一种基于步长匹配的行人室内定位方法与流程

本发明涉及室内定位技术领域，具体涉及一种基于步长匹配的行人室内定位方法。

背景技术：

随着经济社会的发展和智能手机的高度普及，基于位置的服务已经越来越得到重视，尤其在大型复杂的室内环境中，如火车站、机场、大型超市、医院等区域，人们对位置服务有迫切需求。行人室内定位中的无源定位方法不需要布设信号节点，一种是将惯性导航机制引入移动设备，另一种是行人航位推算(pdr，pedestriandeadreckoning)算法。

pdr算法根据惯性传感器数据对行人行走步数、步长和方向进行计算，获取行走距离和方向，算法的关键在于准确地估算行人的步长。已有的步长模型包括基于步频和步长之间线性关系的步长估计模型；与跨步周期内最大最小加速度有关的非线性经验模型；将人行走模式近似为一个倒立的单摆，通过三角关系计算步长。由于不同人步长的差异与个人身高、习惯、心情等均有一定关系，上述线性和非线性模型很难反应出不同个体的步长差异。

技术实现要素：

为了克服上述步长模型在面对个体差异时精度无法保证的不足，本发明提供了一种基于步长匹配的行人室内定位方法。

本发明采用如下技术方案：

一种基于步长匹配的行人室内定位方法，应用于一内置加速度计、磁航向计等多种mems传感器的便携式设备中，所述方法包括如下步骤：

s1、基于卫星定位系统确定行人在室外的初始经纬度信息；

s2、基于卫星测距计算行人在室外的平均步长；

s3、卫星测距的同时基于加速度计记录每步的跨步特征值,所述的跨步特征值包括一个跨步周期内的最大加速度amax、最小加速度amin以及周期时长t；

s4、根据跨步特征值与平均步长的对应关系建立行人的个体步长特征数据库；

若行人在室外的速度状态有m种，记d＝(d1,d2,···,dm)代表m种不同速度状态下的步长集合，c＝(amax,amin,t)代表一个跨步特征值的集合，按(c,dj)键值对的形式存储数据，建立行人的个体步长特征数据库，其中dj∈d；

s5、行人进入室内后，基于卫星定位系统确定行人在室内的初始经纬度信息；

s6、基于加速度计获取新的跨步特征值，记

s7、通过knn算法，将步骤s6获取的新的跨步特征值c^*与步骤s4建立的个体步长特征数据库进行匹配，获取该新的跨步特征值相对应的平均步长；

s8、基于磁航向计确定行人的行走方向；

s9、根据步骤s7获取的行人平均步长信息以及步骤s8获取的行人行走方向信息，基于pdr算法计算行人的当前位置。

优选的，所述步骤s2的具体步骤包括：

s21、基于卫星定位系统测量行人在a、b两点所在位置的经纬度，利用公式(1)计算两点位置之间的直线距离s。

其中(lng1,lat1)表示a点经纬度，(lng2,lat2)表示b点的经纬度，a＝lng1-lng2为两点经度之差，b＝lat1-lat2为两点纬度之差，6378137为地球半径，单位为米。

s22、当行人以近似直线的方式从a点步行到b点，并尽量保持一种速度状态，利用式(2)计算该种速度状态的平均步长。

其中s为(1)式计算得到的a，b两点之间的直线距离，n为这一过程检测到的跨步总数。

优选的，所述步骤s7中所述匹配的方法为：

s71、利用公式(3)计算m中速度状态中c(i)与c^*间的欧氏距离；

其中i＝1,2,...,n

s72、按升序对dist(c(i),c^*)排序，找出排在前k个的最小距离对应的c(i)；

s73、根据存储的(c,dj)键值对查找这k组c(i)对应的步长d；

s74、d集合中出现次数最多的d值作为当前c^*对应的步长。

优选的，所述步骤s71中，在m种速度状态中，保留中间段的n组速度状态下的特征数据用于匹配计算，其中n＝m×n/3。

优选的，所述步骤s1与所述步骤s2之间还包括如下步骤：

p、检测跨步是否为有效跨步，判定为是，则记录经纬度，计算平均步长，并在跨步总数上加1；判定为否，则返回重新检测跨步，直至判定为是。

优选的，步骤p中所述检测跨步的具体方法为，利用峰值法检测跨步，峰值大小超过阈值0.4的为有效峰值，在检测峰值的同时屏蔽不在合理时间间隔区间的峰值。

优选的，所述步骤s8的具体步骤为：

s81、手动校正磁航向计；

s82、检测跨步是否为有效跨步，判定为是，则实时步长匹配，并获取当前行人的行走方向；判定为否，则返回重新检测跨步，直至判定为是。

本发明由于采用了上述技术方案，具有以下有益效果：与现有技术相比，本发明的有益效果是实际上为具有差异性的个体建立了属于自己的个体步长特征数据库，航位推算精度得到较大提高。

