行人慣性導航的一些論文以及資料推薦

前言：

一直想些篇文章來總結下研一上看的一些東西，然而一直拖拖拖，研一主要還是上課，其他學校好像很少課，為啥我電這麼.....，剩餘的時間是看文獻啥的，
整理一下行人導航定位的一些資料，看了這些資料，應該會有很大的幫助！

書籍方面的推薦，以前讀書的時候沒覺得什麼，現在發現研究的領域當中，有一本入門的書籍真的是非常好，有利於自己快速瞭解自己的研究領域。

1.書籍方面的推薦

與行人導航主題最相關的書籍有如下推薦:

Pedestrian localisation for indoor environments （雖然我沒看過，但肯定是好書，劍橋大學的)

還有一本是國內的《室內空間信息支持下的行人導航定位方法》（講的還不錯哈哈）

其他的雖然不是行人導航，但是也有利於加深自己理解定位的書籍有：

機器人學的狀態估計（數學推導非常多，正在看）
概率機器人（大概看了一點）視覺SLAM14講（好書，推薦，即使是做行人的，看下其他領域的方法會有更多想法）

2.綜述性文章（必看必看，重點）

A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications （強烈推薦，下面有各個方向的文章索引）
A Survey of Indoor Inertial Positioning Systems for Pedestrians Survey of Inertial/magnetic Sensors Based pedestrian dead reckoning by multi-sensor fusion method

3.有代碼的文章應該重點看，這樣才知道大概怎麼實行構建（必看）

Tutorial:implementing a Pedestrian Tracker Using inertial Sensors （必看）
Pedestrian Tracking with Shoe-Mounted Inertial Sensors （必看） http://www.openshoe.org/?page_id=87 上面的網站是國外另外一個大佬的實驗室，代碼非常棒，不僅幫你瞭解怎麼實施，還能提高你代碼水平，他們的每篇論文都值得一看

4.進階：多慣導以及多感測器

Dual MIMU Pedestrian Navigation by Inequality Constraint Kalman Filtering
Fusing the information from Two Navigation System Using Bound on Their Maximum Spatial Separation Research on Pedestrian Location Based on Dual MIMU/ Magnetometer/ Ultrasonic Module Data Fusion Algorithms for Multiple Inertial Measurement Units **Jared B. Bancroft 當然單慣導已經不夠用了，於是開始有學者研究多慣導如果考慮到多感測器的融合，首先要面對的一個問題是兩個感測器時間怎麼對上，這在學術界裏有一個專有的名詞，叫做時間配準演算法，也有叫時空配準，不過靠軟體對齊真是喫力不討好，建議還是如果能用硬體做就用硬體做。

5.重要的技術方法（重點）

零速更新，雙腳約束，卡爾曼濾波（推薦看下優達學誠Artifical Intelligent中谷歌無人車之父的卡爾曼講解，沒有人講地比他好）還有用無跡卡爾曼，拓展卡爾曼做的....

6.機器學習方法

除了用傳統的方法做之外，也有用機器學習的方法進行輔助
Lightweight Map Matching for Indoor Localisation using Conditional Random Fields （安利一下自己實驗室老師聽說是頂會最佳論文，實驗室大佬） Research on Dual-MIMU Trajectory Tracking Based on Support Vector Machine Constraint Indoor Pedestrian Tracking Using Consumer-Grade Inertial Sensors With PZTD Heading Correction

6.行人導航的應用與挑戰