田曉春，陳家斌，韓勇強，楊黎明，尹靜源

（1.北京理工大學(xué) 自動化學(xué)院，北京 100081；2.華北光學(xué)儀器有限公司，北京 100053；3.北京機電工程總體設(shè)計部，北京 100039）

多條件約束的行人導(dǎo)航零速區(qū)間檢測算法

田曉春1，陳家斌1，韓勇強1，楊黎明2，尹靜源3

（1.北京理工大學(xué) 自動化學(xué)院，北京 100081；2.華北光學(xué)儀器有限公司，北京 100053；3.北京機電工程總體設(shè)計部，北京 100039）

針對MEMS慣性傳感器存在漂移大、器件精度低的問題，結(jié)合行人導(dǎo)航系統(tǒng)應(yīng)用需求，在分析行人運動步態(tài)的基礎(chǔ)上，設(shè)計了一種多條件約束的行人步態(tài)零速區(qū)間檢測算法。該方法綜合利用足部傳感器輸出參量的模值、方差、幅值、峰值并通過設(shè)定閾值來提取步態(tài)中的零速點，多條件約束有效地降低了誤判的可能性。最后，采用該方法對不同步速下行走過程中的零速區(qū)間進(jìn)行檢測，結(jié)果表明利用多條件約束法計算得到的零速區(qū)間數(shù)與實際運動步態(tài)中的零速區(qū)間數(shù)完全一致。此外，零速區(qū)間的準(zhǔn)確提取也為后續(xù)開展行人導(dǎo)航速度解算誤差修正算法的研究提供了依據(jù)。

行人導(dǎo)航；步態(tài)分析；零速區(qū)間；微慣性測量單元

近年來，行人導(dǎo)航已成為導(dǎo)航定位領(lǐng)域一個活躍的分支。行人導(dǎo)航系統(tǒng)可實時監(jiān)測人員的位置信息，對單兵進(jìn)行跟蹤與定位。在城市、室內(nèi)、地下等衛(wèi)星信號受限的環(huán)境中，行人導(dǎo)航系統(tǒng)可以很好地解決“我在哪里”、“我應(yīng)該在哪里”、“如何到達(dá)目的地”[1]等問題。因此，行人導(dǎo)航系統(tǒng)的研究對復(fù)雜環(huán)境中的消防搶險、突發(fā)事件中的緊急救援及未知環(huán)境中的自我定位及目標(biāo)找尋等都具有重要的意義。

MEMS慣性傳感器技術(shù)的快速發(fā)展為行人導(dǎo)航的實現(xiàn)創(chuàng)造了條件[2]?；贛EMS技術(shù)設(shè)計的微慣性測量單元在成本、尺寸、重量、功耗等方面能夠很好地滿足行人導(dǎo)航系統(tǒng)的應(yīng)用需求[3-4]，故可將 MEMS慣性測量單元安裝于人體的胸、腰、足等部位進(jìn)行導(dǎo)航系統(tǒng)的設(shè)計。根據(jù)安裝方式的不同，基于 MEMS慣性測量單元的行人導(dǎo)航系統(tǒng)主要有兩種位置解算方案[5]，一種是PDR（Pedestrian Dead-Reckoning）算法，另一種是基于ZUPT（Zero Velocity Update）的SINS算法。PDR算法需要對人體進(jìn)行運動學(xué)建模，根據(jù)步頻、腿長等參數(shù)來計算步長，并結(jié)合計步信息及航向信息得到行人位置參數(shù)。該方法計算過程中不存在累積誤差，但不同個體模型參數(shù)差異較大，有一定的局限性。SINS算法根據(jù)傳感器采集的參數(shù)直接計算每一次腳步變化的三維導(dǎo)航參數(shù)，但由于MEMS慣性傳感器存在漂移大、器件精度低的問題，采用 SINS算法計算位置參數(shù)時，通常采用ZUPT輔助的手段來抑制誤差累積，通過周期性的誤差清零，能夠有效提高系統(tǒng)的解算精度。因此，足部安裝慣性傳感器，并通過ZUPT輔助的方法是當(dāng)前行人導(dǎo)航系統(tǒng)的主要研究方向。John Elwell[6]首先提出了行人運動步態(tài)中有零速區(qū)間的特性；隨后，E. Foxlin[7]首次系統(tǒng)、全面地介紹了足部安裝慣性導(dǎo)航系統(tǒng)在行人導(dǎo)航中的應(yīng)用，并采用ZUPT進(jìn)行誤差修正，取得了理想的實驗結(jié)果；在此基礎(chǔ)上，Ojeda[8]、Krach[9]、Jimenez[10]、Castaneda[11]等人對行人導(dǎo)航系統(tǒng)進(jìn)行了不斷的改進(jìn)與完善，但他們共同的特點都是都采用了零速修正方案。由于行人行走過程中，腳掌與地面接觸并保持相對靜止的時間是十分短暫的，因此，零速區(qū)間檢測是行人導(dǎo)航的核心，準(zhǔn)確、有效地檢測步態(tài)中的零速區(qū)間能提高系統(tǒng)的精度?；诖?，本文在借鑒前人研究工作的基礎(chǔ)上，設(shè)計了一種多條件約束的行人導(dǎo)航零速區(qū)間檢測方法。經(jīng)實驗驗證，該方法能準(zhǔn)確、有效地檢測出常規(guī)運動步態(tài)中的零速區(qū)間，實驗結(jié)果為后續(xù)速度誤差修正算法設(shè)計提供了保障。