附图说明

附图用来提供对本发明的优选的理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明的整体流程图；

图2为与已有步长模型的测试结果对比图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所述描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的载体为个人智能手机，内置加速度计，磁航向计等多种mems传感器。

在室外，利用峰值法检测跨步，为了提高检测的准确率，只有峰值大小超过阈值0.4的才会被判定为有效峰值，人自然行走的步频在1-3hz之间，在检测峰值的同时屏蔽不在合理时间间隔区间的峰值。

目前智能手机卫星定位精度可以达到米级，故直接使用手机给出的位置信息，将卫星测距引入行人的步长测算，进而建立一个属于个体的步长特征数据库。测量a，b两点所在位置的经纬度，利用公式(1)计算两点位置之间的直线距离s。

其中(lng1,lat1)表示a点经纬度，(lng2,lat2)表示b点的经纬度，a＝lng1-lng2为两点经度之差，b＝lat1-lat2为两点纬度之差，6378137为地球半径，单位为米。

当行人以近似直线的方式从a点步行到b点，并尽量保持一种速度状态，在卫星测距的同时检测跨步，记录每步的特征值，利用式(2)计算该种速度状态的平均步长。

其中s为(1)式计算得到的a，b两点之间的直线距离，n为这一过程检测到的跨步总数。

假设速度有m种状态，步长特征包括一个跨步周期内的最大加速度amax、最小加速度amin、周期时长t。室外卫星测距的过程也就是步长特征数据库建立的过程，共有m×n组跨步特征值集合，同时也是m种速度状态下跨步的特征值与步长对应关系的生成过程。记d＝(d1,d2,···,dm)代表m种不同速度状态下的步长集合，c＝(amax,amin,t)代表一个跨步特征值的集合，按(c,dj)键值对的形式存储数据，其中dj∈d。

进入室内后，初始位置由卫星定位信息给出。记为检测到的新的跨步特征值集合，m种速度状态代表m种已有的类，匹配过程的实质是对c^*做出分类的过程。

行人行走的开始和结束阶段步长特征数据并不稳定，波动较大。为了减少knn算法计算量，匹配过程中对个体步长特征数据库进行简化。实验表明，只保留每种速度状态下区间即中间段的组特征数据完全可以保证匹配的准确率，记。匹配算法如下：

1、计算c(i)与c^*间的欧氏距离dist(c(i),c^*),i＝1,2,...,n；

2、按升序对dist(c(i),c^*)排序，找出排在前k个的最小距离对应的c(i)；

3、根据存储的(c,dj)键值对查找这k组c(i)对应的步长d；

4、d集合中出现次数最多的d值作为当前c^*对应的步长。

其中c与c^*的欧氏距离dist(c,c^*)为

智能手机内置磁航向计，根据对地磁场的感应可以实时指示出手机当前顶部与正北方向的夹角，当手机绕着z轴旋转时，该角度值将发生改变，此方向将作为行人的行走方向。

在针对本方法的实验中，室外测试地点选在环境开阔的中国科学院合肥智能机械研究所大楼外的人行道上，速度状态选为较慢速度、正常速度和较快速度三种，测试人员身高178cm，在三种速度状态下的实际步数均控制在100步，得到的步长计算结果分别为0.60m、0.74m和0.88m。

室内测试地点选在智能所大楼内的走廊，测试距离50m，分别计算在较慢速度、正常速度、较快速度以及变速行走这四组形式下的距离，每组测试5次。分别与采用式(4)计算的线性的步长估计模型以及采用式(5)计算的非线性的经验模型进行比较，测试结果比较如图2所示。

d＝a×f+b(4)

其中a，b为系数，f为频率。

其中h为系数，amax，amin分别为一个跨步周期内的最大最小加速度。

本发明的方法可以很好地适应个体的差异，行人室内定位精度得到较大提高。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。