stringtranslate.com

Система позиционирования внутри помещения

Карта отслеживания местоположения в помещении на мобильном телефоне

Система позиционирования внутри помещений ( IPS ) представляет собой сеть устройств, используемых для определения местоположения людей или объектов там, где GPS и другие спутниковые технологии не обеспечивают точности или вообще не работают, например, внутри многоэтажных зданий, аэропортов, переулков, парковок и подземных помещений. [1]

Для обеспечения позиционирования в помещении используется большое разнообразие методов и устройств, начиная от уже развернутых перенастроенных устройств, таких как смартфоны, антенны WiFi и Bluetooth , цифровые камеры и часы; до специально созданных установок с реле и маяками, стратегически размещенными по всему определенному пространству. В сетях IPS используются свет, радиоволны, магнитные поля, акустические сигналы и поведенческая аналитика. [2] [3] IPS может достигать точности определения местоположения 2 см, [4] что находится на одном уровне с приемниками GNSS с поддержкой RTK , которые могут достигать точности 2 см на открытом воздухе. [5] IPS используют 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 , точный расчет . [6] Они либо активно определяют местоположение мобильных устройств и тегов, либо предоставляют окружающее местоположение или контекст окружающей среды для обнаружения устройств. [7] [8] [9] Локализованный характер IPS привел к фрагментации конструкции, в результате чего 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 коммерческих, военных, розничных и инвентаризационных отраслях. На рынке есть несколько коммерческих систем, но нет стандартов для системы IPS. Вместо этого каждая установка подгоняется под пространственные размеры, строительные материалы, требования к точности и бюджетные ограничения.

Для сглаживания, компенсирующего стохастические (непредсказуемые) ошибки, должен быть надежный метод для 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 отделить его от вертикальной ориентации смартфона) может быть достигнуто либо путем обнаружения ориентиров внутри изображений, снятых в реальном времени, либо с помощью трилатерации с маяками. [20] Существуют также технологии для обнаружения магнитометрической информации внутри зданий или мест со стальными конструкциями или в железорудных шахтах. [21]

Применимость и точность

Из-за затухания сигнала, вызванного строительными материалами, спутниковая система глобального позиционирования (GPS) теряет значительную мощность в помещении, что влияет на требуемое покрытие для приемников по крайней мере четырьмя спутниками. Кроме того, множественные отражения на поверхностях вызывают многолучевое распространение, служащее причиной неконтролируемых ошибок. Эти же самые эффекты ухудшают все известные решения для определения местоположения внутри помещений, которые используют электромагнитные волны от внутренних передатчиков к внутренним приемникам. Для компенсации этих проблем применяется набор физических и математических методов. Перспективное направление исправления ошибок позиционирования радиочастот открыто за счет использования альтернативных источников навигационной информации, таких как инерциальный измерительный блок (IMU), монокулярная камера, одновременная локализация и картографирование (SLAM) и WiFi SLAM. Интеграция данных из различных навигационных систем с различными физическими принципами может повысить точность и надежность общего решения. [22]

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

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

Однако, несмотря на то, что надлежащее покрытие для требуемых четырех спутников для определения местоположения приемника не достигается всеми текущими разработками (2008–2011) для работы внутри помещений, эмуляция GPS была успешно развернута в метро Стокгольма. [32] Решения по расширению покрытия GPS смогли обеспечить зональное позиционирование внутри помещений, доступное с помощью стандартных чипсетов GPS, таких как те, что используются в смартфонах. [32]

Виды использования

Обнаружение 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, позволяющих добиться достаточной эксплуатационной пригодности, является « отслеживание ». Является ли последовательность определенных местоположений траекторией от первого до самого фактического местоположения. Статистические методы затем служат для сглаживания местоположений, определенных в треке, напоминающем физические возможности объекта для перемещения. Это сглаживание должно применяться, когда цель движется, а также для резидентной цели, чтобы компенсировать неустойчивые меры. В противном случае единственное резидентное местоположение или даже отслеживаемая траектория будут состоять из странствующей последовательности скачков.

Идентификация и сегрегация

В большинстве приложений популяция целей больше, чем одна. Следовательно, IPS должна обеспечивать надлежащую специфическую идентификацию для каждой наблюдаемой цели и должна быть способна разделять и разделять цели по отдельности внутри группы. IPS должна быть способна идентифицировать отслеживаемые сущности, несмотря на «неинтересных» соседей. В зависимости от конструкции, либо сенсорная сеть должна знать, с какого тега она получила информацию, либо локационное устройство должно быть способно идентифицировать цели напрямую.