1 行人步態(tài)描述及特性分析

通常將行走過程中行人從一側(cè)腳腳跟著地開始，經(jīng)兩只腳步態(tài)交替變換，到該側(cè)腳跟再次著地時所經(jīng)歷的過程定義為一個完整的步態(tài)周期。其中，當(dāng)一條腿承重時，其腳底與地面完全接觸，此時，將腳與地面完全接觸的時間段稱為零速區(qū)間。行人運動過程中，腳部往往伴隨著觸地、完全著地、抬腳、擺動等周期性步態(tài)。這些步態(tài)可分為兩個階段，一個是腳與地面保持接觸階段，另一個是腳在空中擺動階段。行人步態(tài)周期如圖1所示[12]。

文獻(xiàn)[13]將行走過程中一個完整的步行周期分解為8個變化的步態(tài)過程，具體描述如下：

1） 初始觸地階段：該過程指運動腳與地面剛接觸的階段，通常是腳跟部位先觸地；

2） 承重階段：該階段起始于運動腳腳跟觸地時刻，持續(xù)到對側(cè)腳腳趾離地結(jié)束，整個過程中運動腳腳掌完全著地；

3） 站立中期：該階段始于對側(cè)腳趾離地，至軀干位于支撐腿正上方時結(jié)束；

4） 站立末期：指從支撐腿腳跟離地到對側(cè)下肢腳跟著地的階段；

5） 邁步前期：指從對側(cè)下肢腳跟著地到支撐腿腳趾離地之前的一段時間；

6） 邁步初期：從支撐腿離地到該側(cè)膝關(guān)節(jié)達(dá)到最大屈曲時；

7） 邁步中期：從膝關(guān)節(jié)屈曲擺動到小腿與地面垂直的階段；

8） 邁步末期：指與地面垂直的小腿向前擺動至該側(cè)腳跟再次著地之前的階段。

通過對行人步態(tài)特性的分析，便于對步態(tài)中零速區(qū)間的檢測。結(jié)合圖 1中步態(tài)周期的圖示及文獻(xiàn)[13]對步態(tài)周期的描述，本文將步態(tài)周期靜態(tài)相位中行人運動腳腳掌著地時刻1t到該腳腳跟抬起時刻2t間的時間段 tΔ定義為行人步態(tài)中的零速區(qū)間。

圖1 常規(guī)步態(tài)周期Fig.1 Normal gait cycle

2 零速檢測算法設(shè)計

行人運動過程中，安裝于腳部的MEMS慣性測量單元能夠敏感腳部的加速度及角速度變化，可將其作為信息源用于行人步態(tài)的分析與識別。但行走過程中，足部與地面接觸的時間特別短，一般情況下約為0.1~0.3 s[14]，在跑步時觸地時間更短，因此，基于行人導(dǎo)航系統(tǒng)精度的要求，需非常準(zhǔn)確地判斷零速區(qū)間?；诓叫羞^程中行人足部與地面接觸保持靜止時，足部的角速度及水平加速度值近似為零，豎直方向的加速度值近似為重力常量的情況，結(jié)合文獻(xiàn)[10][15]的研究工作，設(shè)計以下算法進(jìn)行零速檢測：

① 加速度矢量和閾值法。計算三個正交軸向上加速度計輸出的矢量和，根據(jù)零速區(qū)間內(nèi)加速度矢量的變化范圍設(shè)定閾值區(qū)間，通過判斷k時刻加速度模值與閾值的關(guān)系，得到該時刻的邏輯值。

