三维行人自主导航融合算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 注释表 | 第11-12页 |
| 第1章 引言 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 主要研究内容及论文结构安排 | 第16-18页 |
| 第2章 三维行人自主导航系统基本理论 | 第18-27页 |
| 2.1 行人自主导航传感器介绍 | 第18-19页 |
| 2.1.1 加速度计 | 第18页 |
| 2.1.2 陀螺仪 | 第18-19页 |
| 2.1.3 磁力计 | 第19页 |
| 2.1.4 气压计 | 第19页 |
| 2.2 行人自主导航的基本理论 | 第19-25页 |
| 2.2.1 常用坐标系介绍 | 第19-20页 |
| 2.2.2 姿态角定义 | 第20-21页 |
| 2.2.3 坐标系的转换 | 第21-22页 |
| 2.2.4 基于加速度计与磁力计组合姿态解算原理 | 第22-23页 |
| 2.2.5 基于陀螺四元数法姿态解算原理 | 第23-25页 |
| 2.3 行人航迹推算原理 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 三维行人自主导航融合算法研究 | 第27-57页 |
| 3.1 传感器数据的滤波处理 | 第27-28页 |
| 3.2 步态检测算法 | 第28-40页 |
| 3.2.1 行人脚尖的步态特征 | 第28-30页 |
| 3.2.2 传统的步态检测算法 | 第30-32页 |
| 3.2.3 基于隐马尔可夫模型的步态检测算法 | 第32-40页 |
| 3.3 航姿估计算法 | 第40-46页 |
| 3.3.1 利用最小二乘法修正陀螺仪零偏 | 第40-45页 |
| 3.3.2 航向与姿态角估计 | 第45-46页 |
| 3.4 步长估计算法 | 第46-53页 |
| 3.4.1 基于经验模型的步长估计算法 | 第46-47页 |
| 3.4.2 基于BP神经网络的步长估计算法 | 第47-49页 |
| 3.4.3 自适应步长估计算法 | 第49-53页 |
| 3.5 改进的行人航迹推算原理 | 第53-54页 |
| 3.6 三维行人自主导航融合算法整体设计 | 第54-56页 |
| 3.7 本章小结 | 第56-57页 |
| 第4章 实验测试与结果分析 | 第57-68页 |
| 4.1 传感器数据采集 | 第57-59页 |
| 4.2 算法测试与结果分析 | 第59-64页 |
| 4.2.1 步态检测算法测试与分析 | 第59-60页 |
| 4.2.2 航姿估计算法测试与分析 | 第60-62页 |
| 4.2.3 行人步长估计算法测试与分析 | 第62-64页 |
| 4.3 三维行人自主导航融合算法测试与结果分析 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第75页 |
