CN119413163A 智能终端设备用惯性测量传感器的精确定位方法、装置、设备及存储介质 （深圳市爱保护科技有限公司）

道和平社区安达电子工业厂区厂房智能终端设备用惯性测量传感器的精确定本发明涉及一种智能终端设备用惯性测量时姿态信息对所述智能手表进行步态检测和步所述步长信息和所述实时姿态信息对所述智能解决了传统的基于IMU的定位方法通常依赖于外2基于所述实时姿态信息对所述智能手表进行步态检测和步长估获取预定的初始定位信息，并基于所述初始定位信息、所述将所述轨迹路径与预设的地图数据进行匹配，得到智能手表在实际环境中的位置信2.根据权利要求1所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在通过所述惯性测量传感器对智能手表进行加速度计数据基于预设的同步时钟源在所述初步原始传感信号添加时间戳，以利用预设的数字滤波器对所述标准化原始数据帧进行预过滤，得到净化原始惯性数3.根据权利要求1所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在通过四元数表示法对所述原始惯性数据中的加速度计数将所述优化后的姿态四元数转换为欧拉角表示，得到所述智能4.根据权利要求1所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在3通过预设的人体工学中的步长估算模型，基于所述步态频率特征及所述步态周期时5.根据权利要求1所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在通过预设的相对定位算法对所述初始定位信息进行特征提取，得到初始位置特征信利用递推最小二乘滤波算法对所述步长信息和所述初始位置特征信息进行数据融合，通过零速度检测算法对所述位移矢量参数进行步基于粒子滤波算法对所述平滑轨迹数据进行误差校正，得到所述智能手表的轨迹路6.根据权利要求1所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在采用预设的四叉树算法，将预设的地图数据按照空间区域进行划采用地图投影算法，将所述分段轨迹路径从原始坐标系转换到分层对所述转换后的轨迹路径及所述分层地图数据进行特征提取，采用余弦相似度算法将所述轨迹特征和所述地图特征进行相似度计算，得到相似度基于所述相似度值，将所述轨迹特征及所述地图特征进行筛7.根据权利要求6所述的智能终端设备用惯性测量传感器的精确定位方法，其特征在提取所述分层地图数据的拓扑结构和道路宽度信息，并基于所述拓扑4通过卡尔曼滤波算法对所述拓扑匹配轨迹路径段信息进行平滑处理，基于所述道路宽度信息，对所述平滑轨迹路径段信息进行宽度约束8.一种智能终端设备用惯性测量传感器的精确定采集模块，用于利用所述惯性测量传感器对所述智能手表进行惯性估计模块，用于基于所述实时姿态信息对所述被处理器执行时实现权利要求1至7中任一项所述的5这些设备在健康管理、运动跟踪和导航服务等方面的需求日益增加。惯性测量传感器（InertialMeasurementUnit,IMU包括加速度计和陀螺仪，因其能够提供高频率的姿不稳定、噪声以及尺度因子误差等问题，长时间使用后会导致定位误差累积，影响定位精或仅有弱外部信号的环境中，如高楼林立的城市峡谷或地下空间，传统方法难以维持高精度定位。在复杂环境下实现连续且高精度定位的需求下产生的。