基于智能手機/MEMS慣性傳感器的隧道病害定位研究
發(fā)布時間：2021-03-21 04:20
為了解決檢測或養(yǎng)護人員難以定位大長隧道病害的問題,創(chuàng)新性地提出將智能手機/MEMS慣性傳感器定位技術(shù)運用于隧道病害檢測中。對原有的行人航位推算（PDR）算法進行了優(yōu)化,將連續(xù)性檢測和相似性檢測引入到步態(tài)檢測算法中,充分考慮檢測中的"假走"狀態(tài),將"5步檢測"和"3 s檢測"方法運用于起步檢測中,提高了步態(tài)檢測方法的準確性。結(jié)合隧道檢測規(guī)范,設(shè)計了一種適合在電子地圖中顯示病害位置的方法,實現(xiàn)了隧道內(nèi)病害定位和病害標識等功能。對廣州市某隧道進行實地定位測試,試驗結(jié)果表明:該定位方法最大定位誤差在3 m以下（人眼病害可識別范圍）,滿足病害檢測距離要求,可使檢測人員快速定位病害位置。
【文章來源】：廣西大學學報(自然科學版). 2020,45(05)北大核心
【文章頁數(shù)】：10 頁
【部分圖文】：
廣州市某主干道1至2段GPS定位坐標
步態(tài)檢測主要是依據(jù)人在行走時,腿部有明顯的上升和下降的過程,并且在穩(wěn)定的狀態(tài)下,每個人的行走都可看作是一個周期性的動作,因此,綁在腿上的模塊獲得的加速度也具有一定的規(guī)律。從模塊獲得的加速度數(shù)據(jù)如圖3所示。以ax、ay、az、at分別表示MPU6050模塊的x、y、z方向的加速度和它們的合加速,則有:
研究表明人行走的步頻大約為1.3～2.8 Hz,因此當時間間隔閾值分別取0.3 s和1 s時,能夠很好地排除非正常行走的情況。傳統(tǒng)的峰值檢測法由于加速度閾值是按固定值設(shè)計,因此,當峰值閾值太大時,容易丟失峰值,而當峰值閾值太小時,不易排除偽峰值。在隧道中檢測時獲得的合加速度經(jīng)移動平均濾波后如圖4所示。相比于建筑復(fù)雜的內(nèi)部結(jié)構(gòu),隧道一般是朝著某個單一的方向,并且隧道一般保持較小的縱向坡度,檢測人員在實際的檢測過程中,一般沿著隧道的非機動車道或者人行道行走,行走路徑基本為直線,因此,其行走過程中加速度峰值一般能保持區(qū)間內(nèi)的連續(xù)性,相比于室內(nèi)定位,不需要考慮“爬樓梯”、“復(fù)雜的轉(zhuǎn)向”等運動狀態(tài)。但是,檢測過程中,檢測人員需要在行走過程中不斷地觀察病害、記錄數(shù)據(jù),可知在實際檢測時,除了正常的行走外,還存在原地檢測病害、記錄病害時的“踱步”、“假走”等狀態(tài)。如上圖4所示,部分“假走”狀態(tài)下,合加速度仍然存在明顯的峰值,當閾值取較大時,如取閾值0.6 m/s2,此時基本能排除“假走”狀態(tài)下的峰值,但是部分正常行走狀態(tài)下的峰值也會被排除;當閾值取較小時,如取閾值0.2 m/s2,此時能保證所有正常行走的峰值不被排除,但是部分“假走”狀態(tài)下的峰值仍被保留,因此,為了保證不誤排除真峰值,同時有效去除偽峰值,相比于傳統(tǒng)的算法,我們將峰值閾值數(shù)值適當取小,并引入連續(xù)性和相似性檢驗,進一步去除非正常行走狀態(tài)下的峰值。即:
【參考文獻】：
期刊論文
[1]WiFi室內(nèi)定位技術(shù)在健身場所的應(yīng)用研究[J]. 楊順,趙佳程. 測控技術(shù). 2018(11)
[2]基于GPS/MEMS慣性傳感器的消防員室內(nèi)定位研究[J]. 朱新宇,陶庭葉,姜冬致. 合肥工業(yè)大學學報(自然科學版). 2018(07)
[3]一種基于智能手機傳感器的行人室內(nèi)定位算法[J]. 周瑞,羅磊,李志強,桑楠. 計算機工程. 2016(11)
[4]捷聯(lián)慣性導航算法研究[J]. 邢晨,王潤濤. 科技創(chuàng)新導報. 2015(17)
博士論文
[1]基于MEMS慣性傳感器、WiFi、磁場特征的移動智能終端室內(nèi)行人導航算法[D]. 李由.武漢大學 2015
碩士論文
[1]基于智能手機的多傳感器結(jié)合室內(nèi)定位[D]. 吳樹坤.南京郵電大學 2018
[2]基于航位推算的室內(nèi)定位系統(tǒng)研究與實現(xiàn)[D]. 宋紅麗.電子科技大學 2018
[3]基于慣性傳感器和WiFi的室內(nèi)定位算法研究[D]. 王政.電子科技大學 2018
