增強實境
增強實境(AR)是在一個實時顯示的真實環境上疊加圖形、聲音和其它感知強化技術并使其具有互動性和可操縱性的功能或用戶界面。在一個真實環境內融合3D虛擬信息有助于提高用戶對虛擬目標周圍環境的真實感。
最近，增強實境技術出現了幾個成功的應用案例。例如，汽車安全設備把路況和汽車周圍的信息投射到前檔風玻璃上，讓駕駛員對汽車所在位置有全面了解。另一個應用是把智能手機對準一個方位已知的目標，例如飯店或超市，手機就會顯示所指目標的信息。此外，如果身處一個陌生的大城市，這個功能還能幫助你找到最近的地鐵站，只要把手機旋轉360度，即可鎖定地鐵路線，沿所指方向到達目的地。
社交網絡在現代人的生活中扮演著重要作用。當一個人接近一個購物中心時，他可以用手機指向購物中心。然后，他的朋友將會收到經過數字處理技術強化的他所在位置和周邊環境的虛擬信息。反之亦然，他也會收到他朋友的方位和周邊信息。因此，增強實境是一種改變人們對真實世界的感覺的新方式。
由于智能手機市場高速增長，移動設備開始興起增強實境應用。圖1所示是在智能手機內實現移動增強實境所需的關鍵模塊。
圖1 智能手機的移動增強實境系統結構
數字攝像頭:用于傳送實際環境的信息流，并在液晶觸摸屏上顯示捕獲的視頻。目前，新款智能手機上已配備500萬像素或更高分辨率的成像傳感器。
CPU、手機操作系統、用戶界面和軟件開發工具：這些是智能手機的核心模塊。現在新的智能手機配備1GHz以上的雙核CPU、512MB RAM內存和32GB存儲器。在應用開發過程中，可通過用戶界面和軟件開發工具（SDK）調用應用程序接口，訪問圖形、無線通信功能、數據庫和MEMS傳感器原始數據，無需知道這些代碼背后的詳細原理。
高靈敏度GPS接收器、AGPS(輔助GPS)或DGPS(差分GPS) :當捕獲到有效的衛星信號時，這些模塊用于確定用戶當前的經緯度位置。多年來人們一直在研究提高GPS接收器在室內和高樓林立的地區的接收靈敏度和定位精度，因為在這類地區衛星信號變弱，并發生多信道干擾錯誤。
無線數據傳輸接口，包括GSM/GPRS、WiFi、藍牙和RFID:無線數據接口的主要目的是接入互聯網，檢索當前位置目標的在線數據庫，在等待GPS定位或沒有GPS信號時提供簡要的定位信息。如果建筑物內預裝了發射器，其它的近距離無線連接如WLAN、藍牙和RFID也可以提供精度適當的室內定位信息。
本機或在線數據庫:用于把增強的虛擬目標信息疊加到真實世界視頻上。當目標與當前方位吻合時，系統將能從本機數據庫或在線數據庫檢索目標的信息。然后用戶可以點擊觸摸屏上的超級鏈接或圖標，接收更加詳細的方位信息。
內置數字地圖的液晶觸摸屏:提供高分辨率的用戶界面，顯示含有虛擬目標信息的真實世界的視頻。有了數字地圖，用戶可以知道當前位置所在街道名稱，無需配戴任何特殊的3D眼鏡。
MEMS傳感器(加速度計、磁力計、
陀螺儀和壓力傳感器):這些傳感器是自導式器件，隨時隨地工作。因為低成本、小尺寸、輕量、低功耗、高性能，它們成為行人航位推算應用的首選半導體產品。這些傳感器與GPS接收器集成在一起可以在室內外獲得方位信息。
隨時隨地獲取精確、可靠的方位信息，使虛擬目標與實際環境保持一致，是移動增強實境應用面臨的主要挑戰。
室內方位檢測
盡管智能手機內置GPS接收器，在戶外的定位功能非常不錯，可在數字地圖上顯示航向，但是，某些GPS接收器在室內或高樓林立的城區無法接收衛星定位信號。即便在戶外，當汽車或行人靜止時，GPS也無法提供精確的方位或航向信息。GPS無法區分微小的高度變化。此外，GPS僅憑一個天線無法為手機或汽車用戶提供俯仰/滾轉/航向等姿態信息。
DGPS的定位精度為幾cm，但是需要另一個GPS接收器做基站，使用某一種距離粗捕獲碼向移動GPS接收器發射參考位置信息。輔助全球定位系統(A-GPS)在某種程度上有助于GPS獲得室內定位信息，但無法在可以接受的間隔內提供精確的定位信息。當手機用戶靜止時，至少需要三個GPS天線才能檢測到用戶的姿態信息。不過，目前還無法在一部智能手機上安裝多個GPS天線。
