stringtranslate.com

Система внутреннего позиционирования

Карта отслеживания местоположения в помещении на мобильном телефоне

Система внутреннего позиционирования ( IPS ) — это сеть устройств, используемых для определения местоположения людей или объектов там, где GPS и другие спутниковые технологии недостаточно точны или полностью не работают, например, внутри многоэтажных зданий, аэропортов, переулков, гаражей и подземных локаций. [1]

Для обеспечения позиционирования в помещении используется большое разнообразие методов и устройств, начиная от уже установленных реконфигурированных устройств, таких как смартфоны, антенны Wi-Fi и Bluetooth , цифровые камеры и часы; специально построенные установки с реле и маяками, стратегически расположенными в определенном пространстве. В сетях IPS используются свет, радиоволны, магнитные поля, акустические сигналы и поведенческий анализ. [2] [3] IPS может достигать точности позиционирования 2 см, [4] что находится на одном уровне с GNSS-приемниками с поддержкой RTK , которые могут достигать точности 2 см на открытом воздухе. [5] IPS использует различные технологии, включая измерение расстояния до близлежащих узлов привязки (узлы с известными фиксированными положениями, например, точки доступа WiFi / LiFi , маяки Bluetooth или сверхширокополосные маяки), магнитное позиционирование , счисление пути . [6] Они либо активно обнаруживают мобильные устройства и теги, либо предоставляют устройствам местоположение или контекст окружающей среды для обнаружения. [7] [8] [9] Локализованный характер IPS привел к фрагментации конструкции: в системах используются различные оптические , [10] радио , [11] [12] [13] [14] [15] [ 16] [17] или даже акустические [18] [19] технологии.

IPS имеет широкое применение в коммерческой, военной, розничной торговле и отслеживании запасов. На рынке существует несколько коммерческих систем, но нет стандартов для системы IPS. Вместо этого каждая установка адаптируется к пространственным размерам, строительным материалам, требованиям точности и бюджетным ограничениям.

Чтобы сглаживание компенсировало стохастические (непредсказуемые) ошибки, необходим надежный метод значительного сокращения бюджета ошибок. Система может включать информацию из других систем, чтобы справиться с физической неоднозначностью и обеспечить компенсацию ошибок. Определение ориентации устройства (часто называемое направлением компаса , чтобы отличить его от вертикальной ориентации смартфона) может быть достигнуто либо путем обнаружения ориентиров внутри изображений, сделанных в реальном времени, либо с помощью трилатерации с маяками. [20] Также существуют технологии обнаружения магнитометрической информации внутри зданий или мест со стальными конструкциями или в железорудных рудниках. [21]

Применимость и точность

Из-за ослабления сигнала , вызванного строительными материалами, спутниковая система глобального позиционирования (GPS) теряет значительную мощность в помещении, что влияет на необходимое покрытие для приемников как минимум четырьмя спутниками. Кроме того, множественные отражения от поверхностей вызывают многолучевое распространение, приводящее к неконтролируемым ошибкам. Те же самые эффекты ухудшают качество всех известных решений для определения местоположения внутри помещений, в которых используются электромагнитные волны, передаваемые от передатчиков внутри помещений к приемникам внутри помещений. Для компенсации этих проблем применяется комплекс физических и математических методов. Перспективность коррекции ошибок радиочастотного позиционирования направления открывается за счет использования альтернативных источников навигационной информации, таких как блок инерциальных измерений (IMU), монокулярная камера одновременной локализации и картографии (SLAM) и WiFi SLAM. Интеграция данных из различных навигационных систем с разными физическими принципами может повысить точность и надежность общего решения. [22]

Глобальная система позиционирования США (GPS) и другие аналогичные глобальные навигационные спутниковые системы (GNSS), как правило, не подходят для определения местоположения внутри помещений, поскольку микроволны будут ослабляться и рассеиваться крышами, стенами и другими объектами. Однако для того, чтобы сигналы позиционирования стали повсеместными, можно обеспечить интеграцию между GPS и позиционированием в помещении. [23] [24] [25] [26] [27] [28] [29] [30]

В настоящее время приемники ГНСС становятся все более чувствительными из-за увеличения вычислительной мощности микрочипов. Высокочувствительные приемники GNSS способны принимать спутниковые сигналы в большинстве помещений, и попытки определить трехмерное положение внутри помещений оказались успешными. [31] Помимо повышения чувствительности приёмников, используется технология A-GPS , при которой альманах и другая информация передаются через мобильный телефон.

