智能手机姿态参数滤波方法对比

摘 要：智能手机作为一种普及的移动设备，因具有摄影、定位与定姿功能，为其应用于数字摄影测量提供了必要保障。该文则针对智能手机姿态传感器原始数据包含噪声且具有振荡性的问题，参考滤波理论，设计实验，对比分析低通滤波法、卡尔曼滤波法、最小二乘滤波法以及组合方法对智能手机姿态数据处理效果的差异，并探究拍摄姿态与传感器精度的关系。结果表明：先低通滤波再卡尔曼滤波最后最小二乘滤波法的组合方法对数据噪声处理效果最佳并可有效消除数据振荡性；手机正向姿态拍摄影像时传感器感应精度高于其他姿态精度。

关键词：智能手机 姿态参数 滤波

中图分类号：TP39 文献标识码：A 文章编号：1674-098X（2015）12（b）-0010-04

Abstract：The popularity of smart phones as a mobile device， it should have photography， positioning and attitude determination function for its measurement used in digital photography to provide the necessary protection. Aiming smartphones attitude’s noisy and oscillation issues， referencing filter theory， a series of experiments were designed to compare the difference among the low pass filtering， the Kalman filtering， the least squares filtering method about handle effect of smartphone attitude data， and the relationship of gesture and shoot sensor accuracy was ascertained. The results show： the effect of the combination method of low-pass filtering， Kalman filtering least squares filtering was the best， and sensor accuracy is the highest when the phone attitude is orthogonal.

Key Works：Smart phones；Attitude；Filter

目前，智能手机作为一种新型且普及的移动设备，不仅能够获取高分辨率影像、实现实时定位，还可利用姿态传感器获得实时姿态数据。因此，将智能手机作为一种便捷灵活，易于使用的新型摄影测量平台，可为传统摄影测量硬件造价昂贵、体积庞大[1-3]等问题提供解决途径，深具实际意义与应用价值。

在数字摄影测量中，相机姿态参数的质量是影响后期成果正确性与精度的重要因素之一。与传统摄影测量设备不同，智能手机的姿态参数可通过对内置加速度计、陀螺仪等设备的实时数据积分运算后获得，进而实现设备简化，降低经费投入，同时增加设备可用性。但由于智能手机的实时数据不断变化，积分结果并不稳定；同时因“陀螺漂移”现象，测量误差也随时间不断累加。因此实得的姿态参数多为一组随时间不断振荡且包含噪声的数据集合而非单一值，不满足实际需求。因此，对智能手机姿态数据进行去噪处理，确定唯一的姿态参数值十分必要。

为获得高质量的手机姿态参数，该文参考滤波理论、设计实验并测试分析低通滤波法、卡尔曼滤波法、最小二乘滤波法以及组合方法等共计7种方法对智能手机姿态数据去噪效果的差异，并在此基础上分析5种典型拍摄姿态对传感器感应精度的影响。最终确定最佳的手机姿态数据滤波处理方法与拍摄姿态。

1 姿态描述与处理方法

1.1 姿态传感器

智能手机姿态传感器为加速度计、陀螺仪等一系列传感器的统称[4-5]。内置系统通过同时获取加速度计、陀螺仪等设备的数据进行积分计算，从而解算出手机的瞬时姿态参数。在搭载安卓系统的智能手机中，姿态参数通过手机坐标系与传感器角度进行描述。

（1）手机坐标系：此坐标系以手机固件中心为原点，X轴沿屏幕平面水平向右，Y轴垂直向上，Z轴垂直屏幕正面向外，如图1所示。特别地，上述坐标轴向、大小相对手机恒定，不随手机放置姿态改变。

（2）姿态传感器角度：由姿态传感器获得的Azimuth、Pitch和Roll角度，具体含义如表1所示。

1.2 滤波方法

针对姿态数据振荡且包含噪声的特点，研究基于下述4种方法展开。

（1）低通滤波法：将一维高斯低通滤波算子与获得的姿态数据进行卷积运算以实现姿态数据的去噪[6]。

（2）卡尔曼滤波法：以卡尔曼滤波实现姿态数据的估计值与量测值进行数据更新，排除数据噪声干扰[7]。

（3）最小二乘滤波法：利用此方法，将离散的姿态数据拟合为一条随时间变化的直线，消除姿态数据的振荡性[8]。

（4）组合方法：即上述三种基本方法的按一定顺序组合而得到的一系列方法的总称。

2 实验分析

2.1 实验设计

为探究智能手机姿态数据结果精度与滤波方法、设备精度的关系，设计实验如下。

实验一：不同滤波方法对比。该实验采用不同的滤波方法，处理正面拍摄影像的姿态数据，比较各滤波方法的处理结果，确定最佳的滤波处理方法。

实验二：不同拍摄姿态影响分析。该实验采用“实验一”确定的最佳滤波处理方法，处理不同拍摄姿态数据，比较处理结果，确定不同拍摄姿态与传感器数据精度之间的关系。

2.2 实验准备

采用搭载安卓系统的智能手机小米M3为实验平台，利用SDK（Software Development Kit）技术编机程序，实现智能手机拍照实姿态参数的自动化解算与相关处理，其具体执行过程如图2所示。其中，拍摄棋盘标定板影像，旨在获得像控点，为拍摄姿态参考值解算提供依据。