Беспроводные технологии

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

Система позиционирования на основе Wi-Fi (WPS)

Система позиционирования Wi-Fi (WPS) используется там, где GPS недостаточен. Метод локализации, используемый для позиционирования с помощью беспроводных точек доступа, основан на измерении интенсивности принимаемого сигнала ( received signal strength на английском языке RSS) и методе «отпечатков пальцев». [34] [35] [36] [37] Для повышения точности методов снятия отпечатков пальцев можно применять статистические методы постобработки (например, теорию гауссовых процессов ) для преобразования дискретного набора «отпечатков пальцев» в непрерывное распределение RSSI каждой точки доступа по всему местоположению. [38] [39] [40] Типичные параметры, полезные для геолокации точки доступа Wi-Fi или беспроводной точки доступа, включают SSID и MAC-адрес точки доступа. Точность зависит от количества позиций, которые были введены в базу данных. Возможные колебания сигнала, которые могут возникнуть, могут увеличить ошибки и неточности на пути пользователя. [41] [42]

Bluetooth

Первоначально Bluetooth был ориентирован на близость, а не на точное местоположение. [43] Bluetooth не был предназначен для предоставления фиксированного местоположения, как GPS, однако известен как решение геозоны или микрозоны, что делает его решением для определения близости внутри помещения, а не для позиционирования внутри помещения.

Микрокартирование и картографирование помещений [44] были связаны с Bluetooth [45] и с iBeacon на базе Bluetooth LE , продвигаемым Apple Inc. Была реализована и применена на практике крупномасштабная система позиционирования внутри помещений на основе iBeacon. [46] [47]

Для общей справки можно использовать местоположение динамика Bluetooth и домашние сети .

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

Концепции узких мест

Простая концепция индексации местоположения и сообщения о присутствии для помеченных объектов использует только идентификацию известного датчика. [16] Обычно это происходит с пассивными системами радиочастотной идентификации (RFID) / NFC , которые не сообщают о силе сигнала и различных расстояниях отдельных меток или группы меток и не обновляют какие-либо ранее известные координаты местоположения датчика или текущее местоположение любых меток. Работоспособность таких подходов требует некоторого узкого прохода, чтобы предотвратить выход за пределы диапазона.

Концепции сетки

Вместо измерения на большие расстояния можно организовать плотную сеть приемников с малым радиусом действия, например, в виде сетки для экономии, по всему наблюдаемому пространству. Из-за малого радиуса действия помеченный объект будет идентифицирован только несколькими близкими сетевыми приемниками. Идентифицированная метка должна находиться в пределах досягаемости идентифицирующего считывателя, что позволяет приблизительно определить местоположение метки. Усовершенствованные системы объединяют визуальное покрытие с сеткой камер и беспроводным покрытием для приблизительного определения местоположения.

Концепции датчиков дальнего действия

Большинство систем используют непрерывное физическое измерение (например, угол и расстояние или только расстояние) вместе с данными идентификации в одном комбинированном сигнале. Охват этих датчиков в основном охватывает весь этаж, или проход, или только одну комнату. Решения с коротким охватом применяются с несколькими датчиками и перекрывающимся охватом.

Угол прихода

Угол прибытия (AoA) — это угол, под которым сигнал поступает на приемник. AoA обычно определяется путем измерения разницы во времени прибытия (TDOA) между несколькими антеннами в массиве датчиков. В других приемниках он определяется массивом высоконаправленных датчиков — угол может быть определен по тому, какой датчик принял сигнал. AoA обычно используется с триангуляцией и известной базовой линией для определения местоположения относительно двух якорных передатчиков.

Время прибытия

Время прибытия (ToA, также время пролета) — это количество времени, которое требуется 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. Множественные измерения можно комбинировать с трилатерацией и мультилатерацией для поиска местоположения. 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 этого можно избежать в тщательно спроектированных системах, используя ретрансляторы для установления связи [17] ).

Точность методов, основанных на TOA, часто страдает от условий массивной многолучевости при внутренней локализации, что вызвано отражением и дифракцией радиочастотного сигнала от объектов (например, внутренних стен, дверей или мебели) в окружающей среде. Однако можно уменьшить влияние многолучевости, применяя методы, основанные на временной или пространственной разреженности. [48] [49]

Угол сочленения и время прибытия

Совместная оценка углов и времени прибытия — еще один метод оценки местоположения пользователя. Действительно, вместо того, чтобы требовать несколько точек доступа и такие методы, как триангуляция и трилатерация, одна точка доступа сможет определить местоположение пользователя с помощью комбинированных углов и времени прибытия. [50] Более того, методы, которые используют как пространственные, так и временные измерения, могут увеличить степени свободы всей системы и дополнительно создать больше виртуальных ресурсов для разрешения большего количества источников с помощью подходов подпространства. [51]

