基于IMU模块的行人航向角误差修正算法

基于IMU模块的行人航向角误差修正算法
佚名
【摘要】伴随着全球互联网信息时代的到来,导航系统与通信系统的结合日益紧密,通信与行人航迹在信息交融中不断迅速发展.为了获取更精准的行人运动航迹,文中
使用了惯性测量模块(Iner-tial Measurement Unit,IMU)辅助行人运动轨迹.由于IMU惯性测量元件自身存在惯性漂移情况,导致在行人航向角推算中会产生大量误差.因此,文中研究了基于IMU模块航向角误差修正算法,大大提高了运动轨迹的精度.
【期刊名称】《电子设计工程》
【年(卷),期】2019(027)002
【总页数】5页(P80-84)
【关键词】IMU;行人运动轨迹;惯性漂移;航向角
【正文语种】中文
【中图分类】TN961
21世纪信息时代的到来，人们对位置信息的需求随之日益增长。

在室内环境下，
如商业广场、学校图书馆、地下停车场等，准确地获取用户的位置信息显得十分迫切。

在室外环境中，如露天体育场、高速公路、徒步旅行等，我们时常需要根据行人运动轨迹，来了解行人的踪迹信息。

由于室内、外环境的复杂多变，无线信号和卫星信号在大气层中传播都会存在衰减、
干扰、多径和折射等因素的影响，进而造成接收信号强度不同程度的衰弱，随之提取出来的信号特征在精准度方面将不能很好地满足人们的需求。

1 行人运动轨迹推算
此推算是将IMU模块携带于人体的某一部位，根据IMU模块采集的数据特征对
人体行走时的步频和步幅进行检测和估计，再结合角速度信息对行人轨迹的航向方向进行推算，从而获取行人的位置、速度和方向。

图1 二维平面上行人轨迹推算原理图
如图1所示：横向坐标轴正向为方向E，纵向坐标轴正向为方向N。

假设在初始时刻t0时刻行人的起始点为P0（e0，n0），沿偏离正北方向α0角度的航向移动，在t1时刻，人体行走距离为s0，则t1时刻行人在坐标系中的坐标P2（e2，
n2），P0（e0，n0）与P1（e1，n1）的关系式如式（1）与式（2）所示：
在t1时刻之后，行人继续沿着偏正北方向α1角度的方向移动，行人运动的距离
为s1，则在t2时刻人体移动的坐标为P2（e2，n2）。

同理，由式（1）与式（2）得：
以此类推，当ti时刻，行人在坐标系中的坐标位置Pi（ei，ni）应该满足式（5）与式（6）：
由于在实际过程中，IMU模块本身存在很大的角度漂移误差，导致行人轨迹实际
路线与测量路线的在方向上有很大误差。

为了进一步减小误差，故本文研究了基于当前航向角与前一航向角、当前航向角与环境主方向的夹角之前的关系来修正行人航向角的算法。

2 基于IMU模块的行人运动航向角误差修正算法
2.1 基于的航向推算
为了解决HDE算法中的陀螺仪的累积误差，本文提出了改进的算法：首先通过IMU模块输出的加速度和角度信息为观测值，利用扩展卡尔曼滤波对安全定位系
统滤波，再利用滤波后当前时刻的估测航向角与前一时刻的估测航向角、当前估测航向角与环境主方向角之间关系来对当前估测的航向角进一步修正，经过该算法修正后的航向角被认为是最接近真实航向角的值。

以此类推，算法系统不断地对航向角进行修正，同时，根据在行人运动中的加速度信息，解算出行人的步频和步长信息。

最后将修正后的航向角信息结合计步与步长信息，通过行人轨迹推算技术来进行安全系统的行人轨迹追踪。

IMU模块不受环境因素的影响，室内和室外都能正
常良好的工作，其具体算法结构如图2所示。

2.2 航向角修正算法的关键步骤
由图2可知，本文航向角修正的核心思想是通过两个技术的结合来修正航向角：1）当前航向角与前一航向角之差；
2）通过当前航向角与大环境主方向角之差。

