i时刻、j时刻只是获取运动方向变化中的某一时刻举例，因此，不做具体限定。

108：标签依据惯性测量单元的传感器数据获取位移变化，具体过程包括：

首先，标签获取第一时刻，即i时刻，手推车水平方向加速度数据axi,ayi。

然后，取当前一个完整的定位位置更新周期tp内的ai序列进行fft变换，记录频率fa及最大值amax，fa指幅值最高所对应的频率，amax指当前一个完整定位位置更新周期tp内的ai序列最大值，ai序列为水平方向加速度数据序列。

最后，根据步态特征位移模型以及记录的频率fa、最大值amax，获取当前位

置更新周期的位移变化，则当前定位位置更新周期tp的位移变化为：

sj＝αfa+βamax+γ。

109：标签依据运动方向变化及位移变化计算出自身当前所处的位置信息pj(xj,yj)，其中，

110：服务器下发位置信息。

111：用户终端在地图上呈现当前手推车的位置信息。

绝对定位过程是指标签利用绝对位置定位技术获取位置信息；绝对位置定位技术包括：基于wifi的定位技术、基于蓝牙的定位技术及基于uwb的定位技术。

本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。