Однако, несмотря на то, что надлежащее покрытие для четырех спутников, необходимых для обнаружения приемника, не достигается во всех современных конструкциях (2008–2011 гг.) Для работы внутри помещений, эмуляция GPS была успешно развернута в метро Стокгольма. [32] Решения по расширению покрытия GPS смогли обеспечить зональное позиционирование в помещении, доступное с помощью стандартных чипсетов GPS, подобных тем, которые используются в смартфонах. [32]

Типы использования

Поиск и позиционирование

Хотя большинство современных IPS способны определять местоположение объекта, они настолько грубы, что их нельзя использовать для определения ориентации или направления объекта . [33]

Обнаружение и отслеживание

Одним из методов достижения достаточной эксплуатационной пригодности является « слежение ». Формирует ли определенная последовательность местоположений траекторию от первого до наиболее актуального местоположения. Статистические методы затем служат для сглаживания мест, определенных на траектории, напоминающей физические возможности объекта двигаться. Это сглаживание должно применяться при движении цели, а также к постоянной цели, чтобы компенсировать неустойчивые измерения. В противном случае единственное постоянное местоположение или даже прослеживаемая траектория представляли бы собой блуждающую последовательность прыжков.

Идентификация и сегрегация

В большинстве приложений совокупность целей больше одной. Следовательно, IPS должна обеспечивать правильную конкретную идентификацию каждой наблюдаемой цели и должна быть способна разделять и разделять цели по отдельности внутри группы. IPS должен иметь возможность идентифицировать отслеживаемые объекты, несмотря на наличие «неинтересных» соседей. В зависимости от конструкции либо сенсорная сеть должна знать, от какой метки она получила информацию, либо локационное устройство должно иметь возможность напрямую идентифицировать цели.

Беспроводные технологии

Для определения местоположения можно использовать любую беспроводную технологию. Многие различные системы используют существующую беспроводную инфраструктуру для позиционирования внутри помещений. Существует три основных варианта топологии системы для конфигурации аппаратного и программного обеспечения: сетевая, терминальная и терминальная. Точность позиционирования может быть повышена за счет оборудования и установок беспроводной инфраструктуры.

Система позиционирования на основе Wi-Fi (WPS)

Система позиционирования Wi-Fi (WPS) используется там, где GPS неадекватен. Методика локализации, используемая для позиционирования с помощью беспроводных точек доступа, основана на измерении интенсивности принимаемого сигнала ( receeded signal power в английском RSS) и методе «отпечатков пальцев». [34] [35] [36] [37] Чтобы повысить точность методов снятия отпечатков пальцев, можно применить методы статистической постобработки (например, теорию гауссовских процессов ), чтобы преобразовать дискретный набор «отпечатков пальцев» в непрерывное распределение RSSI каждая точка доступа по всему местоположению. [38] [39] [40] Типичные параметры, полезные для геолокации точки доступа Wi-Fi или точки беспроводного доступа, включают SSID и MAC-адрес точки доступа. Точность зависит от количества позиций, введенных в базу данных. Возможные колебания сигнала, которые могут возникнуть, могут увеличить ошибки и неточности на пути пользователя. [41] [42]

Bluetooth

Первоначально Bluetooth заботился о близости, а не о точном местоположении. [43] Bluetooth не был предназначен для обеспечения фиксированного местоположения, как GPS, однако он известен как решение для геозоны или микрозоны, что делает его решением для определения близости в помещении, а не решением для позиционирования в помещении.

Микрокартирование и картографирование помещений [44] было связано с Bluetooth [45] и с iBeacon на базе Bluetooth LE , продвигаемым Apple Inc. Крупномасштабная система позиционирования в помещении на основе iBeacons была реализована и применена на практике. [46] [47]

Положение динамика Bluetooth и домашние сети можно использовать для широкой справки.

В 2021 году Apple выпустила свои AirTags , которые позволяют сочетать технологии Bluetooth и UWB отслеживать устройства Apple в сети Find My , что вызвало всплеск популярности технологии отслеживания.

Концепции «узких мест»

Простая концепция индексации местоположения и отчетности о присутствии помеченных объектов, использует только известную идентификацию датчика. [16] Обычно это относится к системам пассивной радиочастотной идентификации (RFID)/ NFC , которые не сообщают об уровне сигнала и различных расстояниях отдельных меток или множества меток и не обновляют ранее известные координаты местоположения. датчик или текущее местоположение любых меток. Работоспособность таких подходов требует наличия узкого прохода, чтобы не допустить выхода за пределы зоны действия.

Концепции сетки

Вместо измерений на большом расстоянии можно организовать плотную сеть приемников малого радиуса действия, например, в виде сетки для экономии, по всему наблюдаемому пространству. Из-за малого радиуса действия помеченный объект будет идентифицирован лишь несколькими близкими сетевыми приемниками. Идентифицированная метка должна находиться в пределах досягаемости идентифицирующего считывателя, что позволяет приблизительно определить местоположение метки. Усовершенствованные системы сочетают визуальное покрытие с помощью сетки камер и беспроводное покрытие для труднодоступных мест.

Концепции датчиков дальнего действия

Большинство систем используют непрерывные физические измерения (например, угол и расстояние или только расстояние) вместе с идентификационными данными в одном комбинированном сигнале. Зона охвата этих датчиков обычно охватывает весь этаж, проход или только одну комнату. Решения с коротким радиусом действия применяются с несколькими датчиками и перекрывающимся радиусом действия.

