基于智能手机/MEMS惯性传感器的隧道病害定位研究
发布时间：2021-03-21 04:20
为了解决检测或养护人员难以定位大长隧道病害的问题,创新性地提出将智能手机/MEMS惯性传感器定位技术运用于隧道病害检测中。对原有的行人航位推算（PDR）算法进行了优化,将连续性检测和相似性检测引入到步态检测算法中,充分考虑检测中的"假走"状态,将"5步检测"和"3 s检测"方法运用于起步检测中,提高了步态检测方法的准确性。结合隧道检测规范,设计了一种适合在电子地图中显示病害位置的方法,实现了隧道内病害定位和病害标识等功能。对广州市某隧道进行实地定位测试,试验结果表明:该定位方法最大定位误差在3 m以下（人眼病害可识别范围）,满足病害检测距离要求,可使检测人员快速定位病害位置。
【文章来源】：广西大学学报(自然科学版). 2020,45(05)北大核心
【文章页数】：10 页
【部分图文】：
广州市某主干道1至2段GPS定位坐标
步态检测主要是依据人在行走时,腿部有明显的上升和下降的过程,并且在稳定的状态下,每个人的行走都可看作是一个周期性的动作,因此,绑在腿上的模块获得的加速度也具有一定的规律。从模块获得的加速度数据如图3所示。以ax、ay、az、at分别表示MPU6050模块的x、y、z方向的加速度和它们的合加速,则有:
研究表明人行走的步频大约为1.3～2.8 Hz,因此当时间间隔阈值分别取0.3 s和1 s时,能够很好地排除非正常行走的情况。传统的峰值检测法由于加速度阈值是按固定值设计,因此,当峰值阈值太大时,容易丢失峰值,而当峰值阈值太小时,不易排除伪峰值。在隧道中检测时获得的合加速度经移动平均滤波后如图4所示。相比于建筑复杂的内部结构,隧道一般是朝着某个单一的方向,并且隧道一般保持较小的纵向坡度,检测人员在实际的检测过程中,一般沿着隧道的非机动车道或者人行道行走,行走路径基本为直线,因此,其行走过程中加速度峰值一般能保持区间内的连续性,相比于室内定位,不需要考虑“爬楼梯”、“复杂的转向”等运动状态。但是,检测过程中,检测人员需要在行走过程中不断地观察病害、记录数据,可知在实际检测时,除了正常的行走外,还存在原地检测病害、记录病害时的“踱步”、“假走”等状态。如上图4所示,部分“假走”状态下,合加速度仍然存在明显的峰值,当阈值取较大时,如取阈值0.6 m/s2,此时基本能排除“假走”状态下的峰值,但是部分正常行走状态下的峰值也会被排除;当阈值取较小时,如取阈值0.2 m/s2,此时能保证所有正常行走的峰值不被排除,但是部分“假走”状态下的峰值仍被保留,因此,为了保证不误排除真峰值,同时有效去除伪峰值,相比于传统的算法,我们将峰值阈值数值适当取小,并引入连续性和相似性检验,进一步去除非正常行走状态下的峰值。即:
【参考文献】：
期刊论文
[1]WiFi室内定位技术在健身场所的应用研究[J]. 杨顺,赵佳程. 测控技术. 2018(11)
[2]基于GPS/MEMS惯性传感器的消防员室内定位研究[J]. 朱新宇,陶庭叶,姜冬致. 合肥工业大学学报(自然科学版). 2018(07)
[3]一种基于智能手机传感器的行人室内定位算法[J]. 周瑞,罗磊,李志强,桑楠. 计算机工程. 2016(11)
[4]捷联惯性导航算法研究[J]. 邢晨,王润涛. 科技创新导报. 2015(17)
博士论文
[1]基于MEMS惯性传感器、WiFi、磁场特征的移动智能终端室内行人导航算法[D]. 李由.武汉大学 2015
硕士论文
[1]基于智能手机的多传感器结合室内定位[D]. 吴树坤.南京邮电大学 2018
[2]基于航位推算的室内定位系统研究与实现[D]. 宋红丽.电子科技大学 2018
[3]基于惯性传感器和WiFi的室内定位算法研究[D]. 王政.电子科技大学 2018
