214342424_一种消防救援人员室内作业定位系统的设计

第47卷第3期
燕山大学学报
Vol.47No.3
2023年5月
Journal of Yanshan University
May 2023
㊀㊀文章编号 1007-791X 2023 03-0221-08
一种消防救援人员室内作业定位系统的设计
刘智博1 杨景宏2 刘思宇2 冯立辉2 ∗ 闫㊀磊1
1.东北大学秦皇岛分校计算机与通信工程学院 河北秦皇岛066004
2.北京理工大学光电学院 北京100081
㊀㊀收稿日期 2022-12-16㊀㊀㊀责任编辑 温茂森
基金项目 国家自然科学基金资助项目 62075012 61971046
㊀㊀作者简介 刘智博 2002- 男 湖北襄阳人 主要研究方向为室内定位 ∗通信作者 冯立辉 1976- 男 吉林白城人 博士 副教授 主要研究方向为惯性技术及室内定位 Email lihui.feng@.
摘㊀要 针对目前室内火灾的消防救援工作中 消防救援人员获取位置信息以提高救援工作效率的实际需求 设计了一种适用于消防救援人员室内作业的定位系统.该系统主要基于惯性定位技术 设计了足部绑式惯性导航模块 该模块通过与激光雷达辅助模块功能上的融合 可获取消防救援人员在火灾现场作业时的准确位置 且能够减少消防救援人员误入非目标房间的可能性.同时 本文给出了上述模块中保障系统实现高精度定位的两个关键技术 即基于改进支持向量机方法的姿态分类与识别和基于卡尔曼滤波的信息融合.应用场景的测试结果表明 基于相关技术 在宽敞的室内环境下单独采用足部绑式惯性导航模块即可获得较为精确的位置信息 在多房间复杂室内结构环境下 采用激光雷达模块进行辅助后 仍可获得满足实际定位需求的位置信息.关键词 火场救援 室内定位 惯性导航 激光雷达辅助
中图分类号 TP273㊀㊀文献标识码 A㊀㊀DOI 10.3969/j.issn.1007-791X.2023.03.005
0　引言
近年来 随着社会和经济的快速发展 城市各类建筑物规模愈加宏大且布局复杂 为火灾救援增加了压力与难度.据统计 2012年至2021年这10年间 全国共发生132.4万起住场所火灾 造成11634人遇难㊁6738人受伤 财产损失达77.7亿
元 1 .根据国家消防救援局数据 2021年全年共接报大型高层建筑火灾4057起㊁造成168人死亡
死亡人数比上年增加了22.6% 主要集中于居住场所 2
.同时 学校㊁医院㊁商场市场㊁宾馆饭店㊁文
化娱乐㊁交通枢纽㊁大型综合体都是火灾频发的重点.大型高层建筑物分布集中且结构复杂以及人群密集 为消防救援带来了诸多不便.同时 复杂的火场环境对救援人员的生命安全造成了极大威胁.2001年 美国 911 事件中343名消防员丧生 主要原因是消防救援人员无法获知自己确切的位置 导致无法从即将倒塌的大楼内逃生 3 .在我国
2007年至2014年 已经有633名消防救援人员在火场救援行动中牺牲 中国消防救援人员由于窒息和中毒原因造成殉职占比15.9% 4 .火灾环境复杂多变 通信中断 消防救援人员与后台指挥人员均无法在短时间内清晰地了解救援现场 很难及时掌握室内结构布局及自身所处具体位置 从而降低了救援与自救的效率 很大程度上导致了上述事故的发生.
在室内火场救援过程中 由于全球卫星导航
系统 Global Positioning System GPS 失效 消防救
援人员或后台指挥人员均无法在短时间内及时完成对于消防救援人员位置信息的获取 这给消防救援人员的救援及自救造成了障碍.如果可获得实时获取消防救援人员室内作业时的位置信息 一方面消防救援人员能将位置所搜集的信息与后台指挥人员共享 根据实时情况 指定最优方案 减少盲目搜寻的时间 进而能够提高救援效率 另一方面 消防救援人员一旦遇到危险 其他救援人员可根据其位置信息迅速开展救援 进而为救援
222㊀燕山大学学报2023
人员自身安全提供了进一步保障.针对以上问题本文中给出了可穿戴式消防救援人员室内作业定位系统的整体方案并对系统中的重要模块和关键技术进行了介绍.在无法使用GPS的室内火场环境中该定位系统仍可提供消防救援人员的精确位置信息提高救援效率并为救援人员提供安全保障.
1　相关研究
目前国内外研究的应急救援定位系统中主要采用GPS㊁外置信源室内定位及天然信源室内定位等技术实现对于人员或者设备的辅助定位导航与安全保护.
GPS能够提供全天候的实时定位且设备款式多㊁灵活性强但由于GPS易受环境因素的影响例如在地下停车场㊁复杂建筑物内部等地方信号易被建筑墙壁遮挡导致信号急剧衰减从而无法收到信号实现有效定位 5 .因此该技术目前主要应用于室外开阔场景应急救援中在室内火灾应急救援中并不适用.
外置信源室内定位技术得到了广泛的应用例如文献 6提出了基于超宽带Ultra Wide Band UWB的室内定位技术文献 7提出了基于建筑物内可见光源的室内无线定位技术与此同时基于Wi-Fi设备的无线定位感知技术 8 也得到了广泛应用.以上述外置信源设备作为架构基础的定位系统在各种室内应用场景中取得了良好的应用效果满足了多种不同应用的位置服务需求.然而在室内火灾现场救援过程中火灾和建筑物坍塌对于上述被动定位设备极大可能造成损坏导致定位系统无法继续正常工作不能为消防救援人员提供准确的位置信息.
相比于外置信源定位技术天然信源室内定位技术主要是通过人员或者设备佩戴或者安装相关装备利用某些与位置相关的天然信源之间的映射关系以获得自身位置信息的定位技术.目前应用较多的天然信源室内技术主要包括视觉同步定位与地图构建技术定位Simultaneous Localization And Mapping SLAM 9-10 ㊁激光SLAM 定位 11-12 和惯性定位 13-14 .视觉SLAM技术利用相机获取环境信息并将场景信息投影成为二维图像利用计算机视觉技术提取二维图像的视觉特征初始化导航系统通过帧与帧之间的几何约束关系推算获得当前帧的位置.在由地震㊁海啸等灾害引起的房屋塌陷等应急救援场景中视觉
SLAM技术可以获得较好的应用效果但是对于室内火灾救援环境由于浓烟㊁浓雾的影响基于视觉SLAM获取位置信息的效果将受到较大的影响.与之相比激光SLAM技术利用激光雷达设备对作业环境进行扫描通过进行点云匹配实现高精度定位并获得二维或者三维的空间地图激光雷达对于周围环境的探测基本不会受到光照变化和尺度的影响可以实现对于周围大框架结构环境的成像.但是激光雷达不利于处理激进的移动或重复的结构容易出现失效情况因此单独使用激光SLAM对于消防救援人员室内作业定位鲁棒性不强.
随着微机电技术Micro-Electro-Mechanical Systems MEMS 的发展惯性测量单元Inertial Measurement Unit IMU 的尺寸可以大幅度较小从而满足可穿戴化室内定位的需求IMU可以输出加速度㊁角速度等信息一般通过二次积分获得速度㊁位置㊁航向或者根据步长模型计算得到步长进而推算下时刻位置.经实验测试与消防救援人员反馈佩戴小尺寸的IMU装备方便灵活对于救援作业不会产生额外的负担.对于佩戴人员IMU可以满足平稳步行室内定位的需求但是在室内复杂火场环境救援过程中采用不同姿态㊁不同步速完成搜救任务时将会产生较为严重的惯性导航累计误差.
对于IMU室内定位导航误差目前主要可以采用IMU自身信号处理和多模态感知信息融合两种补偿与校正方案.前者主要是采用姿态识别 15 ㊁零速修正 16 等技术对于IMU输出的信息进行进一步的分析与处理根据不同应用场景设计相应的处理机制实现对于定位误差的补偿与校正保障实时定位精度.后者则是采用多IMU或者IMU与其他定位技术进行组合实现感知信息融合提高定位信息输出的准确性例如基于IMU与Wi-Fi 或UWB定位技术的信息融合定位方案可以有效发挥外置信源定位和天然信源定位各自的优势但是如上文所述外置信源定位技术在室内火灾救援中应用存在较大的局限性.同时文献 17提出了采用SLAM辅助GPS定位提供双天然信源
第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计223
㊀
信息融合定位方案文献 18提出采用SLAM和IMU两种室内天然信源定位系统进行信息融合实现对于煤矿井下移动机器人的定位服务结合IMU与SLAM的优势并在矿井环境中取得了良好的定位效果.然而相对于机器人定位消防救援人员的运动姿态与活动规律会使IMU产生更大的累积误差如果仅采用SLAM进行融合信息校正仍会产生较大的定位误差.在室内消防救援中通常需要采用自身信号处理进行补偿与校正进而根据不同应用需求选择合适的辅助方式通过多模态感知信息融合补偿与校正方案实现对于IMU惯性导航性能的提升.因此本文将对基于IMU的消防救援人员室内作业定位系统进行论述针对多房间大型高层建筑火场环境救援给出了激光SLAM辅助IMU以提高位置服务精度的方案并对于其中采用的姿态识别和信息融合技术进行重点论述.
2㊀定位系统总体与关键模块设计
2.1㊀总体方案设计
如图1所示定位系统由硬件系统㊁软件系统㊁管理平台部分构成硬件设备采用本实验室自研的小型化MEMS IMU器件和激光雷达基于IMU定位信息与采集系统㊁激光雷达三维建模系统实现对于初始位置信息的采集与处理并基于腕带个人数字助理Personal Digital Assistant PDA 应用系统为消防救援人员提供可视化位置服务.同时通过无线通讯技术可将消防救援人员位置信息回传至定位服务后方管理平台方便于指挥团队根据相关信息进行任务部署.其中足部捆绑式惯性导航模块和激光雷达辅助模块为实现多房间大型高层建筑火场消防救援人员定位的关键模块.
2.2㊀关键模块设计
通常情况下惯性导航模块通过传感器内部的加速度计与陀螺仪能够迅速捕捉到消防救援人员的运动状态.惯导系统的定位结果由多次积分获得运动误差与时间的三次方呈正比.因此系统中有必要对误差进行修正.随着零速修正技术在惯导系统中的应用导航定位精度提高了两个数量级有效降低了误差的累计.
本系统采用足部绑定的方式固定惯性导航模块将IMU安装于足部利用本实验室研究的改进零速修正算法可大幅减小积分后的定位误差获得较高的定位精度 16 .根据不同场景与装备需求可以采用单足捆绑模式或者双足捆绑模式
.
图1㊀消防救援人员室内作业定位系统总体设计图
Fig.1㊀Overall design of indoor rescue positioning
system for firefighters
㊀㊀与其他室内定位不同火场环境更加混乱复杂尤其是对于多房间大型建筑相关测试表明如果采用纯IMU定位方式很有可能在较小惯性定位误差的情况下由于房间结构的原因消防救援人员仍会出现 进错门的情况未能进入目标房间.因此结合一线消防救援人员反馈意见与建议本研究借助激光雷达辅助惯性导航获取火灾房屋内各房间的准确绝对位置降低误入房间的可能性并且可以利用房屋的结构特性有效校正IMU在定位过程中积累误差.
在激光雷达进行辅助过程中其主要作用在于通过对门窗等室内建筑中局部特征结构的识别获取局部的绝对结构.因此需要确定门窗的点云特征然后进行在线识别以辨识复杂火场环境中的门窗结果.对于门窗结构的识别可以采用深度学习的方法通过线下数据集标注根据相关的网络模型进行训练.但是由于火灾会对建筑物内结构产生一定的影响而火灾后的建筑环境激光雷达数据集相对不易获取因此针对严重火灾建筑物中的门窗结构识别需要采用迁移学习 19 的方
224㊀燕山大学学报2023
式进行研究
.图2㊀激光雷达成像效果图
Fig.2㊀LiDAR imaging rendering
3㊀定位系统关键技术设计
如上所述 需采用姿态识别和信息融合技术对于IMU 惯性定位进行误差校正与补偿 因此如何实现有效可靠的姿态识别和信息融合技术直接影响到整个定位系统的性能 是消防救援人员室内作业定位系统中两大关键技术.本节中将对基于改进支持向量机 Support Vector Machine SVM
方法的姿态分类与识别和基于卡尔曼滤波的信息融合算法进行论述.
3.1㊀基于改进SVM 方法的姿态分类与识别
消防救援人员在作业过程中的各种动作会为IMU 带来较多的累积误差.通过姿态识别分类 对如快走㊁慢走㊁慢跑㊁快跑㊁上下楼㊁匍匐等姿态进行分类 然后根据不同姿态识别进行位置信息解算输出 则可以大幅度减少IMU 误差累积 即可以通过提供物体实时方向估计来补偿这些误差 提高估计方向的准确性.同时 姿态识别也便于后台指挥人员实时掌握消防救援人员的工作状态.因此 姿态分类与识别是实现消防救援人员室内作业精确定位的关键技术之一.姿态分类与识别算法的过程实质是将待识别的姿态序列与标注样本已知的序列进行匹配 通过一定的判别算法和依据 决定它所属的类别 20 .在姿态识别中 可以基于IMU 加速度输出 通过提取平均值㊁标准差㊁步
频㊁四分位距㊁步速等时频域信息以表征姿态特征.特征姿态识别算法的准确性以及实用性与整个系统的设计有着密切的关系 在本文系统设计中采用了SVM 类方法进行分类判别.
传统SVM 是一种建立在统计机器学习基础上的在线监督学习线性分类器 其算法通过构建凸优化问题 获得全局最优解 因此可以避免神经网络分类器㊁遗传算法分类器等其他机器学习分类器中存在的过度学习和陷入局部最优值等问题.但是在进行大规模非线性分类训练的情况下 传统SVM 需通过核函数将样本从原始空间映射到一个更高维的特征空间以满足样本的线性可分 由于映射函数无法显式表示 将导致特征空间的维度无法控制 甚至出现无穷维度 提高了算法
的时间复杂度.然而 消防救援人员在火场救援作业中 需要对于运动姿态进行快速识别以保证后续位置服务信息的实时性.同时 消防救援人员经常会采用一些与日常运动姿态有差异的运动姿态以保证在复杂的火场环境中开展救援工作 采用传统SVM 也会因为样本集封闭的原因 导致鲁棒性较差 进而产生一定的姿态识别偏差.因此 传统SVM 并不适合直接应用于消防救援人员室内作业姿态分类与识别.
针对上述问题 本文采用了随机傅里叶特征变换 通过找到合适的映射函数z 来近似原先的映射函数 其表达式为 21
z a i =
2σ2d RF sin h T 1a i cos h T 1a i
︙
sin h T
d RF /2a i cos h T d RF /2a i éëêêêêêêêêùû
úú
úúúúúú 1
式中 a i 为d 维输入特征集A 中的数据 h u 为d ˑ1维服从高斯分布且相互独立的随机生成的矩阵 其中u =1 2 d RF d RF 为随机傅里叶特征变换的维度 σ为核带宽 z a i 为a i 在输出特征集Z 中的映射.显然 与原先的SVM 的映射函数相比 z 维度可控 在新的特征空间中训练线性学习器 平均时间复杂度将会有效降低 在线识别速度可以大幅度降低.
因此 在本文设计的姿态识别算法中 如图3所示 首先在离线训练和在应用过程中基于式 1
第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计225
㊀将姿态特征集进行随机傅里叶变换 将特征数据转换至Z 域后 进行训练与姿态识别.在训练过程中 通过黄金分割线搜索与梯度下降方式对分类器权重W 与其分离间隔ρ进行寻优 通过多次迭代学习 最终生成姿态识别分类器.在实际应用过程中 系统中采用了串行匹配的方式进行姿态识别 基于单类SVM 模式实现对于姿态动作的判断 实时输出姿态类型.在姿态配过程中 为了进一步提高识别速率 可以采用多臂老虎机框架 22 构建价值函数实现对于姿态匹配顺序进行实时排
序 进一步缩短串行搜索时间 提高识别效率
.图3㊀基于改进SVM 实现姿态识别计算流程Fig.3㊀Calculation flow chart of themodified
SVM-based posture recognition
3.2㊀基于卡尔曼滤波的信息融合算法
本文主要针对多房间大型高层建筑火场环境救援进行分析 在系统设计中采用激光SLAM 辅助IMU 基于多模态信息融合方式 提高定位系统在辨识房间结构时的能力 降低 走错门 的概率 提高定位精度.信息融合技术是根据不同需求实现对于两 多 类信息的融合输出 该输出决定了位置信息的最终结果 多模态信息融合是实现消防救援人员室内作业精确定位的另一关键技术.目前 卡尔曼滤波被广泛应用于多模态信息融合技术 其原理可解释为基于贝叶斯定理 通过状态方程与观测方程迭代实现的一种观测噪声去除方式 即在信息融合算法中通过降低测量噪声 以降低对于IMU 误差.常见的离散型卡尔曼滤波框架 23 由运动方程和观测方程组成 其具体形式为
X t =F t t -1X t -1+G t t -1W t -1Z t =H t X t +V t
{
2
其中 X t 和X t -1分别为两个不同连续时刻的状态向量 Z t 为系统在t 时刻的观测向量 F t t -1是系统从t -1到t 时刻的状态转移矩阵 G t t -1为系统从t -1到t 时刻的噪声输入矩阵 H t 为系统在t 时刻的观测矩阵 W t -1和V t 分别为系统在t -1时刻的运动噪声和t 时刻的观测噪声 两者假设为互不相关㊁均值为零的高斯随机白噪声.传统的卡尔曼滤波只适用于线性系统 即如式 2 所示.t -1和t 时刻的状态向量之间以及t 时刻的状态向量与观测向量之间均呈线性关系.然而 由于消防救援人员在火场中的采用IMU 进行位置解算时存在很大程度的非线性特性.因此 本文在系统设计过程中采用了扩展卡尔曼滤波算法以实现非线性系统下的信息融合 即将t 时刻的位置信息输出表示为
X t =f X t -1 +W t -1Z t =h X t +V t
{
3
式中 f 和h 分别表示t -1时刻状态和t 时刻的状态向量之间以及t 时刻的状态向量与观测向量之间非线性关系.本文中定位系统提供的位置信息包括位置㊁速度㊁欧拉角9维向量 并采用直接式扩展卡尔曼滤波框架.在扩展卡尔曼滤波
算法中 利用泰勒展开将非线性关系转化为近似的线性化关系 在实际应用中可利用雅可比矩阵以表示扩展卡尔曼滤波中参数的更新 基于扩展
226㊀燕山大学学报2023
卡尔曼滤波的IMU与激光雷达输出信息融合定位信息获取可简述为如下步骤.
步骤1 获得t时刻的状态向量的估计值X^
t t-1预测方程表示为X^
t t-1=f X t-1 4 式中f 根据IMU运动关系进行表征具体表征方式详见文献 24 .