Угол прибытия

Угол прихода (AoA) — это угол, под которым сигнал поступает на приемник. AoA обычно определяется путем измерения разницы во времени прибытия (TDOA) между несколькими антеннами в матрице датчиков. В других приемниках он определяется набором узконаправленных датчиков — угол можно определить по тому, какой датчик получил сигнал. AoA обычно используется с триангуляцией и известной базовой линией, чтобы найти местоположение относительно двух якорных передатчиков.

Время прибытия

Время прибытия (ToA, также время полета) — это количество времени, необходимое сигналу для распространения от передатчика к приемнику. Поскольку скорость распространения сигнала постоянна и известна (без учета различий в средах), время прохождения сигнала можно использовать для непосредственного расчета расстояния. Для определения местоположения можно комбинировать несколько измерений с трилатерацией и мультилатерацией . Этот метод используется в системах GPS и сверхширокополосных системах. Системы, использующие ToA, обычно требуют сложного механизма синхронизации для поддержания надежного источника времени для датчиков (хотя в тщательно спроектированных системах этого можно избежать, используя повторители для установления связи [17] ).

Точность методов, основанных на TOA, часто страдает из-за сильного многолучевого распространения при локализации в помещении, что вызвано отражением и дифракцией радиочастотного сигнала от объектов (например, внутренней стены, дверей или мебели) в окружающей среде. Однако можно уменьшить эффект многолучевого распространения, применяя методы, основанные на временной или пространственной разреженности. [48] ​​[49]

Угол сустава и время прибытия

Совместная оценка углов и времени прибытия — еще один метод определения местоположения пользователя. Действительно, вместо необходимости использования нескольких точек доступа и таких методов, как триангуляция и трилатерация, одна точка доступа сможет определять местонахождение пользователя по комбинированным углам и времени прибытия. [50] Более того, методы, которые используют как пространственные, так и временные измерения, могут увеличить степени свободы всей системы и в дальнейшем создать больше виртуальных ресурсов для решения большего количества источников с помощью подпространственных подходов. [51]

Индикация уровня полученного сигнала

Индикация уровня принимаемого сигнала (RSSI) — это измерение уровня мощности, принимаемого датчиком. Поскольку радиоволны распространяются по закону обратных квадратов , расстояние можно приблизительно определить (обычно с точностью до 1,5 метров в идеальных условиях и от 2 до 4 метров в стандартных условиях [52] ) на основе соотношения между мощностью передаваемого и принимаемого сигнала (коэффициент передачи прочность является постоянной величиной в зависимости от используемого оборудования), при условии, что никакие другие ошибки не приводят к ошибочным результатам. Внутри зданий нет свободного пространства , поэтому на точность существенно влияют отражения и поглощения от стен. Нестационарные объекты, такие как двери, мебель и люди, могут представлять еще большую проблему, поскольку они могут влиять на мощность сигнала динамичным и непредсказуемым образом.

Многие системы используют расширенную инфраструктуру Wi-Fi для предоставления информации о местоположении. [12] [14] [15] Ни одна из этих систем не предназначена для правильной работы с любой инфраструктурой в ее существующем виде. К сожалению, измерения уровня сигнала Wi-Fi чрезвычайно зашумлены , поэтому продолжаются исследования, направленные на создание более точных систем.

Другие беспроводные технологии

Другие технологии

Нерадиотехнологии могут использоваться для позиционирования без использования существующей беспроводной инфраструктуры. Это может обеспечить повышенную точность за счет дорогостоящего оборудования и установок.

Магнитное позиционирование

Магнитное позиционирование может предложить пешеходам со смартфонами точность в помещении 1–2 метра с уровнем достоверности 90% без использования дополнительной беспроводной инфраструктуры для позиционирования. Магнитное позиционирование основано на использовании железа внутри зданий, которое создает локальные изменения магнитного поля Земли. Неоптимизированные микросхемы компаса внутри смартфонов могут улавливать и записывать эти магнитные изменения, чтобы отображать местоположение внутри помещений. [55]

Инерционные измерения

Счисление пешеходов и другие подходы к позиционированию пешеходов предлагают инерциальную единицу измерения, которую несет пешеход, либо путем косвенного измерения шагов (подсчет шагов), либо с помощью метода, устанавливаемого на ноге, [56] иногда ссылаясь на карты или другие дополнительные датчики для ограничения присущих Дрейф датчика, возникающий при инерциальной навигации. Инерционные датчики MEMS страдают от внутренних шумов, которые со временем приводят к кубическому увеличению ошибки позиционирования. Для уменьшения роста ошибок в таких устройствах часто используется подход, основанный на фильтрации Калмана . [57] [58] [59] [60] Однако для того, чтобы он мог самостоятельно строить карту, будет использоваться структура алгоритма SLAM [61] . [62] [63] [64]

Инерционные меры обычно охватывают различия в движении, поэтому местоположение определяется путем интегрирования и, следовательно, для получения результатов требуются константы интегрирования. [65] [66] Фактическую оценку положения можно найти как максимум двумерного распределения вероятностей, которое пересчитывается на каждом этапе с учетом модели шума всех задействованных датчиков и ограничений, налагаемых стенами и мебелью. [67] Основываясь на движениях и поведении пользователей при ходьбе, IPS может оценивать местоположение пользователей с помощью алгоритмов машинного обучения. [68]