式(1)中：Anorm(k)表示k時刻加速度矢量和；表示k時刻i軸向上加速度計輸出， ,,i x y z= ；式(2)中：_minAT 、_maxAT 分別是閾值區(qū)間的左邊界和右邊界，當(dāng)加速度模值在閾值區(qū)間內(nèi)時，認(rèn)為運動腳靜止，閾值大小可以根據(jù)實驗采集的數(shù)據(jù)進(jìn)行設(shè)定。

② 滑動窗口方差法。方差可以衡量變量與其均值的偏離程度，通過設(shè)置窗口求方差可以在固定范圍內(nèi)對數(shù)據(jù)點的離散度進(jìn)行判斷，滑動窗口又可以將所有的數(shù)據(jù)點進(jìn)行遍歷，提高計算精度。

③ 加速度峰值檢測+時間閾值法。行人運動時，腳跟觸地瞬間豎直方向會出現(xiàn)加速度變化最大值，之后前腳掌著地，足部保持靜止。通過檢測加速度峰值得到觸地時間點k，認(rèn)定其后某一時間區(qū)間 tΔ為零速區(qū)間。

④ 角速度閾值法。橫向陀螺可以準(zhǔn)確測量步態(tài)中抬腳、擺腿等運動的角速率變化，通過對橫向陀螺輸出取絕對值，可以將負(fù)值取反，簡化判斷條件，減小區(qū)間閾值帶來的誤判。

以上條件中，方法①~④的結(jié)果中會出現(xiàn)不同程度的野值，導(dǎo)致零速區(qū)間誤判。因此，單一的判斷條件無法得出精確的零速區(qū)間。根據(jù)“與”邏輯運算特性，將式(2)(4)(6)(7)中k時刻的判斷結(jié)果進(jìn)行“與”運算，即可得到準(zhǔn)確的零速區(qū)間。此外，求取邏輯值時，采用設(shè)置左右邊界閾值的方法通常會引入一定數(shù)量的野值，將運動點誤判為零速點，故可對數(shù)據(jù)進(jìn)行取模、求反等運算，然后通過單邊界約束來降低誤判。

3 實驗驗證

3.1 系統(tǒng)介紹

實驗采用荷蘭 Xsens公司的 Mti系列 MEMS IMU。如圖2所示，系統(tǒng)內(nèi)部集成了3個正交的加速度計、3個陀螺儀及1個三軸磁傳感器，加速度計量程為±15g，陀螺儀量程為±1000 (°)/s，IMU尺寸為56.5 mm×40.9 mm×21.3 mm。

圖2 Xsens IMU 及其安裝方式Fig.2 Xsens IMU and installation

3.2 步態(tài)實驗

實驗過程中，將MEMS IMU安裝在右腳的腳跟部位，如圖2所示。對行人行走過程中的步態(tài)信息進(jìn)行采集，傳感器輸出原始數(shù)據(jù)如圖 3所示，其中，X軸向傳感器測量豎直方向慣性參量，Y軸測量橫向參量，Z軸測量縱向參量，系統(tǒng)采樣頻率為100 Hz。

圖3中的曲線為常規(guī)步速行進(jìn)過程中部分傳感器輸出曲線，上方的曲線為豎直方向加速度計的輸出，下方的曲線為橫向陀螺儀的輸出。分析數(shù)據(jù)可以看出：行人行走過程中足部周期性觸地，并且每個周期內(nèi)有一小段時間足部保持靜止，傳感器輸出數(shù)據(jù)近似為常值，這一時間段即為“零速區(qū)間”，行人行走過程中詳細(xì)的步態(tài)如圖4所示。

圖3 行走過程中傳感器輸出原始數(shù)據(jù)曲線Fig.3 Raw readings of sensor in walking

圖4 步態(tài)特性曲線Fig.4 Curves of gait characteristics

3.3 零速區(qū)間檢測實驗

利用前文提出的零速檢測算法對采集的數(shù)據(jù)進(jìn)行處理，與圖3中數(shù)據(jù)相對應(yīng)的計算結(jié)果如圖5所示。圖5中：紅色實線為加速度矢量和閾值法判斷的結(jié)果，可以看出由于左右閾值的設(shè)定，結(jié)果中引入了較多的野值；藍(lán)色點劃線為滑動窗口方差法判斷的結(jié)果，通過選取合適的閾值，零速區(qū)間判斷較為準(zhǔn)確；紫色點線為峰值-時間閾值法判斷的結(jié)果，該方法的核心在于峰值的檢測，從結(jié)果中可知設(shè)計的算法準(zhǔn)確、有效地檢測到了腳跟觸地瞬間的加表輸出峰值；綠色虛線為角速度閾值法判斷的結(jié)果，取絕對值后，會有一部分幅值較小的負(fù)角速率落在閾值范圍內(nèi)，從而引入野值。通過對4種判斷方法得到的結(jié)果進(jìn)行“與”邏輯運算，得到邏輯步態(tài)曲線，如圖5中黑色*型點劃線所示，1表示靜止?fàn)顟B(tài)，0表示其它運動狀態(tài)。