因此，僅有GPS的智能手機無法為用戶提供精確的方位和姿態信息。自導式MEMS傳感器是協助GPS實現一體化導航系統、提供室內外LBS定位服務的選擇。
當天線沒有被遮擋時，GPS接收器的絕對定位精度是3m到20m，這個參數在一段時期后不會發生漂移。基于MEMS傳感器的捷聯式慣性導航系統(Strap-down Inertial Navigation System，SINS) 可在很短時間內提供精確的定位信息。但是，根據運動傳感器的性能，這種導航系統在使用一段時間后很快就會發生精度漂移現象。行人航位推算系統（Pedestrian Dead Reckoning，PDR）是一個根據步長和方位計算從室內已知初始位置開始的行走距離的相對導航系統，雖然定位精度不會隨時間推移而發生漂移，但是需要在受磁力干擾的環境內保持航向精度。此外，GPS需要對步長進行校準，才能達到可以接受的定位精度。
按照捷聯式慣性導航系統理論，根據內在的偏差漂移和比例因數，
慣性傳感器(3軸加速度計和3軸陀螺儀)可分為三大類：導航級、戰術級和商用級。通過下面兩個方程式 ⑴ ，可以計算出獨立的加速度計和陀螺儀的水平位置誤差。
加速度計的位置誤差: PE_ACC＝1/2 ACC_biasT
2 (1)
其中ACC_bias是加速度計長期偏差穩定性，單位是mg；g=9.81m/s2；T是雙重積分周期，單位是s；PE_ACC是ACC_bias造成的位置誤差，單位是m。
陀螺儀的位置誤差:PE_GYRO＝1/6 gGYRO_biasT
3 (2)
其中g是地球重力，9.81m/s
2；GYRO_bias是陀螺儀長期偏差穩定性，單位是rad/s；T是雙重積分周期，單位是s，PE_ACC是GYRO_bias造成的位置誤差，單位是m。
以上兩個方程式可用于計算典型慣性傳感器的性能和長期偏差穩定性引起的水平位置誤差。當慣性傳感器與GPS集成在一起時，這些誤差不會隨時間推移而擴大，其它引起位置誤差的因素，如失匹、非線性和溫度影響，也應在計算中給予考慮。
最近在MEMS工藝上取得的進步使MEMS加速度計和陀螺儀能夠連續地提供更高的定位性能，使商用級產品更接近戰術級產品的性能。在較短的時間，如1分鐘內，獨立的加速度計和陀螺儀可取得相對較高的測量精度。當GPS信號受阻時，這對于GPS/SINS一體化導航系統很有用。
對于消費電子產品，室內行人航位推算系統5%的行進距離誤差通常是可以接受的。例如，當一個人走過100m的距離時，定位誤差應該在5m范圍內。這要求航向誤差在±2°到±5°之間[2]。例如，如果航位誤差是2°，當一個人走過100m的距離時，定位誤差應該在3.5m范圍內[即2×100m×sin(2°/2)]。
此外，由于MEMS壓力傳感器能夠測量相對于海平面的絕對氣壓。因此，它可以確定手機用戶在海平面以下600m到海平面以上 9000m之間的高度，輔助GPS的高度測量[2]。利用MEMS傳感器與GPS接收器的行人航位推算系統結構圖如圖2所示。
圖2 移動設備行人航位推算系統結構圖
MEMS傳感器整合
傳感器整合是一套數字濾波算法，用于修正每個獨立傳感器的缺陷，然后輸出精確、響應快速、動態的（俯仰/滾轉/偏航）姿態測量結果。其目的是把每個傳感器的測量數據作為輸入數據，然后應用數字過濾算法對輸入數據進行相互修正，最后輸出精確、響應快速、動態的姿態測量結果。因此，航向或方位不受環境磁干擾的影響，沒有陀螺儀的零點漂移問題。
能夠修正傾斜度的數字羅盤由一個3軸加速度計和一個3軸磁力計組成，可提供以地球北極為參考的航向信息，但是這個航向信息容易受到環境磁力的干擾。如果安裝一個3軸陀螺儀，開發一個9軸傳感器整合解決方案，則可以隨時隨地保持精確的航向信息。