2.3 不同滤波方法对比

为确定最优的滤波方法，该文设计实验如下：首先将笔记本电脑按屏幕近乎垂直桌面的方式放置并全屏展示标定板影像；其次从屏幕正面，固定手机姿态连续拍摄5张标定板影像，并同时不间断地记录一组拍摄时姿态传感器的数值；然后，通过OpenCV空间后方交会解算功能[9-10]，获得每张影像拍摄时姿态参数，求其平均后作为参考值；最后对获取的一组姿态数据记录值利用低通滤波、卡尔曼滤波、最小二乘滤波法以及组合方法（如表2所示）进行滤波处理，分析比较各种方法处理结果的均值、标准差与极差。

表2中各滤波方法的处理结果如表3、图3所示。在图3中，横轴表示传感器记录的Azimuth数据值（单位：°），纵轴表示记录值对应时间序号，Pitch、Roll处理结果规律与Azimuth相似，该文不予累述。该实验中Azimuth、Pitch、Roll的参考值分别为-68.3805°、-0.2174°、-84.8215°。

由表3、图3可知，直接获取的传感器姿态数据振荡幅度较大且变化情况没有明显规律，这与既有理论与前期分析相吻合。

利用单一滤波方法处理时，低通滤波法处理的结果，由于所用的滤波内核尺寸远小于姿态数据振荡周期，虽振幅降低但仍保留振荡性；最小二乘滤波法处理后，姿态数据振荡性消失，但受噪声干扰，其期望与参考值相差较大；卡尔曼滤波处理后，姿态数据振幅降低，且由于数据不足前几组数据出现异常值。

利用组合方法处理时，先低通滤波再最小二乘滤波法处理后，其姿态数据振荡性消失，期望与参考值差异较小；先低通滤波再卡尔曼滤波处理后，其姿态数据仅振幅降低，且标准差较大；先卡尔曼滤波再最小二乘法处理后，姿态数据振荡性消失，但因异常值导致其期望与参考值相差较大；先低通滤波再卡尔曼滤波最后最小二乘滤波法处理后，姿态数据振荡性消失、离散程度降低、其期望与参考值的差异相对最小。

综上所述，先低通滤波再卡尔曼滤波最后最小二乘滤波法的组合方法是该文所述方法中最佳的滤波处理方法。

2.4 不同拍摄姿态影响实验

为探究不同拍摄姿态对传感器感应精度的影响，确定最佳拍摄姿态，该文设计实验如下：首先，在不同姿态下（如表4所示）获取标定板影像并记录姿态数据，每一种姿态的拍摄要求与“实验一”相同；其次，利用“实验一”得出的最佳方法处理获取的姿态数据，最后以OpenCV所提供的解算值为参考，对比不同姿态下姿态参数精度的差异。

表4中各实验的结果如表5所示。

由表5分析可知，当智能手机沿Y轴或Z轴旋转时所获取的姿态数据，经“实验一”最优方法处理后，虽姿态数据的振荡性消失，离散程度减小，但其期望与空间后方交会参考值相差较，姿态数据的精度低；而当智能手机处于正向姿态即Y轴数据值接近0°，Z轴数据值接近-90°时，姿态数据里处理后与参考值相差较小，说明手机姿态对设备感应精度存在一定程度的影响，且当手机处于正向姿态时，其影响相对较小。

3 结语

姿态参数的获取与处理是数字摄影测量中基本且关键的研究问题。该文在实现智能手机姿态数据实时获取与处理功能的基础上，针对姿态数据包含噪声且振荡的特点，以低通滤波、卡尔曼滤波、最小二乘滤波法为基础，设计实验，对比分析了不同滤波方法、不同拍摄姿态对智能手机姿态参数质量的影响，确定了最佳的姿态数据滤波方法与拍摄姿态，实验结果表明：该文所使用的滤波方法均可在一定程度上实现智能手机姿态数据的去噪，增加姿态数据精度；先低通滤波再卡尔曼滤波最后最小二乘滤波法的组合方法，所处理的姿态数据的最终结果精度高、离散度小，为该次研究中的最佳智能手机姿态数据处理方法。

由于手机传感器硬件限制，不同的拍摄姿态确会对智能手机姿态参数的精度产生影响。相比于其它姿态，正向姿态对姿态参数精度的影响相对较小。

参考文献

[1]王佩军，徐亚明.摄影测量学（测绘工程专业）[M].武汉：武汉大学出版社，2005.

[2]张祖勋.数字摄影测量的发展与展望[J].地理信息世界，2004，2（3）：1-5.

[3]张祖勋，张剑清.数字摄影测量学]M].武汉：武汉测绘科技大学出版社，1996.

[4]关东升.Android开发案例驱动教程[M].北京：机械工业出版社，2011.

[5]李宁.Android应用开发实战[M].北京：机械工业出版社，2012.

[6]田颜锋，刘晓刚，马彪，等.航空重力数据的预滤波处理[J].测绘科学技术学报，2010（4）：255-258.

[7]王冰，隋立芬，马成，等.利用GPS/陀螺组合测姿的矩阵卡尔曼滤波算法[J].测绘科学技术学报，2013（5）：461-464.

[8]严剑锋，邓喀中，邢正全.基于最小二乘拟合的三维激光扫描点云滤波[J].测绘通报，2013（5）：43-46.

[9]Bradski G，Kaehler A.Learning OpenCV：Computer vision with the OpenCV library[M].O’Reilly Media，Inc.，2008.

[10]Laganiere R.OpenCV2计算机视觉编程手册[M].北京：科学出版社，2013.