公开(公告)号：CN111079547A

公开(公告)日：2020-04-28

申请号：CN201911157461.9

申请日：2019-11-22

申请人： 武汉大学

发明人： 余佩林 ,  郭迟 ,  罗亚荣 ,  苏今腾 ,  张沪寅 ,  雷婷婷

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01C21/18

摘要： 本发明提供一种基于手机惯性传感器的行人移动方向识别方法，即对行人前进、后退、左移、右移四种状态进行识别。本发明的核心是一个深度神经网络模型，该模型由三个卷积层、两个LSTM单元、一个注意力机制模块及一个全连接层构成，经过学习训练后，该模型能够有效地挖掘出传感器数据中隐含的信息，并准确地判断出行人的移动方向。本发明方法具有运算速度快、识别准确率高、不易受环境影响的优点，所需成本也较低。

公开(公告)号：CN117475176A

公开(公告)日：2024-01-30

申请号：CN202311316103.4

申请日：2023-10-11

申请人： 武汉大学

发明人： 郑镇奇 ,  李由 ,  雷婷婷 ,  韦依达 ,  严宏基 ,  张鹏

IPC分类号： G06V10/74

摘要： 本发明公开了一种轨迹相似判断方法和系统，利用轨迹的拐角点快速、准确的实现了轨迹间的相似判断，为用户运动信息的充分利用提供有力支撑。通过道格拉斯‑普克的方法实现了轨迹拐角点(弯曲点、拐弯点等)的提取工作，为轨迹的相似判断提供依据保障。基于轨迹拐角点构建轨迹的形状特征、角度特征、几何特征，实现了轨迹间的相似判断并基于该判断制定了一套完善的轨迹相似判断评分机制。该方法不仅可快速得到轨迹之间的相似程度，同时也摆脱了常规轨迹相似判断由于计算量大对计算与内存资源的需求，提高了用户运动信息实时化应用的可能。

公开(公告)号：CN117073720A

公开(公告)日：2023-11-17

申请号：CN202310982450.4

申请日：2023-08-04

申请人： 武汉大学

发明人： 薛艺舟 ,  李由 ,  郭学立 ,  雷婷婷 ,  张天翔 ,  刘思康

IPC分类号： G01C25/00

摘要： 本发明涉及弱环境与弱动作控制下快速视觉惯性标定与初始化方法及设备。针对相机惯性系统级标定依赖特定标定物物理特征的问题以及需要规定运动来采集数据限制，以视觉惯性传感器空间运动相对一致性为基础构建了初始对准‑精确标定的双重图优化结构，实现一种普适性较高、不依赖用户干预的相机惯性在线标定方法。针对现有视觉惯性初始化算法忽略平移外参对初始状态估计贡献的问题，在估计初始状态前将平移外参与其他初始状态参数进行解耦、计算并补偿进后续的初始化中。因为更完整初始化模型的构建，获取了更好的初始化结果。因此，本发明可以实现高精度的视觉惯性导航系统初始状态的估计，为后续系统持续、稳定、高精度的导航定位服务提供支持。

公开(公告)号：CN115683121A

公开(公告)日：2023-02-03

申请号：CN202211715238.3

申请日：2022-12-30

申请人： 武汉大学

发明人： 郑镇奇 ,  李由 ,  张轩轩 ,  廖宗波 ,  薛艺舟 ,  雷婷婷

IPC分类号： G01C21/20 ,  G01S5/02 ,  H04W4/33

摘要： 本发明公开了一种基于实测轨迹生成多源泛在定位指纹的方法，包括确定泛在定位指纹的位置不确定值阀值范围的最大值，基于给定AP点与实测轨迹位置点生成其所对应的LF测量值，在实测轨迹位置点上添加位置不确定度，结合上述两点生成各种类型的指纹数据，指纹数据包括但不限于获得由机器人、专人采集的高精度、低密度的专业指纹，以及基于众包轨迹、语义轨迹等方式获取的低成本、广覆盖、频更新的消费者指纹。通过本发明技术方案能够基于实测轨迹生成多源泛在定位指纹数据，生成的数据有效的隔离了指纹LF测量值精度的影响，为用户提供了准确的定位参考真值，克服了对于高精度指纹难以获取更高精度参考轨迹的问题，非常适用室内定位领域。

公开(公告)号：CN111079547B

公开(公告)日：2022-07-19

申请号：CN201911157461.9

申请日：2019-11-22

申请人： 武汉大学

发明人： 余佩林 ,  郭迟 ,  罗亚荣 ,  苏今腾 ,  张沪寅 ,  雷婷婷

IPC分类号： G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01C21/18

摘要： 本发明提供一种基于手机惯性传感器的行人移动方向识别方法，即对行人前进、后退、左移、右移四种状态进行识别。本发明的核心是一个深度神经网络模型，该模型由三个卷积层、两个LSTM单元、一个注意力机制模块及一个全连接层构成，经过学习训练后，该模型能够有效地挖掘出传感器数据中隐含的信息，并准确地判断出行人的移动方向。本发明方法具有运算速度快、识别准确率高、不易受环境影响的优点，所需成本也较低。

公开(公告)号：CN115683121B

公开(公告)日：2023-03-17

申请号：CN202211715238.3

申请日：2022-12-30

申请人： 武汉大学

发明人： 郑镇奇 ,  李由 ,  张轩轩 ,  廖宗波 ,  薛艺舟 ,  雷婷婷

IPC分类号： G01C21/20 ,  G01S5/02 ,  H04W4/33

摘要： 本发明公开了一种基于实测轨迹生成多源泛在定位指纹的方法，包括确定泛在定位指纹的位置不确定值阀值范围的最大值，基于给定AP点与实测轨迹位置点生成其所对应的LF测量值，在实测轨迹位置点上添加位置不确定度，结合上述两点生成各种类型的指纹数据，指纹数据包括但不限于获得由机器人、专人采集的高精度、低密度的专业指纹，以及基于众包轨迹、语义轨迹等方式获取的低成本、广覆盖、频更新的消费者指纹。通过本发明技术方案能够基于实测轨迹生成多源泛在定位指纹数据，生成的数据有效的隔离了指纹LF测量值精度的影响，为用户提供了准确的定位参考真值，克服了对于高精度指纹难以获取更高精度参考轨迹的问题，非常适用室内定位领域。