Позиционирование на основе визуальных маркеров

Система визуального позиционирования может определять местоположение мобильного устройства с камерой путем декодирования координат местоположения из визуальных маркеров. В такой системе маркеры размещаются в определенных местах по всему объекту, причем каждый маркер кодирует координаты этого места: широту, долготу и высоту над полом. Измерение угла обзора от устройства к маркеру позволяет устройству оценить координаты своего местоположения относительно маркера. Координаты включают широту, долготу, уровень и высоту над полом. [69] [70]

Местоположение на основе известных визуальных особенностей

Коллекция последовательных снимков с камеры мобильного устройства может создать базу данных изображений, подходящую для оценки местоположения на месте. После создания базы данных мобильное устройство, перемещающееся по объекту, может делать снимки, которые можно интерполировать в базу данных объекта, получая координаты местоположения. Эти координаты можно использовать в сочетании с другими методами определения местоположения для повышения точности. Обратите внимание, что это может быть особым случаем слияния датчиков, когда камера играет роль еще одного датчика.

Математика

После сбора данных датчиков IPS пытается определить место, из которого, скорее всего, была получена полученная передача. Данные от одного датчика, как правило, неоднозначны и должны быть решены с помощью ряда статистических процедур для объединения входных потоков нескольких датчиков.

Эмпирический метод

Один из способов определения местоположения — сопоставить данные из неизвестного местоположения с большим набором известных местоположений с использованием такого алгоритма, как k-ближайший сосед . Этот метод требует всестороннего обследования на месте и будет неточным при любых существенных изменениях в окружающей среде (из-за перемещения людей или перемещенных объектов).

Математическое моделирование

Местоположение будет рассчитываться математически путем аппроксимации распространения сигнала и определения углов и/или расстояния. Затем для определения местоположения будет использоваться обратная тригонометрия:

Передовые системы сочетают более точные физические модели со статистическими процедурами:

Использование

Основным потребительским преимуществом позиционирования в помещении является распространение мобильных компьютеров с функцией определения местоположения внутри помещений. Поскольку мобильные устройства становятся повсеместными, контекстная осведомленность приложений стала приоритетом для разработчиков. Однако большинство приложений в настоящее время полагаются на GPS и плохо работают в помещении. Приложения, извлекающие выгоду из расположения внутри помещения, включают:

Смотрите также

Рекомендации

  1. ^ Магда Челли, Нел Самама. Новые методы позиционирования в помещении, сочетающие детерминированные и оценочные методы. ENC-GNSS 2009: Европейская навигационная конференция – Глобальные навигационные спутниковые системы, май 2009 г., Неаполь, Италия. стр.1–12. ⟨hal-01367483⟩ [1]
  2. ^ Карран, Кевин; Фьюри, Эоган; Ланни, Том; Сантос, Хосе; Вудс, Дерек; МакКоги, Эйден (2011). «Оценка технологий определения местоположения в помещении». Журнал услуг, основанных на местоположении . 5 (2): 61–78. дои : 10.1080/17489725.2011.562927. S2CID  6154778.
  3. ^ Бельмонте-Фернандес, О.; Монтолиу, Р.; Торрес-Соспедра, Дж.; Сансано-Сансано, Э.; Чиа-Агилар, Д. (2018). «Метод, основанный на излучении, позволяющий избежать калибровки систем позиционирования внутри помещений». Экспертные системы с приложениями . 105 : 89–101. дои : 10.1016/j.eswa.2018.03.054. hdl : 10234/175947 . S2CID  46918367.
  4. ^ «Точность 2 см при использовании системы внутреннего позиционирования» . VBOX Автомобильная промышленность . 2019-11-19. Архивировано из оригинала 21 января 2021 г. Проверено 19 ноября 2019 г.
  5. ^ «Точность 2 см при использовании RTK» . VBOX Автомобильная промышленность . 2019-11-19. Архивировано из оригинала 18 января 2021 г. Проверено 19 ноября 2019 г.
  6. ^ Цю, Чен; Мутка, Мэтт (2016). «CRISP: сотрудничество между смартфонами для улучшения информации о местоположении внутри помещения». Беспроводная сеть . 24 (3): 867–884. дои : 10.1007/s11276-016-1373-1. S2CID  3941741.
  7. ^ Фьюри, Эоган; Карран, Кевин; Маккевитт, Пол (2012). «ПРИВЫЧКИ: подход с использованием байесовского фильтра для отслеживания и определения местоположения в помещении». Международный журнал биологических вычислений . 4 (2): 79. CiteSeerX 10.1.1.459.8761 . doi : 10.1504/IJBIC.2012.047178. 
  8. ^ THES, Распространение позиции в подключенной сети, Челли, Магда Лилия; Самама, Нел; 2011, 2011TELE0018, [2]
  9. ^ Ясир, М.; Хо, С.; Велламби, Б.Н. (2014). «Система позиционирования в помещении с использованием видимого света и акселерометра». Журнал световых технологий . 32 (19): 3306–3316. Бибкод : 2014JLwT...32.3306Y. дои : 10.1109/jlt.2014.2344772. S2CID  25188925.
  10. ^ ab Лю X, Макино Х., Масе К. 2010. Улучшенная оценка местоположения в помещении с использованием системы связи с люминесцентным светом и девятиканальным приемником. Транзакции IEICE по коммуникациям E93-B(11):2936-44.
  11. ^ Фарид, З.; Нордин Р.; Исмаил, М. (2013). «Последние достижения в области методов и систем беспроводной локализации внутри помещений». Журнал компьютерных сетей и коммуникаций . 2013 : 1–12. дои : 10.1155/2013/185138 .
  12. ^ Аб Чанг, Н; Рашидзаде Р.; Ахмади, М. (2010). «Надежное позиционирование в помещении с использованием дифференциальных точек доступа Wi-Fi». Транзакции IEEE по бытовой электронике . 56 (3): 1860–7. doi :10.1109/tce.2010.5606338. S2CID  37179475.
  13. ^ Атия, ММ; Нурелдин, А.; Коренберг, MJ (2013). «Динамические онлайн-калиброванные радиокарты для внутреннего позиционирования в беспроводных локальных сетях». Транзакции IEEE на мобильных компьютерах . 12 (9): 1774–1787. дои : 10.1109/tmc.2012.143. S2CID  15669485.
  14. ^ abc Чиу, Ю; Ван, К; Да, С (2010). «Адаптивный оценщик местоположения, использующий алгоритмы отслеживания для внутренних сетей WLAN». Беспроводная сеть . 16 (7): 1987–2012. дои : 10.1007/s11276-010-0240-8. S2CID  41494773.
  15. ^ аб Лим, H; Кунг, Л; Хоу, Джей Си; Хайюнь, Ло (2010). «Локализация внутри помещений без настройки через беспроводную инфраструктуру IEEE 802.11». Беспроводная сеть . 16 (2): 405–20. дои : 10.1007/s11276-008-0140-3. S2CID  17678327.
  16. ^ abc Реза, AW; Геок, ТК (2009). «Исследование определения местоположения в помещении с помощью сети RFID-считывателей с использованием алгоритма покрытия сетки». Беспроводная персональная связь . 49 (1): 67–80. дои : 10.1007/s11277-008-9556-4. S2CID  5562161.
  17. ^ abc Чжоу, Ю; Закон, CL; Гуань, ЮЛ; Чин, Ф (2011). «Внутренняя эллиптическая локализация на основе асинхронного измерения дальности СШП». Транзакции IEEE по приборостроению и измерениям . 60 (1): 248–57. Бибкод : 2011ITIM...60..248Z. дои : 10.1109/tim.2010.2049185. S2CID  12880695.
  18. ^ аб Швайнцер, Х; Каниак, Г (2010). «Локализация ультразвукового устройства и ее потенциал для безопасности беспроводной сенсорной сети». Практика управления инженерной деятельностью . 18 (8): 852–62. doi :10.1016/j.conengprac.2008.12.007.
  19. ^ Цю, Чен; Мутка, Мэтт (2017). «Бесшумный свисток: эффективное позиционирование в помещении с помощью акустических датчиков на смартфонах». 2017 18-й Международный симпозиум IEEE «Мир беспроводных, мобильных и мультимедийных сетей» (WoWMoM) . стр. 1–6. дои : 10.1109/WoWMoM.2017.7974312. ISBN 978-1-5386-2723-5. S2CID  30783515.
