本文選題：行人導航 + 有限狀態(tài)自動機�。� 參考：《測繪學報》2017年03期

【摘要】：行人導航狀態(tài)的自動識別是行人導航研究的一個難點問題,對提升行人導航軟件服務的精準反饋與改善導航性能至關(guān)重要,此方面已有的研究工作很少。本文提出了一種基于有限狀態(tài)自動機的行人導航狀態(tài)匹配算法,其核心思想是在識別行人動作基礎上匹配行人當前導航狀態(tài)。利用谷歌眼鏡及智能手機采集的多種傳感器數(shù)據(jù)對行人動作進行識別,得到其動作特征參數(shù);然后將行人導航狀態(tài)分為熟悉、陌生及迷路3類,根據(jù)有限狀態(tài)自動機理論建立狀態(tài)轉(zhuǎn)移模型,設計基于該模型的行人導航狀態(tài)匹配算法;最后,實現(xiàn)狀態(tài)匹配算法,通過試驗對該算法的有效性進行驗證。試驗結(jié)果表明,該算法能夠較好地識別行人導航過程中的狀態(tài)轉(zhuǎn)移,其中對熟悉向陌生狀態(tài)轉(zhuǎn)移識別準確度較高,對迷路狀態(tài)識別準確度達到90%。
[Abstract]:Automatic recognition of pedestrian navigation state is a difficult problem in pedestrian navigation research. It is very important to improve the accurate feedback of pedestrian navigation software service and improve navigation performance. In this paper, a state matching algorithm for pedestrian navigation based on finite state automata is proposed. Its core idea is to match the current navigation state of pedestrians on the basis of identifying pedestrian movements. Using the data of various sensors collected by Google Glass and smart phone to identify the pedestrian movement and obtain its motion characteristic parameters, the pedestrian navigation status is divided into three categories: familiar, unfamiliar and lost. According to the theory of finite state automata, a state transition model is established, and a state matching algorithm for pedestrian navigation based on this model is designed. Finally, the state matching algorithm is implemented, and the validity of the algorithm is verified by experiments. The experimental results show that the algorithm can recognize the state transition in pedestrian navigation process, and the accuracy of recognition of familiar to unfamiliar state is higher, and that of labyrinth is 90%.
【作者單位】： 武漢大學測繪遙感信息工程國家重點實驗室;四川省第二測繪地理信息工程院;
【基金】：國家自然科學基金面上項目(413714420)~~
【分類號】：P208;P209

【相似文獻】

相關(guān)期刊論文 前5條

1 謝正衛(wèi);施俊;翟瑩;易忠;;幺半環(huán)上模糊有限狀態(tài)自動機積的覆蓋關(guān)系[J];數(shù)學的實踐與認識;2013年22期

2 柏明強,莫智文;兩類Fuzzy自動機的等價性[J];四川師范大學學報(自然科學版);2001年02期

3 朱維軍,李琳娜,張樹仁,周清雷;基于非確定型有限狀態(tài)自動機的基因邏輯網(wǎng)絡模型[J];河南科學;2005年04期

4 吳文權(quán),朱浸華;有限狀態(tài)自動機識別過程的一個圖論描述及算法[J];四川師范大學學報(自然科學版);2003年02期

5 ;[J];;年期

相關(guān)會議論文 前4條

1 鐘濤;陳群秀;;基于層式有限狀態(tài)自動機的災難事件抽取系統(tǒng)[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

2 王書振;李雷;王保保;;基于有限狀態(tài)自動機的產(chǎn)生式推理[A];2008’“先進集成技術(shù)”院士論壇暨第二屆儀表、自動化與先進集成技術(shù)大會論文集[C];2008年

3 陳韜略;韓婷婷;顏鋒;呂建;;有限狀態(tài)自動機的移動進程演算模擬[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 閆斌;張茹;谷利澤;;一種基于有限狀態(tài)自動機的分級告警關(guān)聯(lián)設計方案[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學術(shù)會議論文集[C];2009年

相關(guān)博士學位論文 前1條

1 姚立紅;基于有限狀態(tài)自動機的混雜動態(tài)系統(tǒng)分析與控制研究[D];西安電子科技大學;2015年

相關(guān)碩士學位論文 前10條

1 王丹茹;基于有限狀態(tài)自動機的隱蔽信息流研究[D];中國礦業(yè)大學;2016年

2 楊森;PBN飛行程序運行仿真方法及應用[D];中國民航大學;2016年

3 王茁;基于有限狀態(tài)自動機的公交車到站時間預測模型[D];哈爾濱工業(yè)大學;2012年

4 陶昱;基于有限狀態(tài)自動機的動態(tài)信息流監(jiān)控研究與分析[D];江蘇大學;2010年

5 楊波;基于有限狀態(tài)自動機的中文多模式匹配算法研究[D];合肥工業(yè)大學;2013年

6 楊卓東;基于神經(jīng)網(wǎng)絡的模糊有限狀態(tài)自動機研究[D];電子科技大學;2009年

7 李軍;基于有限狀態(tài)自動機的傳感網(wǎng)分布式復雜事件處理[D];華中科技大學;2012年

8 徐芳;詞計算的形式模型及模糊自動機的最小化算法[D];電子科技大學;2006年

9 盧薇薇;多移動Agent系統(tǒng)中目標跟蹤協(xié)作方法的設計與實現(xiàn)[D];中南大學;2009年

10 廖永s，

本文編號：1845817