针对单节点行人惯性定位算法中步长计算精度较低的问题,提出了一种基于多节点运动姿态信息融合的行人步长估计算法.首先,根据行走时足部节点Z轴加速度与X轴角速度的波峰、波谷值变化特征检测行人的步态;其次,通过腿部4个节点X轴角速度的波峰及波谷值变化特征,对足跟着地动作的识别进行约束;最后,结合行人双腿长度信息、步态检测结果及腿部俯仰角信息解算得到行人步长.实验数据表明,该步长估计算法能与身体多个部位的运动信息相结合,行人步长平均估计精度可达98.9％.

针对惯性器件长期工作出现累计误差的问题,该文提出了一种基于卡尔曼滤波(Kalman Filtering)算法的视觉辅助惯导定位算法,该算法利用视觉定位和惯导定位的互补性,以松耦合的方式将视觉数据和惯导数据在卡尔曼滤波器中融合,有效地降低了惯导的累计误差.经实验验证:该算法可以有效地抑制惯导的累计误差,为惯导能够在长时间工作中进行准确定位提供了保障.

为了解决行人多向行走模式识别中实时性差和识别精度不高的问题,提出了一种基于加速度时域斜率特征的多向行走识别算法,通过计算和分析z轴加速度波峰或波谷时刻行人运动方向加速度斜率大小,准确识别行人前进、后退、左移、右移多个方向的行走模式.结果 表明,本算法能实时识别行人每一步行走模式,平均识别精度在96％以上.