行人场景下的GPS和IMU融合定位算法
 
 
Go to file
詹力 f77aeb5ab8 update. 2023-12-02 22:46:06 +08:00
1.Software update. 2023-12-02 22:46:06 +08:00
2.Dataset update. 2023-12-02 22:46:06 +08:00
3.BackUp update. 2023-12-02 22:46:06 +08:00
4.Docs update. 2023-12-02 22:46:06 +08:00
5.Image update. 2023-12-02 22:46:06 +08:00
6.Output update. 2023-12-02 22:46:06 +08:00
.gitignore 精简PDR的版本,重构代码 2022-09-17 01:12:48 +08:00
README.md 更新README文档 2022-10-19 23:12:12 +08:00

README.md

PDR算法总结

一、PDR算法核心优化

PDR算法核心优化在于运动学约束。一般的GNSS芯片无法确定物体是如何运动的所以GNSS芯片也不会对位置预测采取过多的运动学约束。

1.1 利用IMU对PDR的方向优化

当惯性器件提供的方向比较稳定的时候我们很容易就利用惯性器件提供的偏航角结合计步器提供的步数对位置进行推算然后融合GNSS提供的位置得到最优的位置估计。

1.2 利用GNSS提供的航向角进行优化

当某些场景惯性器件无法提供准确的方向的时候如用户戴着手表跑步的时候。在这类场景中惯性器件对方向的估计精度就会比较差这个时候可以利用GNSS提供的航向角进行约束。很多时候GNSS能够提供不错的航向角的估计但是位置的估计却没有那么准。如下图所示红色轨迹是PDR融合轨迹黄色是GPS原始轨迹。

image-20221019230229950 image-20221019230136833

可以看出黄色的GNSS轨迹提供的航向角是正确的但是其位置估计却有时候出现运动方向的垂直方向的移动这个和人体的一般运动学规律不是很符合。红色的GNSS轨迹是采用GNSS航向角进行位置推算得到的PDR轨迹PDR轨迹总是沿着行人的运动方向推算的不容易发生突然的横向移动。