  20. ^ Позиционирование и ориентация с использованием обработки изображений, исследование Вашингтонского университета в 2007 году . Было разработано несколько подобных подходов, и в настоящее время (2017 г.) существуют приложения для смартфонов, реализующие эту технологию.
  21. ^ Стартап использует смартфон для отслеживания людей в помещении - О Indoor Atlass (веб-сайт MIT Technology Review)
  22. ^ Владимир Максимов и Олег Табаровский, ООО «РТЛС», Москва, Россия (2013). Обзор подходов к повышению точности тесно связанной персональной внутренней навигационной системы ToA/IMU. Материалы международной конференции по позиционированию и навигации в помещении, октябрь 2013 г., Монбельяр, Франция. Публикацию см. здесь. Архивировано 5 декабря 2014 г. в Wayback Machine.
  23. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад и Раджа Захила (2015). Отпечатки пальцев RSSI на основе выбора автономного маяка для помощи в покупках с учетом местоположения: предварительный результат. Новые тенденции в интеллектуальных информационных системах и системах баз данных, стр. 303–312, см. публикацию здесь.
  24. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад и Раджа Захила (2015). Локализация аварийно-спасательных операций (ERL) с использованием GPS, беспроводной локальной сети и камеры», Международный журнал программной инженерии и ее приложений , том 9, № 9, стр. 217-232, https://serscjournals.org/index.php/IJSEIA /vol9_no9_2015/19.pdf [ постоянная неработающая ссылка ]
  25. ^ Ван Мохд Яакоб Ван Беджури и Мохд Муртадха Мохамад (2014). Анализ производительности обнаружения и сопоставления функций на основе «серого мира» для систем мобильного позиционирования. Зондирование и визуализация, Том. 15, № 1, стр. 1-24 [3]
  26. ^ Ван Мохд, Яакоб Ван Беджури; Муртадха Мохамад, Мохд (2014). «Надежное мобильное позиционирование внутри помещений на основе беспроводной локальной сети/FM-радио: первоначальный результат» (PDF) . Международный журнал программной инженерии и ее приложений . 8 (2): 313–324.[ постоянная мертвая ссылка ]
  27. ^ Ван; Яакоб Ван Беджури, Мохд; Муртадха Мохамад, Мохд; Сапри, Маймуна; Шафри Мохд Рахим, Мохд; Ахсенали Чаудри, Джунаид (2014). «Оценка эффективности обнаружения и сопоставления функций на основе пространственной корреляции для автоматизированной системы навигации для инвалидных колясок». Международный журнал исследований интеллектуальных транспортных систем . 12 (1): 9–19. дои : 10.1007/s13177-013-0064-x. S2CID  3478714.
  28. ^ Ван Мохд Яакоб Ван Беджури, Ван Мохд Насри Ван Мухамад Саидин, Мохд Муртадха Мохамад, Маймуна Сапри и Ка Сенг Лим (2013). Повсеместное позиционирование: встроенное позиционирование по GPS/беспроводной локальной сети для навигационной системы для инвалидных колясок. Интеллектуальные системы информации и баз данных, Vol. 7802, стр. 394-403, см. публикацию здесь.
  29. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Маймуна Сапри и Мохд Адли Росли (2012). Повсеместное позиционирование WLAN/камеры с использованием пространственного обнаружения и сопоставления признаков обратной интенсивности цветности: предварительный результат. Международная конференция по человеко-машинным системам 2012 (ICOMMS 2012). Смотрите публикацию здесь
  30. ^ З. Хорват, Х. Хорват (2014): Точность измерения GPS, встроенного в смартфоны и планшеты, Международный журнал по электронике и коммуникационным технологиям, выпуск 1, стр. 17-19, [4]
  31. ^ «ГНСС в помещении — Борьба с затуханием, Часть 1 — Внутри ГНСС» . www.insidegnss.com . 12 марта 2008 г. Архивировано из оригинала 10 января 2018 г. Проверено 18 октября 2009 г.
  32. ^ ab «Синтони поднимается высоко, уходя под землю». Ноябрь 2016.
  33. ^ Фьюри, Эоган; Карран, Кевин; Маккевитт, Пол (2012). «Вероятностное моделирование движений человека в помещении для оказания помощи службам экстренного реагирования». Журнал окружающего интеллекта и гуманизированных вычислений . 3 (5): 559–569. дои : 10.1007/s12652-012-0112-4. S2CID  16611408.
  34. ^ Виолеттас, GE; Теодору, ТЛ; Георгиадис, СК (август 2009 г.). «Net Argus : монитор SNMP и позиционирование Wi-Fi, трехуровневый пакет приложений». 2009 Пятая Международная конференция по беспроводной и мобильной связи . стр. 346–351. дои :10.1109/ICWMC.2009.64. ISBN 978-1-4244-4679-7. S2CID  23482772.
  35. ^ П. Бахл и В.Н. Падманабхан, «РАДАР: встроенная радиочастотная система определения местоположения и отслеживания пользователей», в материалах 19-й ежегодной совместной конференции обществ компьютеров и коммуникаций IEEE (INFOCOM '00), том. 2, стр. 775–784, Тель-Авив. Израиль, март 2000 г.
