基于光流和惯性辅助的行人运动参数估计方法研究

In recent years, pedestrian positioning has become a research focus in navigation and positioning field. Especially in complex urban canyons and indoor environments where GNSS receivers cannot provide accurate positioning results, an accurate and reliable pedestrian positioning method has gained great concerns from foreign and domestic research institutions. Pedestrian dead reckoning (PDR) is adopted to provide means of reducing the inertial error accumulation to the positioning solution by taking advantage of the sequential characteristics of pedestrian.motion instead of integral operation in traditional inertial navigation system (INS). However misalignment in pedestrian motion parameter estimation and lacking of online learning mechanism are still major error sources for PDR and have not been properly solved yet. Stemming from self-contained sensors signals of a smartphone platform and based on the characteristics that the attitude of the camera changes in high DOF during the low dynamical motion process of a pedestrian, this proposal suggests using and extending a particle filter mathematical model and pedestrian step length estimation OF-PGM algorithm as well as dynamic scale preserving and inertial signals assisted outlier detection.technique, in order to estimate attitudes, step length and heading model parameters simultaneously, and thus gain accurate motion parameters and position of the pedestrian by means of both optical flow and inertial information.

近年来，行人定位是导航领域的研究热点之一，特别是在GNSS定位失效的城市峡谷和室内等复杂环境中，精确且稳定地估计行人运动轨迹的定位方法成为国内外众多研究机构的关注焦点。行人航迹推算以行人运动的时序特征分析替代传统惯性导航中的积分机制，一定程度上抑制了累积误差并改善了行人定位性能。但是行人运动参数估计失准和在线学习机制缺失却一直是困扰行人航迹推算精确性和稳定性的主要问题。本课题面向智能手机中自包含传感器信号，根据行人低动态运动过程中摄像头姿态高自由度变化的特点，结合行人步长模型估计OF-PGM算法、动态尺度保持技术以及惯性辅助的离群点检测技术，提出利用并扩展粒子滤波参数估计数学模型，同时估算传感器姿态、行人步长和航向模型参数，从而实现光流与惯性信息相结合的行人运动参数估计，大幅提高行人定位精度。

近年来，行人定位是导航领域的研究热点之一，特别是在GNSS定位失效的城市峡谷和室内等复杂环境中，精确且稳定地估计行人运动轨迹的定位方法成为国内外众多研究机构的关注焦点。行人航迹推算以行人运动的时序特征分析替代传统惯性导航中的积分机制，一定程度上抑制了累积误差并改善了行人定位性能。但是行人运动参数估计失准和在线学习机制缺失却一直是困扰行人航迹推算精确性和稳定性的主要问题。本课题面向智能手机中自包含传感器信号，根据行人低动态运动过程中摄像头姿态高自由度变化的特点，结合行人步长模型估计OF-PGM算法、动态尺度保持技术以及惯性辅助的离群点检测技术，提出了利用并扩展粒子滤波参数估计数学模型，同时估算传感器姿态、行人步长和航向模型参数，从而实现光流与惯性信息相结合的行人运动参数估计，大幅提高行人定位精度。.随着项目的逐步开展，课题组围绕行人运动参数估计相关科学问题进行了深入研究，具体方向包括：行人航位推算和卫星融合定位算法、基于多模态语义信息的图像检索算法、利用图像检索和航位推算融合的室内定位算法、基于课程学习和注意力机制的行人再识别算法、水下视觉-惯性里程计算法及其高精度数据集、基于联合特征优化的水下视觉-惯性里程计算法、水下视觉-惯性里程计算法及其高精度数据集、基于联合特征优化的水下视觉-惯性里程计算法、基于TOF的光流定位系统、基于磁场特征和加速度信息计步的室内行人定位系统、基于低成本传感器和地图约束的行人航向推算系统等，取得了一系列重要研究成果，发表论文7篇，其中SCI论文5篇，EI论文2篇，获得授权发明专利4项。上述研究成果有效地解决了行人定位及导航领域的诸多瓶颈问题，为相关技术成果落地应用提供了强有力的支撑，也为后续新型定位导航技术的研究奠定了坚实的基础。