通过提出一种新的基于IMU的精确[0005]本发明的主要目的为提供一种智能终端设备用惯性测量传感器的精确定位方法、利用所述惯性测量传感器对所述智能手表进行惯性数据采集，得到原始惯性数6通过所述惯性测量传感器对智能手表进行加速度计数据和三轴角速度的数据采通过四元数表示法对所述原始惯性数据中的加速度计数据和三轴角速度进行融[0009]进一步的，所述基于所述实时姿态信息对所述智能手表进行步态检测和步长估基于所述实时姿态信息对所述智能手表进行步态峰值检测，得到步态事件序列；7利用递推最小二乘滤波算法对所述步长信息和所述初始位置特征信息进行数据对所述融合状态参数和所述实时姿态信息进行运动学解算，得到位移矢量参数；通过零速度检测算法对所述位移矢量参数进行步态周期分析，得到轨迹分段数利用贝塞尔曲线拟合算法对所述轨迹分段数据进行曲线拟合，得到平滑轨迹数[0012]进一步的，所述基于所述分层地图数据对所述智能手表的轨迹路径进行分段处8估计模块，用于基于所述实时姿态信息对所述智能手表进行步态检测和步长估息和所述实时姿态信息对所述智能手表进行航位推算定位，得到所述智能手表的位置坐[0016]本发明提供的智能终端设备用惯性测量传感器的精[0017]图1是本发明一实施例中智能终端设备用惯性测量传感器的精确定位方法的步骤图2是本发明一实施例中智能终端设备用惯性测量传感器的精确定位装置的结构9本发明一实施例中提供了一种智能终端设备用惯性测量传感器的精确定位方法，不仅仅是为了提供一个静态的姿态快照，它还需要持续跟踪和更新智能手表的位置和方时的姿态监测对于后续的步态检测和步长估计至关重要，因为它提供了必要的输入参数，基础上，步长估计是根据上述步态特征参数以及实时姿态信息来推算每一步的实际长度。一过程是确保智能手表能够在没有外部定位信号的情况下提供连续且准确的位置跟踪服在缺乏GPS信号的环境中维持高效的位置跟踪，还能为用户带来更加精确和个性化的运动通过所述惯性测量传感器对智能手表进行加速度计数据和三轴角速度的数据采能够在同一个参考框架内进行比较和分析。智能手表内部的IMU可能会采用不同的局部坐通过四元数表示法对所述原始惯性数据中的加速度计数据和三轴角速度进行融表内的加速度计和陀螺仪会捕捉到相应的加速度峰值和角度速度变化。通过四元数表示得最终的姿态四元数更加贴近真实情况。这种优化过程确保了即使在复杂的运动模式下，因为在某些情况下，仅依靠加速度计和陀螺仪的数据可能不足以提供完全准确的姿态信了智能手表如何通过先进的算法和技术，为用户提供更加个性化和基于所述实时姿态信息对所述智能手表进行步态峰值检测，得到步态事件序列；可以捕捉到用户步伐特有的频率特征，这有助于区分不同类型的运动模式（如步行与跑利用递推最小二乘滤波算法对所述步长信息和所述初始位置特征信息进行数据对所述融合状态参数和所述实时姿态信息进行运动学解算，得到位移矢量参数；通过零速度检测算法对所述位移矢量参数进行步态周期分析，得到轨迹分段数利用贝塞尔曲线拟合算法对所述轨迹分段数据进行曲线拟合，得到平滑轨迹数个结合了多种高级算法和技术的复杂过程，旨在从用户的运动中提取出精确的位置变化，据包括运动段落和静止区间。这是因为用户在运动过程中可能存在短暂的停顿或休息时在用户佩戴智能手表于公园慢跑时，手表内部的系统首先需要处理的是大量的地图数据。是因为智能手表和地图数据可能使用不同的坐标系统来描述地理位置，而要实现精确匹投影算法将每一段轨迹路径转换到后者所使用的坐标系中，从而保证位置信息的一致性。高轨迹路径的整体质量和可靠性至关重要，尤其是在用户快速改变方向或速度的情况下。进行上述一系列分段处理操作，智能手表不仅能够获得高度准确且有意义的分段轨迹路[0042]上面对本发明实施例中智能终端设备用惯性测量传感器的精确定位方法进行了描述，下面对本发明实施例中智能终端设备用惯性测量传感器的精确定位装置进行描述，请参阅图2，本发明实施例中智能终端设备用惯性测量传感器的精确定位装置一个实施例采集模块21，用于利用所述惯性测量传感器对所述智能手表进行惯性数