图2 行人轨迹推算算法流程图
实验主要步骤如下：第一步，建立坐标系
目前，在大部分环境中，主方向可以设定为4个或者8个。

在本实验主要在两个
地方进行的：某某某大学信息工程学院楼内、楼顶及楼外的马路。

由于该测量环境不复杂，故本论文研究算法中只需构建包含4个主方向进行定位的坐标系。

每个
主方向之间的角度差为90o。

0o所对应为每次初始时刻前进的正前方方向。

90o，180o和270o分别为其余3个主方向。

第二步，初始准备
在第一步的基础上，先确定行人的初始位置，为了比较更直观地比较定位精度如何，本文同时确定了行人轨迹的终点位置。

接着行人将IMU模块绑在脚背上，站立在
初始位置，保持静止。

第三步，行人转向判断
开始匀速迈步，此时会产生转向判断的计算。

行人转向判断主要是判断航向角以哪种模式修正，当前航向角ψk与前一时刻航向角ψk-1之差绝对值范围在（10o，180o）内，与主方向角之差范围在（20o，180o），当前转向判断为是；当前航向角ψk与前一时刻航向角ψk-1之差绝对值范围在（0o，10o）内，与主方向角之差范围在（10o，20o），则转向判断为否。

上式（7）所示，TH为航向角阈值。

T=0时表示行人行走保持直线上，没有明显转弯迹象；T=1时表示行人行走方向发生明显改变，即转弯行走状态。

第四步，航向推算
当T=0时，行人处于直线行驶状态，当前航向角ψk估测值等于前一航向角ψk-1加减θ，θ为一固定阈值，文中设定为5o。

当T=1时，行人是转弯行走状态时，当行人处于转弯状态时，经过无数次实验发现相邻的前后两个航向角之差与实际相比有如下规律：
其中，ψ实际差指实际的相邻两个航向角之差，f为系数；
不同的IMU模块的f值不同，需要在实验前多次测量，估算f的取值，经过多次实验可知本研究采用的IMU模块的f值取0.62；ψ测量差指的是通过IMU模块输出的相邻两个航向角之差；ψk指的是当前航向角；ψk-1是指前一个航向角。

当ψ测量差大于0时，则行人向左转弯，修正后的当前航向角为ψk′：
当ψ测量差小于0时，则行人向右转弯，修正后的当前航向角为ψk′：
第五步，行人航迹推算
最后结合步态信息和航向角信息，确定当前人体的位置信息，如式（11）所示：xi，yi为行人的位置坐标；xi-1，yi-1为前一步的位置坐标；ψk为当前航向角；L为
步长。

第六步，本实验选择了室内和室外两个环境进行行人轨迹的研究，多次测量并记录数据。

3 MATLAB仿真结果与分析
3.1 仿真设备
整个实验用到以下设备：IMU模块、笔记本电脑、上位机应用平台和MATLAB软件。

3.2 步伐判断结果
（1）加速度的模：
图3 加速度模仿真图
仿真图3清楚地反映出实验人员的行走时的脚步运动状态。

可以将仿真图分为4
个部分：3～17 s为第一阶段，17～23 s为第二阶段，23～37 s为第三阶段，37～43 s为第四阶段。

该数据是实验人员走一个长方形路线采集的，第一、三阶
段是走长方形较长的边，第二、四阶段是走较短的边的过程。

图中间3个加速度
较为平缓的部分为行走过程中的3次转弯处的数据。

（2）计步分析：
图4 Z轴加速度仿真图
显示加速度模在行人运动中的特征，具有规律性和重复性。

我们可以从中发现步频与加速度的模的关系：每一组相邻的波谷到波峰，再到波谷可以判断为一个步伐的完成。

我们在实验中采用的是匀速行走，忽略速度不同对计步的影响。

本文设定波
谷的加速度为0.75 g，波峰的加速度为1.3 g。

且每相邻两个步伐之间的时间间隔应在0.4～0.6 s之间。

逻辑与判决计步结果：
图5 计步判别
图5和图6是将两个加速度的模与和z轴加速度做一个逻辑与的运算，从而判断步数。

文中经过大量实验得出计步数据，从而确认上述计步算法是行得通的。

步数判断结果如表1所示。

3.3 航向角修正的结果
图6 计步判别结果
表1 步数判断结果类型次数误差步数匀速行走1 2 3 4 5估侧步数152 154 152 152 151实际步数158 158 156 158 156 6 4 4 6 5
本文选择了在实验楼楼顶做实验，如图7所示行人在室外走了一个长方形。