  36. ^ Юсеф, Мустафа; Агравала, Ашок (4 января 2007 г.). «Система определения местоположения Хорус». Беспроводная сеть . 14 (3): 357–374. дои : 10.1007/s11276-006-0725-7. ISSN  1022-0038. S2CID  62768948.
  37. ^ Ю. Чен и Х. Кобаяши, «Геолокация в помещении на основе уровня сигнала», в материалах Международной конференции IEEE по коммуникациям (ICC '02), том. 1, стр. 436–439, Нью-Йорк, штат Нью-Йорк, США, апрель – май 2002 г.
  38. ^ Головань А.А. и др. Эффективная локализация с использованием различных моделей среднего смещения в гауссовских процессах // Международная конференция по позиционированию и навигации в помещении (IPIN), 2014 г. – IEEE, 2014. – С. 365-374.[5]
  39. ^ Хэнель БФД, Фокс Д. Гауссовы процессы для оценки местоположения на основе силы сигнала // Труды робототехники: наука и системы. – 2006.[6]
  40. ^ Феррис Б., Фокс Д., Лоуренс Н.Д. Wi-Fi-slam с использованием моделей скрытых переменных гауссовского процесса //IJCAI. – 2007. – Т. 7. – №. 1. – С. 2480-2485. [7] Архивировано 24 декабря 2022 г. в Wayback Machine.
  41. ^ Лимберопулос, Димитриос; Лю, Цзе; Ян, Сюэ; Рой Чоудхури, Ромит; Хандзиски, Владо; Сен, Сувик (2015). «Реалистичная оценка и сравнение технологий определения местоположения в помещении». Материалы 14-й Международной конференции по обработке информации в сенсорных сетях . стр. 178–189. дои : 10.1145/2737095.2737726. ISBN 9781450334754. S2CID  1028754.
  42. ^ Лаудиас, К.; Константину, Г.; Константинидес, М.; Николау, С.; Зейналипур-Язти, Д.; Панайоту, CG (2012). «Платформа внутреннего позиционирования Airplace для смартфонов Android». 2012 IEEE 13-я Международная конференция по управлению мобильными данными . стр. 312–315. дои :10.1109/МДМ.2012.68. ISBN 978-1-4673-1796-2. S2CID  14903792.(Награда за лучшее демо)
  43. ^ «Все, что вы всегда хотели знать о маяках» . Яркий разговор . Проверено 12 июня 2014 г.
  44. ^ «Apple запускает масштабный проект по нанесению на карту внутренней части каждого большого здания, которое может» . Бизнес-инсайдер . Проверено 12 июня 2014 г.
  45. ^ «Apple Inc. iBeacon с микрокартографированием может произвести революцию в розничной торговле» . ValueWalk. Январь 2014 . Проверено 12 июня 2014 г.
  46. ^ «Музыкальный центр города представляет приложение для поиска маршрутов» . Архивировано из оригинала 5 декабря 2014 г. Проверено 28 ноября 2014 г.
  47. ^ «Приложение Music City Center направляет посетителей» . Теннессиец . Проверено 28 ноября 2014 г.
  48. ^ Пурхомайон; Джин; Фаулер (2012). «Локализация внутри помещений на основе пространственной разреженности в беспроводной сенсорной сети для вспомогательных систем здравоохранения» (PDF) . Эмб2012 .
  49. ^ CR Comsa и др., «Локализация источника с использованием разницы во времени прибытия в рамках разреженной структуры представления», ICASSP, 2011.
  50. ^ Вэнь, Фуси и Чэнь Лян. «Точная локализация в помещении с использованием одной точки доступа с несколькими антеннами». Журнал датчиков IEEE 15.3 (2014): 1538-1544.
  51. ^ Ахмад Баззи, Дирк Т.М. Слок и Лиза Мейлхак. «Совместная оценка углов и времени прибытия по одному снимку: подход 2D Matrix Pencil». Международная конференция IEEE по коммуникациям (ICC), 2016 г. ИИЭР, 2016.
  52. ^ Чжан Цзе; Лю ХунЛи; Таньцзян (декабрь 2010 г.). «Исследование точности определения дальности на основе RSSI беспроводной сенсорной сети». 2-я Международная конференция по информатике и технике . стр. 2338–2341. дои : 10.1109/ICISE.2010.5691135. ISBN 978-1-4244-7616-9. S2CID  14465473.
  53. ^ «Racelogic представляет систему внутреннего позиционирования VBOX» . 24 сентября 2018 г.
  54. ^ Ли, Ён Ап; Кавеград, Мохсен; «Проектирование гибридной системы локализации в помещении на большие расстояния со связью в видимом свете и беспроводной сетью», Серия летних тематических встреч Общества фотоники, 2012 г., IEEE, том, №, стр. 82–83, 9–11 июля 2012 г. Смотрите публикацию здесь
  55. ^ «Геопространственный мир, август 2014 г.» (PDF) . Геопространственный мир .
  56. ^ Фокслин, Эрик (1 ноября 2005 г.). «Отслеживание пешеходов с помощью инерциальных датчиков, монтируемых на обуви». IEEE Компьютерная графика и приложения . 25 (6): 38–46. дои : 10.1109/MCG.2005.140. PMID  16315476. S2CID  19038276.
  57. ^ Бозе, Субходжьоти; Гупта, Амит К.; Гендель, Питер (2017). «О шумовых и энергетических характеристиках мульти-IMU системы инерциального позиционирования, монтируемой на башмаке». Международная конференция по позиционированию и навигации в помещении (IPIN) , 2017 г. стр. 1–8. дои : 10.1109/IPIN.2017.8115944. ISBN 978-1-5090-6299-7. S2CID  19055090.