步骤2 获得t时刻预测系统误差协方差矩阵P^
t t-1预测方程表示为
P^
t t-1=FP t-1F T+Q t5式中F为f 的雅可比矩阵Q t为系统噪声W t 的方差矩阵.
步骤3 更新t时刻卡尔曼滤波增益矩阵K t 对应表达式为
K
t=P^t H T HP^t H T+R t-1 6 其中H为激光雷达观测量Z t和状态向量X t间关系函数h 的雅可比矩阵R t为激光雷达观测误差方差矩阵.
步骤4 更新t时刻状态向量X t对应的表达式为
X
t=X^t+K t Z t-HX^t 7 其中在使用零速检测环节的情况下如果检测到消防救援人员处于静止状态则令
Z v
t=v x v y v z T=000T 8 式中Z v t表示激光雷达的速度观测子向量.
步骤5 更新t时刻系统误差协方差矩阵对应表达式为
P
t=1-K t H P^t1-K t H T+K t QK t. 9 4　应用测试及结果分析
本文研究的消防救援人员室内作业定位系统在东北大学秦皇岛分校基础楼进行了相应的测试如图4所示.实验采用实验室自主开发的MEMS IMU 该IMU集成了三轴加速度计和三轴陀螺仪 16 捆绑于消防救援人员左足同时选用低成本RPLIDAR A1激光雷达进行辅助.
如图5所示实验路线中由直线轨迹㊁弧形轨迹㊁直线往返轨迹㊁弧形闭合轨迹等组成并在期间进入3个独立房间由图中可以看出从运动开始到走出1号门之前在相对宽敞的环境下单独的IMU在复杂运动轨迹跟踪方面表现出了很好的性能.但是由于未使用激光雷达进行辅助在走出1号门后只使用IMU的提供轨迹信息便出现了与参考轨迹间的较大偏差.而对于激光雷达辅助IMU进行信息融合定位而言在初期激光雷达失效时并未对行动轨迹产生较大影响同时在激光雷达起效时通过激光雷达的辅助消防救援人员可以有效避免 走错门现象的出现并且融合轨迹在依次进入3个房间后仍与参考轨迹基本重合体现出很好的定位精度
.
图4㊀实验场景图
Fig.4㊀Experimental
scene
图5㊀实验测试轨迹图
Fig.5㊀Experimental test trajectory
㊀㊀从整体实验过程来看存在多种运动轨迹且需要进出房间的情况下单独IMU的整体运动绝对定位误差为1.2942m 相对定位误差为3.042%.与之相比激光雷达辅助IMU的整体运动绝对定位误差为0.222m 相对定位误差为0.522% 可以满足实际中的定位需求.
第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计227
㊀
5　结论
本文设计了一种适用于室内火场救援的定位系统为消防求援人员与后台指挥人员提供准确的位置服务.重点针对多房间大型建筑救援场景采用改进SVM方法进行姿态识别结合卡尔曼滤波技术实现考虑零速检测的信息融合实现了激光雷达辅助IMU定位方案从而提高了多房间大型建筑中消防人员定位精度并有效降低救援人员 走错门的概率.实验结果表明所设计的定位系统可以基本满足实际中的定位需求.在今后研究中本课题将对低复杂度的分布式多模态信息融合方法进行研究以实现多模态融合定位满足更多和更复杂室内火场救援场景实际应用需求并对其效果在消防救援演练中进行相关测试验证.
参考文献
1肖方.近10年全国发生居住场所火灾132.4万起造成11634人遇难6738人受伤直接财产损失77.7亿元 J .中国消防2022 2 10-11.
XIAO F.Over the past10years there have been1 324 000 residential fires across the country resulting in11 634fatalities and6 738injuries.The direct property loss was RMB7.77billion J .China Fire 2022 2 10-11.
2国家消防救援局.2021年消防接处警创新高扑救火灾74.5万起 EB/OL .2022-01-20 2022-12-16 .https //www.119. /gk/sjtj/2022/26442.shtml.
