.png){kind=icon}
返回
A Road-Network-Assisted Initialization and Navigation Framework for Pedestrian Localization
.png){kind=icon}
OA
AI
DOI：10.1109/jiot.2026.3717635.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在GNSS拒止或干扰环境下，足式行人定位高度依赖惯性传感，但其长期性能受限于初始值不确定性和累积航向漂移。本文提出一种道路网络辅助框架，在统一流程中解决这两个问题。初始化阶段，将短时零速更新（ZUPT）辅助的相对轨迹编码为局部结构描述符（包括路段长度、转向角和转向方向），并将道路网络分解为同一描述符空间中的局部路径基元。基于描述符哈希和IKD树的粗到精检索策略逐步扩展并验证候选路径，从而联合恢复初始位置和航向，无需GNSS或其他外部辅助。导航过程中，通过正交分解在道路固定坐标系中观测侧向位置误差，并通过匹配轨迹区间的相似性估计航向误差。这些观测值在误差状态卡尔曼滤波器中融合以实现一致的漂移抑制。实验结果表明，当有四个轨迹段可用时，所提出的初始化方法在超过90%的案例中成功。在30分钟行人导航实验中，所提出的方法实现2.33 m的水平均方根误差，优于纯惯性方法和代表性地图辅助基线。
Keyword:
Road-map-aided navigation
Initial pose estimation
Descriptor-based retrieval
Orthogonal decomposition
Trajectory similarity