  58. ^ Гупта, Амит К.; Ског, Исаак; Гендель, Питер (2015). «Долгосрочная оценка эффективности ножного пешеходного навигационного устройства». Ежегодная конференция IEEE в Индии (INDICON) , 2015 г. стр. 1–6. дои : 10.1109/INDICON.2015.7443478. ISBN 978-1-4673-7399-9. S2CID  33398667.
  59. ^ Нильссон, Джон-Олоф; Гупта, Амит К.; Гендель, Питер (2014). «Инерциальная навигация на ножках стала проще». Международная конференция по позиционированию и навигации в помещении (IPIN) , 2014 г. стр. 24–29. дои : 10.1109/IPIN.2014.7275464. ISBN 978-1-4673-8054-6. S2CID  898076.
  60. ^ Чжан, Вэньчао; Ли, Сянхун; Вэй, Дунъянь; Цзи, Синьчунь; Юань, Хун (2017). «Система PDR с креплением на ножках на основе алгоритма IMU/EKF+HMM+ZUPT+ZARU+HDR+компас». Международная конференция по позиционированию и навигации в помещении (IPIN) , 2017 г. стр. 1–5. дои : 10.1109/IPIN.2017.8115916. ISBN 978-1-5090-6299-7. S2CID  19693291.
  61. ^ Одновременная локализация и картографирование
  62. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Предложение места аварийного спасения (ERL) с использованием оптимизации блока инерциальных измерений (IMU) на основе одновременной локализации и картографирования пешеходов (SLAM). Международный журнал умного дома. Том 9: № 12, стр: 9–22. https://serscjournals.org/index.php/IJSH/vol9_no12_2015/2.pdf
  63. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Оптимизация места экстренного спасения (ERL) с использованием повторной выборки KLD: первоначальное предложение. Международный журнал u- и электронных услуг, науки и технологий. Том 9: № 2, стр: 249–262. https://serscjournals.org/index.php/IJUNESST/vol9_no2/25.pdf [ постоянная неработающая ссылка ]
  64. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Оптимизация фильтра частиц с блэквеллизацией Рао в одновременной локализации и картографировании пешеходов (SLAM): первоначальное предложение. Международный журнал безопасности и ее приложений. Том 9: № 11, стр: 377–390. https://serscjournals.org/index.php/IJSIA/vol9_no11_2015/35.pdf [ постоянная мертвая ссылка ]
  65. ^ «Слияние датчиков и помощь с картами для навигации в помещении» . Архивировано из оригинала 28 апреля 2010 г.
  66. ^ «Пешеходная локализация для помещений» (PDF) . Архивировано из оригинала (PDF) 5 июля 2017 г. Проверено 25 июня 2012 г.
  67. ^ Карбони, Давиде; Манчину, Андреа; Маротто, Валентина; Пирас, Андреа; Серра, Альберто (2015). «Безинфраструктурная навигация в помещении: пример». Журнал услуг, основанных на местоположении . 9 : 33–54. дои : 10.1080/17489725.2015.1027751. S2CID  34080648.
  68. ^ Цю, Чен; Мутка, Мэтт (2017). «Самоулучшенная локализация в помещении путем профилирования движения на открытом воздухе на смартфонах». 2017 18-й Международный симпозиум IEEE «Мир беспроводных, мобильных и мультимедийных сетей» (WoWMoM) . стр. 1–9. дои : 10.1109/WoWMoM.2017.7974311. ISBN 978-1-5386-2723-5. S2CID  8560911.
  69. ^ «Носимые устройства приходят на ремонт» .
  70. ^ Даниш, Ф. Серхан; Наскали, А. Теоман; Джемгил, А. Тайлан; Эрсой, Джем (2022). «Набор данных для внутренней локализации и система сбора данных с высокоточной аннотацией местоположения». Повсеместные и мобильные вычисления . 81 : 101554. arXiv : 2209.02270 . дои : 10.1016/j.pmcj.2022.101554. S2CID  246887116.
  71. ^ Аль-Ахмади, Абдулла; Касайме, Язид Мохаммад; Р.П., Правин; Альгамди, Али (2019). «Байесовский подход к моделированию распространения волн в помещении». Прогресс исследований в области электромагнетизма М . 83 : 41–50. дои : 10.2528/pierm19042804 . ISSN  1937-8726.
  72. ^ Даниш, Ф. Серхан; Джемгил, А. Тайлан; Эрсой, Джем (2021). «Адаптивный последовательный фильтр Монте-Карло для позиционирования и отслеживания в помещении с помощью маяков Bluetooth с низким энергопотреблением». Доступ IEEE . 9 : 37022–37038. Бибкод : 2021IEEE...937022D. дои : 10.1109/ACCESS.2021.3062818 .
  73. ^ Бай, Ю; Цзя, В; Чжан, Х; Мао, ZH; Солнце, М (2014). Определение местоположения в помещении на основе ориентиров для людей с нарушениями зрения . 12-я Международная конференция по обработке сигналов (ICSP). Том. 2014. С. 678–681. дои : 10.1109/ICOSP.2014.7015087. ISBN 978-1-4799-2186-7. ПМЦ  4512241 . ПМИД  26213718.
  74. ^ Гейт Сакер (март 2010 г.). «Junaio 2.0 — первое приложение дополненной реальности для социальных сетей в помещении на SXSW с API для разработчиков» . Архивировано из оригинала 12 марта 2010 г.
  75. ^ «Фраунгофер IIS использует магию позиционирования Awiloc в помещении, чтобы направлять посетителей музея» .
  76. ^ Цю, К.; Мутка, М.В. (01.10.2015). «AirLoc: мобильные роботы помогают локализовать помещения». 2015 12-я Международная конференция IEEE по мобильным специальным и сенсорным системам . стр. 407–415. дои :10.1109/МАСС.2015.10. ISBN 978-1-4673-9101-6. S2CID  13133026.

Внешние ссылки