National Fire and Rescue Administration.In2021 firefighting and emergency response reached a new high with745 000fires being put out EB/OL .2022-01-20 2022-12-16 .https //www. /gk/sjtj/2022/26442.shtml.
3U.S.Fire Administration.Abandoned cold storage warehouse multi-firefighter fatality fire worcester USFA-TR-34 R . Emmitsburg U.S.Fire Administration 1999.
4康茹.消防队员作业安全事故原因分析及对策研究 D .北京中国矿业大学2018.
KANG R.Study on the causes and countermeasures of fire-fightersᶄoperation safety accidents D .Beijing China University of Mining&Technology 2018.
5邓中亮尹露唐诗浩等.室内定位关键技术综述 J .导航定位与授时2018 5 3 14-23.
DENG Z L YIN L TANG S H et al.A survey of key technology for indoor positioning J .Navigation Positioning and Timing 2018 5 3 14-23. 6YIN Z JIANG X YANG Z et al.WUB-IP a high-precision UWB positioning scheme for indoor multiuser applications J . IEEE Systems Journal 2019 13 1 279-288.
7LIU X WEI X GUO L.DIMLOC enabling high-precision visible light localization under dimmable LEDs in smart buildings J . IEEE Internet of Things Journal 2019 6 2 3912-3924.
8WU D ZENG Y ZHANG F et al.WiFi CSI-based device-free sensing from Fresnel zone model to CSI-ratio model J .CCF Transactions on Pervasive Computing and Interaction 2022 4 1 88-102.
9ZHOU Y GALLEGO G SHEN S.Event-based stereo visual odometry J .IEEE Transactions on Robotics 2021 375 1433-1450
10冯一博张小俊王金刚.适用于室内动态场景的视觉SLAM 算法研究 J .燕山大学学报2022 46 4 319-326. FENG Y B ZHANG X J WANG J G.Research on visual SLAM algorithm suitable for indoor dynamic scenes J .Journal of Yanshan University 2022 46 4 319-326.
11ZHENG Y J XIE Z H LI Y G.Spatial vibration of rolling mills J .Journal of Materials Processing Technology 2013 2134 581-588.
12WEN W HSU L T.AGPC-SLAM Absolute ground plane constrained3D LiDAR SLAM J .NAVIGATION Journal of the Institute of Navigation 2022 69 3 527.
13FOXLIN E.Pedestrian tracking with shoe-mounted inertial sensors J .IEEE Computer Graphics and Applications 2005 25 6 38-46.
14BAI N TIAN Y LIU Y et al.A high-precision and low-cost IMU-based indoor pedestrian positioning technique J .IEEE Sensors Journal 2020 20 12 6716-6726.
15YANG S XING L LIU W et al.Robust navigation method for wearable human-machine interaction system based on deep learning J .IEEE Sensors Journal 2020 20 24 14950-14957. 16季晓伟崔建民冯立辉等.运动轨迹对行人导航定位误差的影响 J .自动化与仪器仪表2022 5 6-10.
JI X W CUI J M FENG L H et al.Effect of motion trajectory on positioning error of pedestrian navigation J .Automation& Instrumentation 2022 5 6-10.
17KISS-IllÉS D BARRADO C SALAMÍE.GPS-SLAM an augmentation of the ORB-SLAM algorithm J .Sensors 2019 19 22 4973.
18杨林马宏伟王岩.基于激光惯性融合的煤矿井下移动机器人SLAM算法 J .煤炭学报2022 47 9 3523-3534. YANG L MA H W WANG Y.LiDAR-inertial SLAM for mobile robot in underground coal mine J .Journal of China Coal Society 2022 47 9 3523-3534.
19HE H KHOSHELHAM K FRASER C.A multiclass TrAdaBoost transfer learning algorithm for the classification of mobile LiDAR data J .ISPRS Journal of Photogrammetry and Remote Sensing。