[4]基于惯性传感器的行人室内轨迹推算与定位算法研究[D]. 李一帆.南京邮电大学 2017
[5]基于惯性传感器和智能手机的室内定位与导航算法研究[D]. 许潇民.北京工业大学 2017
[6]基于MEMS与智能手机电子罗盘的室内定位与导航算法研究[D]. 代汝勇.北京工业大学 2016
本文编号：3092312
【文章来源】：广西大学学报(自然科学版). 2020,45(05)北大核心
【文章页数】：10 页
【部分图文】：
广州市某主干道1至2段GPS定位坐标
步态检测主要是依据人在行走时,腿部有明显的上升和下降的过程,并且在稳定的状态下,每个人的行走都可看作是一个周期性的动作,因此,绑在腿上的模块获得的加速度也具有一定的规律。从模块获得的加速度数据如图3所示。以ax、ay、az、at分别表示MPU6050模块的x、y、z方向的加速度和它们的合加速,则有:
研究表明人行走的步频大约为1.3～2.8 Hz,因此当时间间隔阈值分别取0.3 s和1 s时,能够很好地排除非正常行走的情况。传统的峰值检测法由于加速度阈值是按固定值设计,因此,当峰值阈值太大时,容易丢失峰值,而当峰值阈值太小时,不易排除伪峰值。在隧道中检测时获得的合加速度经移动平均滤波后如图4所示。相比于建筑复杂的内部结构,隧道一般是朝着某个单一的方向,并且隧道一般保持较小的纵向坡度,检测人员在实际的检测过程中,一般沿着隧道的非机动车道或者人行道行走,行走路径基本为直线,因此,其行走过程中加速度峰值一般能保持区间内的连续性,相比于室内定位,不需要考虑“爬楼梯”、“复杂的转向”等运动状态。但是,检测过程中,检测人员需要在行走过程中不断地观察病害、记录数据,可知在实际检测时,除了正常的行走外,还存在原地检测病害、记录病害时的“踱步”、“假走”等状态。如上图4所示,部分“假走”状态下,合加速度仍然存在明显的峰值,当阈值取较大时,如取阈值0.6 m/s2,此时基本能排除“假走”状态下的峰值,但是部分正常行走状态下的峰值也会被排除;当阈值取较小时,如取阈值0.2 m/s2,此时能保证所有正常行走的峰值不被排除,但是部分“假走”状态下的峰值仍被保留,因此,为了保证不误排除真峰值,同时有效去除伪峰值,相比于传统的算法,我们将峰值阈值数值适当取小,并引入连续性和相似性检验,进一步去除非正常行走状态下的峰值。即:
【参考文献】：
期刊论文
[1]WiFi室内定位技术在健身场所的应用研究[J]. 杨顺,赵佳程. 测控技术. 2018(11)
[2]基于GPS/MEMS惯性传感器的消防员室内定位研究[J]. 朱新宇,陶庭叶,姜冬致. 合肥工业大学学报(自然科学版). 2018(07)
[3]一种基于智能手机传感器的行人室内定位算法[J]. 周瑞,罗磊,李志强,桑楠. 计算机工程. 2016(11)
[4]捷联惯性导航算法研究[J]. 邢晨,王润涛. 科技创新导报. 2015(17)
博士论文
[1]基于MEMS惯性传感器、WiFi、磁场特征的移动智能终端室内行人导航算法[D]. 李由.武汉大学 2015
硕士论文
[1]基于智能手机的多传感器结合室内定位[D]. 吴树坤.南京邮电大学 2018
[2]基于航位推算的室内定位系统研究与实现[D]. 宋红丽.电子科技大学 2018
[3]基于惯性传感器和WiFi的室内定位算法研究[D]. 王政.电子科技大学 2018
[4]基于惯性传感器的行人室内轨迹推算与定位算法研究[D]. 李一帆.南京邮电大学 2017
[5]基于惯性传感器和智能手机的室内定位与导航算法研究[D]. 许潇民.北京工业大学 2017
[6]基于MEMS与智能手机电子罗盘的室内定位与导航算法研究[D]. 代汝勇.北京工业大学 2016
本文编号：3092312
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3092312.html