当行人路径为直线时，刚开始两米内未轨迹与实际轨迹还是比较切合的，但是随着路线的增长，其误差就越来越明显，当走了15米左右时误差可达1米。

由此可以得出未修正算法的累积误差不容忽视。

当航向角发生明显变化即转弯时，一个转弯就可以达到一米，可想而知若发生多个转弯其精度可能非常低，严重与实际轨迹不符。

而经过本文算法改进的行人轨迹与实际轨迹更相符合。

图7 新型算法的行人轨迹结果图
文中从定位精度角度分析，修正后的轨迹在走直线的时候，几乎与实际轨迹一致，即使稍有偏差也仅为0.5米左右，在误差允许范围内。

在转弯处，修正后的算法明显比未修正的算法更精确，没有发生较大的偏移，直角转弯处也接近90o。

从定位区域分析，IMU模块辅助的行人轨迹的算法，可以在室外也可以在室内进行实验。

经过多次室内外试验可知，在室内环境中，用修正后的算法可以满足人们的需求。

上述内容也清楚地分析了楼顶室外环境中该算法的可行性。

它不受天气，
卫星，障碍物等外界因素的影响，故IMU模块的应用范围更加宽广。

当然，此方法也有不足之处，即使航向角可以得到不断地修正，但是不能完全脱离IMU模块角度测量值的作用，随着拐弯次数k的增加，该方法的精度就会降低，
实验结果如图8～图10所示。

图8 k=0的轨迹图
图9 k=1的轨迹图
文中通过多次实验仿真，得出表2的k值精度表。

由实验结果图7、8、9、10、11和表1对比数据可知，本文关于安全系统行人轨迹的研究算法进一步提高了定位精度，尤其是表现在行人行进方向发生明显转变时，减小了累积误差给航向角带来的偏差。

当人体转弯次数不同，其定位精度也不同。

相同轨迹长度的情况下，随着转弯次数逐渐增加时，预测距离与实际距离的偏差越大且偏差的增长率也越大，换句话说，随着人体发生航向偏转越多，预测距离加快与实际距离的偏差。

图10 k=2的轨迹图
图11 k=4的轨迹图
表2 k值精度表k 0 1 2 3 4 5 6 7修正后距离/m 44.66 44.58 44.55 44.44 44.51 44.16 43.90 43.67实际距离/m 50 50 50 50 50 50 50 50误差/m 0.34 0.42
0.45 0.56 0.69 0.84 1.10 1.33
4 结束语
本章内容主要分析了基于航向角修正算法，研究了基于当前时刻的航向角与前一时刻航向角、与环境主方向的关系的新的算法。

通过MATLAB实验仿真具体阐述本文研究的成果，得出修正后的行人轨迹与实际轨迹更加接近，精度大大有明显提高。

【相关文献】
[1]李昊，简方梁.人群行走荷载作用下的人致结构振动[J]华南理工大学学报：自然科学版，2010，38（4）：125-130.
[2]田增山，张媛.基于智能手机MARG传感器的行人导航算法[J].重庆邮电大学学报:自然科学版，2014，26（2）：223-227.
[3]王犇，袁涛，梁灿.基于加速度特征点提取的步态身份认证[J].清华大学学报：自然科学版，2009（10）：1601-1604.
[4]孙作雷，矛旭初，田蔚风，等.基于动作识别和步幅估计的步行者航位推算[J].上海交通大学学报，2008，42（12）:2202-2209.
[5]李晓鹏.GPS/DR组合定位方法研究[J].全球定位系统，2002（3）:24-28.
[6]王奇，黎海涛，齐双.WiFi指纹辅助的惯性传感器室内定位技术研究[J].中国电子科学研究院学报，2016，11（2）:157-163.
[7]胡伟娅，陆佳亮，伍民友.基于RssI与惯性测量的室内定位系统[J].计算机工程，2013，39（11）：91-95.
[8]王建东，刘云辉，宋宝泉，等.行人导航系统设计与模块数据预处理[J].电测与仪表，2006，43（491）：19-22.
[9]张言哲.WiFi辅助智能手机的室内定位技术研究与实现[D].北京：中国矿业大学，2015.
[10]吕志清.微机电系统（MEMS）与微机械惯性器件[C]//2000年中国电子学会第十一届电子元件学术年会论文集，2000:280-284.
[11]张英，戚红向，李德强，等.MEMS航天惯导产品及技术发展简介[J].航天标准化，2010（3）:40-43.
[12]李荣冰，刘建业，曾庆华.基于MEMS技术的微型惯性导航系统的发展现状[J].中国惯性技术学报，2004，12（6）:88-94.
[13]殷红.基于foot-mounted的IMU室内行人航迹推算研究[D].南昌:南昌大学理学院，2013.
[14]李金凤，王庆辉，刘晓梅，等.基于MEMS惯性传感器的行人航位推算统[J].传感器与微系统，2014，33（12）:85-87，90.。