Использование методов машинного обучения в задаче навигации пешехода на основе малогабаритных бесплатформенных инерциальных навигационных систем

14 сентября 2022 года
Д.В.Гулевский

В работе рассматривается задача навигации пешехода, который ходит по горизонтальной плоской
поверхности. При этом сигнал GPS недоступен. В качестве навигационной информации
используются измерения блоков инерциальных датчиков смартфона (находящегося в кармане, в
сумке или в руке). Также в качестве наиболее точной навигационной информации используются
измерения блока инерциальных датчиков на микроэлектромеханических сенсорах (МЭМС)
установленных на стопах пешехода. Задача навигации далее делится на две части: навигация по
МЭМС на стопах и по смартфону.
Современные инерциальные сенсоры на МЭМС имеют невысокую точность, выражающуюся, в
первую очередь, уходом нуля датчиков угловой скорости (ДУС) и шумами акселерометров.
Поэтому автономная навигация без привлечения дополнительной информации невозможна.
Одним из путей повышения точности является привлечение информации о характере движения. В
данном случае о наличии остановок. Технология коррекции в точках остановок называется ZUPT
(zero velocity update technology). Чтобы обеспечить остановку, блок датчиков прикрепляется к
стопе пешехода. Таким образом, остановка реализуется в фазе опоры. Также в фазах опоры
движение не является ускоренным, и, следовательно, можно применять для определения
ориентации фильтр Маджвика. Задачи инерциальной навигации сейчас активно исследуются
разными исследователями. Во многих работах задача ZUPT коррекции решается либо с помощью
линейного фильтра Калмана, записанного для линеаризованных уравнений ошибок, либо с
помощью расширенного фильтра Калмана. В данной работе более детально рассматриваются
методы сигма-точечного фильтра Калмана, который позволяет учитывать нелинейности. Также в
работе уделяется внимание методам поиска фаз опоры.
Задача навигации по смартфону имеет большую сложность, чем задача, описанная ранее. Т.к.
кроме того что она имеет все вышеперечисленные сложности, она еще содержит в себе
дополнительные ограничения: невозможность использовать ZUPT коррекцию по нулевой скорости
из-за того, что нет фазы в которой скорость смартфона нулевая; сложность с начальной выставкой
смартфона (с определением ориентации смартфона). Основываясь на проблемах, описанных
ранее, было принято решения использовать алгоритмы машинного обучения, а именно
инструмент нейронных сетей, для решения данной задачи.
Еще одной проблемой некоторых МЭМС является нестабильная запись показаний. Поэтому в
данных иногда встречаются пропуски, которые нужно дополнительно обрабатывать. В данной
работе пропуски сначала разбиваются на классы по продолжительности. Затем для каждого класса
пропусков строится полносвязная нейронная сеть, которая на вход получает N значений до и N
значений после пропуска и возвращает предсказанные значения для пропуска, количество
которых выбирается для каждого класса пропусков таким образом, чтобы заполнить пропуск со
средней частотой измерений.
Данная работа предполагает знакомство с методами инерциальной навигации, с методами
глубинного обучения, работу с литературой, разработку алгоритмов коррекции по нулевой
скорости и алгоритма Маджвика, проведение и обработку результатов эксперимента, обучение
нейронных сетей для решения задачи навигации пешехода.