手持智能手机上的惯性里程计

利用当前智能手机提供的有限质量数据构建完整的惯性导航系统，即使并非不可能，也一直被认为极具挑战性。本文表明，通过精心设计并利用传感器样本中的微弱信息，智能手机能够实现纯惯性导航。我们提出了一种基于旋转加速度双重积分的概率方法，用于方向无关且使用场景无关的惯性里程计。该模型的优势在于在线学习加性和乘性IMU偏差。通过使用扩展卡尔曼滤波进行推理，我们能够以计算轻量级的方式实时跟踪手机的位置、速度和姿态。信息融合还结合了零速度更新（如果手机保持静止）、气压计读数的高度校正（如果可用）以及约束瞬时速度的伪更新。我们使用iPad和iPhone在多个室内航位推算应用和测量工具设置中演示了我们的方法。