圖5 零速區(qū)間檢測結(jié)果Fig.5 Zero velocity interval detection results

圖4 為兩個完整步態(tài)周期，圖中紅色實線代表加速度值，藍(lán)色虛線代表陀螺儀輸出值。分析②與③之間的步態(tài)數(shù)據(jù)可知：腳跟著地瞬間加速度計輸出值最大，緊接著前腳掌著地，加速度計輸出一個幅值較小的脈沖；經(jīng)過短暫的信號震蕩，傳感器有一段輸出近似為常值的“零速區(qū)間”段（陀螺輸出近似為零，豎直方向加速度計輸出近似為重力加速度），此時腳掌與地面完全接觸；零速區(qū)間之后，行人開始抬腳，此時 Y軸陀螺輸出曲線清晰地表示了腳跟的旋轉(zhuǎn)過程；抬腳結(jié)束后，運動腳離地開始擺腿實現(xiàn)身體前移，步態(tài)變化特性如圖4中擺腿階段陀螺輸出曲線所示；擺腿結(jié)束后運動腳腳跟觸地，進(jìn)入到下一個步態(tài)周期。

由圖5中的ZUPT曲線可以看出，對應(yīng)于圖3的步態(tài)數(shù)據(jù)中共檢測到12個零速區(qū)間，與步態(tài)曲線中的零速區(qū)間數(shù)一致，可初步判定文中提出的零速區(qū)間檢測算法有效。為了進(jìn)一步檢驗算法的性能，設(shè)計了多步態(tài)步行實驗。具體方案為：在100 m直線路程中，進(jìn)行多次不同步速的行走實驗，對步態(tài)中的零速區(qū)間進(jìn)行檢測，結(jié)果如表1所示。

由于MEMS IMU安裝在人體的右腳，故行人每行走兩步會檢測到一個零速區(qū)間。由表1中的實驗結(jié)果可知，多次試驗中本文設(shè)計的零速區(qū)間檢測算法可以準(zhǔn)確地檢測出行走過程中的零速區(qū)間，誤差率為0。多步態(tài)零速區(qū)間邏輯圖如圖6所示。

對比圖6中不同步速的零速區(qū)間邏輯曲線可知，行人慢速行走過程中步態(tài)周期最長，零速區(qū)間持續(xù)時間較長，隨著步速增加，步態(tài)周期逐漸變短，零速區(qū)間時間變短，檢測難度也逐步增大。

表1 零速區(qū)間檢測結(jié)果Tab.1 Detection results of zero-velocity intervals

圖6 不同步速下零速區(qū)間檢測結(jié)果Fig.6 Zero-velocity interval detection results in different walking speeds

4 結(jié) 論

本文在分析運動過程中行人步態(tài)特性及運動規(guī)律的基礎(chǔ)上，結(jié)合人體及環(huán)境約束，設(shè)計了一種多條件約束的足部零速區(qū)間檢測算法。該方法能利用安裝于足部的微慣性測量單元輸出的感知信息準(zhǔn)確判斷出不同行走速度條件下步態(tài)中的零速區(qū)間。同時，在檢測零速區(qū)間的基礎(chǔ)上，可以進(jìn)一步開展基于 Kalman濾波框架下的行人導(dǎo)航零速修正算法研究，對導(dǎo)航結(jié)果的誤差參量進(jìn)行實時修正，提高導(dǎo)航精度。此外，本文研究的步態(tài)零速區(qū)間檢測方法主要用于行人常規(guī)運動模式且默認(rèn)為平整路面的情況，實際中行人運動模式多樣且環(huán)境復(fù)雜，后續(xù)研究工作可針對非理想環(huán)境中復(fù)雜步態(tài)的零速區(qū)間檢測展開。

（Reference）

[1] Rantakokko J, H?ndel P. User requirements for localization and tracking technology: a survey of mission-specific needs and constraints[C]//Indoor Positioning and Indoor Navigation. 2010: 1-9.

[2] 錢偉行, 朱欣華, 蘇巖. 基于足部微慣性/地磁測量組件的個人導(dǎo)航方法[J]. 中國慣性技術(shù)學(xué)報, 2012, 20(5): 567-572.

Qian Wei-xing, Zhu Xin-hua, Su Yan. Personal navigation method based on foot-mounted MEMS inertial/ magnetic measurement unit[J]. Journal of Chinese Inertial Technology, 2012, 20(5): 567-572.