在設計多個MEMS傳感器的系統時，了解下面每種MEMS傳感器的優缺點很重要。
加速度計:在靜態或慢速運動狀態下，可用于傾斜度修正型數字羅盤；或用于計步器的檢測功能，檢測行人當前是靜止還是運動狀態。不過，當系統在3D空間靜止時，加速度計無法區分真正的線性加速度與地球重力，而且容易受到震動和振蕩的影響。
陀螺儀:可以連續提供從系統載體坐標到局部地球水平坐標的旋轉矩陣，當磁力計受到干擾時，陀螺儀可輔助數字羅盤計算航向數據。長時間的零點漂移會導致無限制的姿態和定位錯誤。
磁力計:可計算以地球北極為參考方向的絕對航向，并且可用于校準陀螺儀的靈敏度，但容易受到環境磁場的干擾。
壓力傳感器:在室內導航時，壓力傳感器可告訴你身處哪一樓層，輔助GPS可計算高度；當GPS信號變弱時，輔助GPS提高定位精度，但是容易受到氣流和天氣狀況的影響。
基于以上各方面考慮，卡爾曼
濾波器是最常用的整合不同傳感器輸入信息的數學方法。這種方法權衡不同傳感器的作用，給性能最高的方面最高權數，因此，與基于單一媒介的導航系統相比，卡爾曼濾波器算法的估算結果更精確可靠[3]。目前的傳感器整合方案中，基于四元數的擴展型卡爾曼濾波器(EKF)很受歡迎，因為四元數只有4個元素，而旋轉矩陣有9個元素，此外，四元數法還避免了旋轉矩陣的特殊問題[3]。
結論
隨時隨地精確定位是增強實境等先進移動應用面臨的主要挑戰，因為增強實境與行人航位推算（PDR）或定位服務（LBS）的關系密切。鑒于GPS接收器的接收限制，MEMS傳感器對室內行人航位推算應用很有吸引力，因為這些傳感器大多數已經出現在智能手機內。
要想取得5%的室內行人航位推算定位誤差，需要開發MEMS傳感器整合算法，以修正每個傳感器的缺陷，使這些傳感器實現優勢互補。隨著MEMS傳感器的性能不斷提高，在不遠的將來，與用戶無關的SINS/GPS一體化導航系統將會成為智能手機的標準配置。（作者：Jay Esfandyari，Paolo Bendiscioli，Gang Xu）
參考文獻
1. A. Lawrence, Modern Inertial Technology: Navigation, Guidance, and Control, ISBN: 978-0387985077 (hardback), 0387985077 (electronic), 1998
2. STMicroelectronics, Inc. J. Esfandyari et al, MEMS Pressure Sensors in Pedestrian Navigation, Sensors Magazine,Dec. 2010
http://www.sensorsmag.com/electronics-computers/consumer/mems-pressure-sensors-pedestrian-navigation-7896
3. Greg Welch, Gary Bishop, An Introduction to the Kalman Filter, University of North Carolina at Chapel Hill
4. A. Sabatini, Quaternion-Based Extended Kalman Filter for Determining Orientation by Inertial and Magnetic Sensing, IEEE transaction on biomedical engineering, Vol. 53, No. 7, July 2006
http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumb
