一种复杂运动状态下行人单步划分方法与流程

1.本发明属于基于微惯性传感器的行人导航技术领域，具体涉及一种复杂运动状态下行人单步划分方法。


背景技术：

2.单步划分是行人基于惯性信息进行航位推算的基础，具体方法包括峰值检测法、阈值法、滑动均值法等。传统的行人航位推算技术在利用峰值检测法进行单步划分时，需要找到加速度或角速度的波峰点，相邻两个峰值间视为一步，但是行人在非行进运动状态也存在波峰，同时在行进状态下存在伪峰干扰，不利于提高划分精度。


技术实现要素：

3.本发明的目的在于提出了一种复杂运动状态下行人单步划分方法，可以有效提高行人单步划分精度和航位推算精度，解决非行进运动对进行过程中单步划分的干扰问题。
4.为了实现上述目的，本发明采用的技术方案如下：
5.本发明提供了一种复杂运动状态下行人单步划分方法，包括如下步骤
6.采集多种行进状态和非行进状态下加速度和角速度数据；
7.计算垂向加速度进行过零检测，基于过零点提取加速度的波峰值和波谷值；
8.基于步态周期的经验值建立时频约束，基于加速度峰值的最小门限建立幅值约束，判断加速度峰谷之间的时间差、加速度幅值是否满足两种约束条件；
9.基于蹲起过程中的俯仰角变化的经验值建立俯仰角约束，根据角速度数据计算俯仰角，判断俯仰角是否满足约束条件；
10.基于跳跃过程中的加速度变化的经验值建立二维加速度约束，计算前向和垂向加速度，判断两个方向的加速度是否满足约束条件；
11.通过上述约束条件判断包含波峰、波谷的两相邻过零点区间内是否包含有效单步并进行划分。
12.进一步地，所述行人单步划分方法还包括采用动态滑动窗法更新单步检测区间。
13.进一步地，所述判断包含波峰、波谷的两相邻过零点区间内是否包含有效单步的方法为：若两相邻区间内采集数据满足时频约束和幅值约束，但不满足俯仰角约束和二维加速度约束，该两相邻区间内包含有效单步；若两相邻区间内采集数据不满足时频约束、幅值约束中的至少一项，或者满足俯仰角约束、二维加速度约束中的至少一项，该两相邻区间内不包含有效单步。
14.进一步地，所述行进运动包括步行、跑步，所述非行进运动包括晃动、原地转圈、蹲起、原地跳跃。
15.进一步地，所述过零检测方法具体包括
16.计算t时刻的垂向加速度为
17.18.其中，为t时刻采集到的垂向加速度，g为当地标准重力加速度；
19.当满足如下条件时：
20.a
t
‑
t
a
t
≤0
21.记a
t
为即为过零点，对应的时刻为过零时刻，依次计算过零点为过零时刻，依次计算过零点及相应过零时刻t为采样周期。
22.进一步地，所述提取加速度的波峰值和波谷值的方法包括
23.找出两个过零点区间内加速度信号的峰值与谷值及相应过零时刻
[0024][0025]
其中，|a
t
|
max
表示该过零点区间内加速度绝对值最大值，s1、s2分别为正负符号。
[0026]
进一步地，所述时频约束为
[0027][0028]
其中，th
上
、th
下
为步态周期上下限经验值；
[0029]
所述幅值约束为
[0030][0031]
其中，a
exp
表示加速度峰值最小门限，a
d
表示峰谷差值最大门限。
[0032]
进一步地，所述俯仰角约束为
[0033][0034]
其中，pitch
init
为人体站立时的初始俯仰角，pitch
t
为t时刻利用采集到的角速度所解算出的俯仰角，(pitch
t
)
min
为俯仰角pitch
t
在区间上最小值，d
exp
为经验阈值。
[0035]
进一步地，所述二维加速度约束为
[0036][0037]
其中，a
xt
为t时刻行人的前向加速度，和分别为和在区间上的最大值，m
exp1
和m
exp2
为经验阈值。
[0038]
进一步地，如果区间内包含有效单步，将相邻波峰点之间划分为一个单步，下一个检测区间更新为如果区间内不包含有效单步，下一个检测区间更新为
[0039]
本发明与现有技术相比的有益效果：
[0040]
本发明提出了一种复杂运动状态下行人单步划分方法，该方法通过引入时频约束、幅值约束、俯仰角约束和二维加速度约束大幅度提升单步划分精度，实现复杂运动状态下行人高精度航位推算。
附图说明
[0041]
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]
图1为本发明具体实施例提供的复杂运动状态下行人单步划分方法的原理图。
具体实施方式
[0043]
下面对本发明的具体实施例进行详细说明。在下面的描述中，出于解释而非限制性的目的，阐述了具体细节，以帮助全面地理解本发明。然而，对本领域技术人员来说显而易见的是，也可以在脱离了这些具体细节的其它实施例中实践本发明。
[0044]
在此需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与本发明的方案密切相关的设备结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
[0045]
单步划分是行人基于惯性信息进行航位推算的基础。在复杂运动状态下，为了排除各类非行进运动模式的干扰，本发明引入时频约束与幅值约束两种条件判断加速度峰谷值区间是否为有效单步，并提出俯仰角约束和二维加速度约束对偶发式的蹲起和原地跳跃等非行进运动进行区分，能够大幅度提升单步划分精度。该方法尤其适用于解决复杂运动状态下行人高精度定位导航应用需求。
[0046]
本发明的基本原理为：将微惯性传感器绑定于腰部，采集多种行进状态和非行进状态下加速度和角速度数据；利用垂向加速度信号进行过零检测，基于过零点提取波峰和波谷的值；基于步态周期的经验值引入时频约束，基于加速度峰值的最小门限引入幅值约束，判断峰谷值是否满足两种约束条件；基于采集到的角速度数据计算俯仰角，引入俯仰角约束判断行人是否处于蹲起状态；基于采集到的前向和垂向加速度信息引入二维加速度约束，判断行人是否处于原地跳跃状态；基于4种判别条件判断区间内是否包含有效单步并进行划分，同时采用动态滑动窗法更新单步检测区间。
[0047]
本发明提供了一种复杂运动状态下行人单步划分方法，具体包括如下步骤：
[0048]
采集多种行进状态和非行进状态下加速度和角速度数据；
[0049]
计算垂向加速度信号进行过零检测，基于过零点提取加速度信号的波峰值和波谷值；
[0050]
基于步态周期的经验值建立时频约束，基于加速度峰值的最小门限建立幅值约束，判断加速度峰谷之间的时间差、幅值是否满足两种约束条件；
[0051]
基于蹲起过程中的俯仰角变化的经验值建立俯仰角约束，根据角速度数据计算俯仰角，判断俯仰角是否满足约束条件；
[0052]
基于跳跃过程中的加速度变化的经验值建立二维加速度约束，计算前向和垂向加速度信息，判断两个方向的加速度是否满足约束条件；
[0053]
通过上述约束条件判断包含波峰、波谷的两相邻过零点区间内是否包含有效单步并进行划分。
[0054]
判断是否包含有效单步的方法为：若两相邻区间内惯性数据满足时频约束和幅值约束，但不满足俯仰角约束和二维加速度约束，该两相邻区间内包含有效单步，若两相邻区间内惯性数据不满足时频约束、幅值约束中的至少一项，或者满足俯仰角约束、二维加速度约束中的至少一项，该两相邻区间内不包含有效单步。
[0055]
同时，上述复杂运动状态下行人单步划分方法还可以采用动态滑动窗法更新单步检测区间。
[0056]
下面结合一个具体实施例对本发明的技术方案进行详细阐述。如图1所示，具体方法如下：
[0057]
(1)惯性数据采集
[0058]
将微惯性传感器绑定于行人腰部，采集多种行进运动状态和非行进运动状态下的原始惯性数据，其中行进运动包括步行、跑步等动作，非行进运动包括晃动、原地转圈、蹲起、原地跳跃等动作。
[0059]
(2)过零检测
[0060]
计算t时刻扣除重力加速度的垂向加速度为：
[0061][0062]
其中，为t时刻采集到的垂向加速度，g为当地标准重力加速度。用t表示采样周期，当满足如下条件时：
[0063]
a
t
‑
t
a
t
≤0
[0064]
记a
t
为即为过零点，对应的时刻为过零时刻。依次缓存并记录相应时刻
[0065]
(3)提取峰谷值
[0066]
找出两个过零点区间内加速度信号的峰值与谷值并记录相应时刻正负符号s1和s2，即：
[0067][0068]
其中，|a
t
|
max
表示该区间内加速度绝对值最大值。
[0069]
(4)多条件幅频检测
[0070]
为了排除原地晃动、转圈等非行进运动模式的干扰，同时避免因身体抖动带来的虚检测和局部伪值的误检测，基于找到的加速度峰谷值，引入时频约束和幅值约束两种条件判断有效单步。由于加速度峰谷之间的时间差为单步周期的一半，所以时频约束为：
[0071][0072]
其中，th
上
、th
下
为步态周期上下限经验值。
[0073]
有效单步的幅值约束为：
[0074][0075]
其中，a
exp
表示加速度峰值最小门限，a
d
表示峰谷差值最大门限。
[0076]
行人的非行进运动模式包括蹲起和原地跳跃等动作，其幅度较大，规律性较强，原始惯性数据波形的周期、峰值大小和峰值对称性等特征容易与行进式运动模式混淆，因此在过零区间多条件幅频检测基础上引入俯仰角约束和二维加速度约束，排除非行进运动模式的干扰，具体为步骤(5)和步骤(6)。
[0077]
(5)俯仰角约束
[0078]
为排除原地蹲起动作的影响，引入俯仰角约束。记pitch
t
为t时刻利用采集到的角速度所解算出的俯仰角，俯仰角约束为：
[0079][0080]
其中，pitch
init
为人体站立时的初始俯仰角，(pitch
t
)
min
为俯仰角pitch
t
在区间上最小值，d
exp
为经验阈值。如果过零区间同时满足多条件幅频约束和俯仰角约束，表明行人处于原地蹲起状态，不包含有效单步。
[0081]
(6)二维加速度约束
[0082]
为排除原地跳跃动作的影响，引入二维加速度约束。记a
xt
为t时刻行人的前向加速度，则二维加速度约束为：
[0083][0084]
其中，和分别为和在区间上的最大值，m
exp1
和m
exp2
为经验阈值。如果过零区间同时满足多条件幅频约束和二维加速度约束，表明行人处于原地跳跃状态，不包含有效单步。
[0085]
(7)单步检测区间更新
[0086]
利用动态滑动窗方法更新单步检测的过零区间，分为包含有效单步和不包含有效单步两种情况：
[0087]
如果区间内的惯性数据满足时频约束和幅值约束，但不满足俯仰角约束和二维加速度约束，表明行人处于行进运动状态，该区间内包含有效单步，将相邻波峰点之间划分为一个单步，下一个检测区间更新为
[0088]
如果区间内的惯性数据不满足时频约束或幅值约束，或在满足幅频约束的基础上又满足俯仰角约束或二维加速度约束，表明行人处于非行进运动状态，该区间内不包含有效单步，下一个检测区间更新为
[0089]
在更新完检测区间后，重复步骤(2)～(6)，以此类推实现单步划分。
[0090]
为排除各类非行进运动模式的干扰，本发明基于时频约束和幅值约束两种条件提
出过零区间多条件幅频检测法，同时结合俯仰角约束和二维加速度约束对易混淆的非行进动作进行区分，进一步提高单步划分精度。本发明提出的行人单步划分方法，极大提升了复杂运动状态下的行人航位推算精度。
[0091]
如上针对一种实施例描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施例中使用，和/或与其它实施例中的特征相结合或替代其它实施例中的特征使用。
[0092]
应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤、组件或其组合的存在或附加。
[0093]
这些实施例的许多特征和优点根据该详细描述是清楚的，因此所附权利要求旨在覆盖这些实施例的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施例限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
[0094]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0095]
本发明未详细说明部分为本领域技术人员公知技术。