[3] Bird J, Arden D. Indoor navigation with foot-mounted strapdown inertial navigation and magnetic sensors[J]. Wireless Communications, 2011, 18(2): 28-35.

[4] 張金亮, 秦永元, 梅春波. 基于MEMS慣性技術(shù)的鞋式個人導(dǎo)航系統(tǒng)[J]. 中國慣性技術(shù)學(xué)報, 2011, 19(3): 253-256.

Zhang Jin-liang, Qin Yong-yuan, Mei Chun-bo. Shoemounted personal navigation system based on MEMS inertial technology[J]. Journal of Chinese Inertial Technology, 2011, 19(3): 253-256.

[5] Cho S Y, Park C G. MEMS based pedestrian navigation system[J]. The Journal of Navigation, 2006, 59: 135-153.

[6] Elwell J. Inertial navigation for the urban warrior[C]// Digitization of the Battlespace IV, SPIE. 1999, 3709: 196-204.

[7] Foxlin E. Pedestrian tracking with shoe-mounted inertial sensors[J]. Computer Graphics and Applications, IEEE, 2005, 25(6): 38-46.

[8] Ojeda L, Borenstein J. Non-GPS navigation with the personal dead-reckoning system[C]//Proc. SPIE. 2007, 6561(1): 65610C-1-65610C-11.

[9] Krach B, Roberston P. Cascaded estimation architecture for integration of foot-mounted inertial sensors[C]//2008 IEEE/ION Position Location and Navigation Symposium. 2008: 112-119.

[10] Jimenez A, Seco F, Prieto J C, et al. Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU[C]//7th Workshop on Positioning Navigation and Communication. 2010: 135-143.

[11] Castaneda N, Lamy-Perbal S. An improved shoe-mounted inertial navigation system[C]//IEEE 2010 International Conference on Indoor Positioning and Indoor Navigation. 2010: 1-6.

[12] Rose J, Gamble J. Human walking[M]. 3rd Ed. Baltimore: Williams & Wilkins, 2006.

[13] Perry J. Gait analysis: normal and pathological function [M]. SLACK Incoporated, 1992.

[14] Park S K, Sun Y S. A zero velocity detection algorithm using inertial sensors for pedestrian navigation system[J]. Sensors, 2010, 10(10): 9163-9178.

[15] 陳國良, 李飛, 張言哲. 一種基于自適應(yīng)波峰檢測的MEMS計步算法[J]. 中國慣性技術(shù)學(xué)報, 2015, 23(3): 315-321.

Chen Guo-liang, Li Fei, Zhang Yan-zhe. Pedometer method based on adaptive peak detection algorithm[J]. Journal of Chinese Inertial Technology, 2015, 23(3): 315-321.

Zero-velocity interval detection algorithm with multi-condition constraint for pedestrian navigation

TIAN Xiao-chun1, CHEN Jia-bin1, HAN Yong-qiang1, YANG Li-ming2, YIN Jing-yuan3
(1. School of Automation, Beijing Institute of Technology, Beijing 100081, China; 2. Huabei Optical Instrument Co. LTD, Beijing 100053, China; 3. Beijing Electro-mechanical Engineering System Design Institute, Beijing 100039, China)

To deal with the large drift and low performance of MEMS inertial sensors, a zero-velocity interval detection algorithm with multi-condition constraint is designed based on the analysis of pedestrian gait characteristics by taking into account of pedestrian navigation system application requirements. This algorithm comprehensively utilizes the foot sensor’s output parameters, such as amplitude, peak value and variance, and extracts the gait of the zero-speed points by setting the threshold. The multi-condition constraint effectively reduces the possibility of miscalculation. The detection tests of zero-velocity intervals with different walking speeds show that the zero velocity interval numbers detected by the proposed method are the same as those in the actual walking. The accurate extraction of zero-velocity intervals lays the basis for the speed error correction algorithm in future pedestrian navigation research.

pedestrian navigation; gait analysis; zero-velocity interval; MEMS IMU

U666.1

A

1005-6734(2016)01-0001-05

10.13695/j.cnki.12-1222/o3.2016.01.001

2015-10-30；

2016-01-27

國防預(yù)研基金項目資助（9140A09050313BQ01127）；國家自然科學(xué)基金項目資助（91120010）

田曉春（1986—），男，博士研究生，從事行人導(dǎo)航技術(shù)研究。E-mail: tianxiaochunno1@126.com

聯(lián) 系 人：陳家斌（1965—），男，教授，博士生導(dǎo)師。E-mail: chenjiabin@bit.edu.cn