通过深度学习和智能手机嵌入式传感器提高行人导航的实时航向估计
Junhua Ye1, Ahmed Mansour2,3, Fenghua Huang4
1Zhejiang Agriculture and Forestry University, Hangzhou, 310000, China.
Scientific reports
|August 27, 2025
概括
准确的行人导航依赖于精确的航向估计. 这项研究使用深度学习来追踪视觉特征, 克服传感器的局限性, 改善智能手机导航.
科学领域:
- 计算机科学
- 机器人技术
- 地理工程
背景情况:
- 基于智能手机的行人导航精度受到传感器偏差,热漂移和设备方向变化的限制.
- 使用普遍或辅助资源的现有方法在准确性或无室内-室外过渡方面存在局限性.
研究的目的:
- 为了提高基于智能手机的行人导航的航向估计准确度.
- 应对传感器限制和环境干扰所带来的挑战.
主要方法:
- 利用低压陀螺仪 (LVGO) 测量和自认直线视觉特征从相机图像.
- 开发使用U-Net卷积神经网络进行视觉特征识别和方向约束的深度学习方法.
- 合并陀螺仪和磁场数据与视觉定位限制以减轻漂移和偏移.
主要成果:
- 拟议的方法有效地使用LVGO和视觉特征减轻累积的陀螺漂移.
- 基于深度学习的直线特征视觉跟踪可以提高方向估计的精度.
- 该方法实现了识别时间延迟和准确性之间的平衡,使实时性能平稳.
结论:
- 增强的航向估计方法提高了行人导航的准确性和可靠性.
- 这种方法通过利用触觉铺路等功能, 提供了帮助视障人士的巨大潜力.
- 建议对视力受损的用户进行进一步的测试以实现应用程序的整合.