[4]基于慣性傳感器的行人室內(nèi)軌跡推算與定位算法研究[D]. 李一帆.南京郵電大學 2017
[5]基于慣性傳感器和智能手機的室內(nèi)定位與導航算法研究[D]. 許瀟民.北京工業(yè)大學 2017
[6]基于MEMS與智能手機電子羅盤的室內(nèi)定位與導航算法研究[D]. 代汝勇.北京工業(yè)大學 2016
本文編號：3092312
【文章來源】：廣西大學學報(自然科學版). 2020,45(05)北大核心
【文章頁數(shù)】：10 頁
【部分圖文】：
廣州市某主干道1至2段GPS定位坐標
步態(tài)檢測主要是依據(jù)人在行走時,腿部有明顯的上升和下降的過程,并且在穩(wěn)定的狀態(tài)下,每個人的行走都可看作是一個周期性的動作,因此,綁在腿上的模塊獲得的加速度也具有一定的規(guī)律。從模塊獲得的加速度數(shù)據(jù)如圖3所示。以ax、ay、az、at分別表示MPU6050模塊的x、y、z方向的加速度和它們的合加速,則有:
研究表明人行走的步頻大約為1.3～2.8 Hz,因此當時間間隔閾值分別取0.3 s和1 s時,能夠很好地排除非正常行走的情況。傳統(tǒng)的峰值檢測法由于加速度閾值是按固定值設(shè)計,因此,當峰值閾值太大時,容易丟失峰值,而當峰值閾值太小時,不易排除偽峰值。在隧道中檢測時獲得的合加速度經(jīng)移動平均濾波后如圖4所示。相比于建筑復(fù)雜的內(nèi)部結(jié)構(gòu),隧道一般是朝著某個單一的方向,并且隧道一般保持較小的縱向坡度,檢測人員在實際的檢測過程中,一般沿著隧道的非機動車道或者人行道行走,行走路徑基本為直線,因此,其行走過程中加速度峰值一般能保持區(qū)間內(nèi)的連續(xù)性,相比于室內(nèi)定位,不需要考慮“爬樓梯”、“復(fù)雜的轉(zhuǎn)向”等運動狀態(tài)。但是,檢測過程中,檢測人員需要在行走過程中不斷地觀察病害、記錄數(shù)據(jù),可知在實際檢測時,除了正常的行走外,還存在原地檢測病害、記錄病害時的“踱步”、“假走”等狀態(tài)。如上圖4所示,部分“假走”狀態(tài)下,合加速度仍然存在明顯的峰值,當閾值取較大時,如取閾值0.6 m/s2,此時基本能排除“假走”狀態(tài)下的峰值,但是部分正常行走狀態(tài)下的峰值也會被排除;當閾值取較小時,如取閾值0.2 m/s2,此時能保證所有正常行走的峰值不被排除,但是部分“假走”狀態(tài)下的峰值仍被保留,因此,為了保證不誤排除真峰值,同時有效去除偽峰值,相比于傳統(tǒng)的算法,我們將峰值閾值數(shù)值適當取小,并引入連續(xù)性和相似性檢驗,進一步去除非正常行走狀態(tài)下的峰值。即:
【參考文獻】：
期刊論文
[1]WiFi室內(nèi)定位技術(shù)在健身場所的應(yīng)用研究[J]. 楊順,趙佳程. 測控技術(shù). 2018(11)
[2]基于GPS/MEMS慣性傳感器的消防員室內(nèi)定位研究[J]. 朱新宇,陶庭葉,姜冬致. 合肥工業(yè)大學學報(自然科學版). 2018(07)
[3]一種基于智能手機傳感器的行人室內(nèi)定位算法[J]. 周瑞,羅磊,李志強,桑楠. 計算機工程. 2016(11)
[4]捷聯(lián)慣性導航算法研究[J]. 邢晨,王潤濤. 科技創(chuàng)新導報. 2015(17)
博士論文
[1]基于MEMS慣性傳感器、WiFi、磁場特征的移動智能終端室內(nèi)行人導航算法[D]. 李由.武漢大學 2015
碩士論文
[1]基于智能手機的多傳感器結(jié)合室內(nèi)定位[D]. 吳樹坤.南京郵電大學 2018
[2]基于航位推算的室內(nèi)定位系統(tǒng)研究與實現(xiàn)[D]. 宋紅麗.電子科技大學 2018
[3]基于慣性傳感器和WiFi的室內(nèi)定位算法研究[D]. 王政.電子科技大學 2018
[4]基于慣性傳感器的行人室內(nèi)軌跡推算與定位算法研究[D]. 李一帆.南京郵電大學 2017
[5]基于慣性傳感器和智能手機的室內(nèi)定位與導航算法研究[D]. 許瀟民.北京工業(yè)大學 2017
[6]基于MEMS與智能手機電子羅盤的室內(nèi)定位與導航算法研究[D]. 代汝勇.北京工業(yè)大學 2016
本文編號：3092312
本文鏈接：http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3092312.html
教材專著
