0

我正在开发一个 iOS 项目,该项目需要我在 GPS 不可用时进行简单的航位推算。我收到了来自各种手机的大量测量数据,其中包括以下内容:

  1. GPS 数据(x、y、z、航向、速度)(如果可用)
  2. 加速度计(用户加速度 x、y、z)
  3. 陀螺仪(旋转x、y、z)

我想计算时间序列中丢失的 GPS 位置。我了解如何根据最后的 GPS 位置和课程值来预测位置,但这给了我很大的错误。我的问题是,如果我将加速度计和陀螺仪数据结合起来,是否可以获得更好的结果。我了解如何整合加速度计值来获取速度信息,但我不确定如何使用陀螺仪数据。任何帮助将不胜感激。

4

1 回答 1

2

这不是一个小话题。关于您的问题:“是的,通过组合来自所有传感器的输入,您可以获得更好的结果”。

这就是卡尔曼滤波器 (KF) 的意义所在——这个过程称为传感器融合,网上有很多关于它的主题。通常用于此目的的 KF 版本是扩展卡尔曼滤波器。我建议阅读这篇论文 - 它很快就实现并解释了,但显然正是您想要执行的任务:

http://www.tkt.cs.tut.fi/research/nappo_files/1_C2.pdf

于 2015-04-01T10:05:31.253 回答