基于步态分类辅助的虚拟IMU的行人导航方法
当人体剧烈运动或撞到障碍物使足部惯性测量单元(Inertial Measurement Unit,IMU)超程时,行人导航系统无法有效地实现定位导航.针对此问题,提出了一种行人导航方法,构建由步态分类辅助的虚拟惯性测量单元(Virtual Intertial Mea-surement Unit,VIMU).此方法采用基于注意力的卷积神经网络(CNN)对常见的行人步态进行分类,以实际IMU实时采集的行人腿部和足部的惯性数据作为训练和测试样本.针对不同步态,分别建立了对应的ResNet-GRU混合神经网络模型,并根据这些模型构建足部VIMU,在足部实际IMU超程的情况下进行定位.实验表明,此方法能够有效提高基于零速度更新的行人导航系统在行人剧烈运动或与障碍物碰撞时的性能,从而增强系统在复杂和未知地形中的适应性.综合步态下的定位误差约为路径总长的1.43%,满足军用和民用的精度要求.
行人导航、步态分类、虚拟IMU构建、基于注意力的卷积神经网络、ResNet-GRU神经网络
49
O643;X703(物理化学(理论化学)、化学物理学)
南京师范大学江苏省大型科学仪器开放实验室开放课题
2022-06-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
759-763