Индикация уровня принимаемого сигнала

Индикация уровня принимаемого сигнала (RSSI) — это измерение уровня мощности, принимаемой датчиком. Поскольку радиоволны распространяются по закону обратных квадратов , расстояние может быть приблизительно определено (обычно с точностью до 1,5 метров в идеальных условиях и от 2 до 4 метров в стандартных условиях [52] ) на основе соотношения между передаваемым и принимаемым сигналом (сила передачи является постоянной величиной в зависимости от используемого оборудования), при условии, что никакие другие ошибки не приводят к неверным результатам. Внутри зданий нет свободного пространства , поэтому на точность существенно влияют отражение и поглощение от стен. Нестационарные объекты, такие как двери, мебель и люди, могут представлять еще большую проблему, поскольку они могут влиять на уровень сигнала динамическим, 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 как таковой. К сожалению, измерения силы сигнала Wi-Fi чрезвычайно шумные , поэтому ведутся 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 железе внутри зданий, которое создает локальные изменения в магнитном поле Земли. Неоптимизированные компасные чипы внутри смартфонов могут воспринимать и записывать эти магнитные изменения для картирования местоположений в помещении. [55]

Инерциальные измерения

Пешеходный точный расчет и другие подходы к позиционированию пешеходов предлагают инерциальную измерительную единицу, переносимую пешеходом либо путем измерения шагов косвенно (подсчет шагов), либо в подходе, установленном на ноге, [56] иногда ссылаясь на карты или другие дополнительные датчики, чтобы ограничить присущий датчику дрейф, встречающийся при инерциальной навигации. Инерциальные датчики MEMS страдают от внутренних шумов, которые приводят к кубически растущей ошибке положения со временем. Чтобы уменьшить рост ошибки в таких устройствах, часто используется подход, основанный на фильтрации Калмана . [57] [58] [59] [60] Однако для того, чтобы сделать его способным строить карту самостоятельно, будет использоваться структура алгоритма SLAM [61] . [62] [63] [64]

Инерционные меры обычно охватывают дифференциалы движения, поэтому местоположение определяется путем интегрирования и, таким образом, требует констант интегрирования для получения результатов. [65] [66] Фактическую оценку местоположения можно найти как максимум двумерного распределения вероятностей, которое пересчитывается на каждом шаге с учетом модели шума всех задействованных датчиков и ограничений, накладываемых стенами и мебелью. [67] На основе движений и поведения при ходьбе пользователей 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, декодируя координаты местоположения из визуальных маркеров. В такой системе маркеры размещаются в определенных местах по всему объекту, каждый маркер кодирует координаты этого местоположения: широту, долготу и высоту над полом. Измерение угла зрения от устройства до маркера позволяет устройству оценить собственные координаты 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 в месте проведения мероприятия. После создания базы данных мобильное устройство, перемещающееся по месту проведения мероприятия, может делать снимки, которые можно интерполировать в базу данных места проведения мероприятия, получая координаты местоположения. Эти координаты можно использовать в сочетании с другими методами определения местоположения для более высокой точности. Обратите внимание, что это может быть особым случаем слияния датчиков, когда камера играет роль еще одного датчика.

Математика

После сбора данных датчика IPS пытается определить место, откуда, скорее всего, была получена полученная передача. Данные с одного датчика, как правило, неоднозначны и должны быть разрешены серией статистических процедур для объединения нескольких входных потоков датчика.

Эмпирический метод

Один из способов определения местоположения — сопоставить данные из неизвестного местоположения с большим набором известных местоположений с помощью алгоритма, такого 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 объектов).

Математическое моделирование

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

Усовершенствованные системы объединяют более точные физические модели со статистическими процедурами:

Использует

Главным преимуществом позиционирования в помещении для потребителей является расширение мобильных вычислений с учетом местоположения в помещении. Поскольку мобильные устройства становятся повсеместными, контекстная осведомленность для приложений становится приоритетом для разработчиков. Однако большинство приложений в настоящее время полагаются на GPS и плохо работают в помещении. Приложения, получающие выгоду от определения местоположения в помещении, включают:

Смотрите также

Ссылки

  1. ^ Магда Челли, Нель Самама. Новые методы позиционирования в помещениях, объединяющие детерминированные и оценочные методы. ENC-GNSS 2009: Европейская навигационная конференция — Глобальные навигационные спутниковые системы, май 2009, Неаполь, Италия. стр. 1–12. ⟨hal-01367483⟩ [1]
  2. ^ Курран, Кевин; Фьюри, Эоган; Ланни, Том; Сантос, Хосе; Вудс, Дерек; МакКоги, Эйден (2011). «Оценка технологий определения местоположения в помещении». Журнал услуг на основе определения местоположения . 5 (2): 61–78. doi :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 с использованием системы позиционирования в помещении". VBOX Automotive . 2019-11-19. Архивировано из оригинала 2021-01-21 . Получено 2019-11-19 .
  5. ^ "Точность 2 см с использованием RTK". VBOX Automotive . 2019-11-19. Архивировано из оригинала 2021-01-18 . Получено 2019-11-19 .
  6. ^ Цю, Чен; Мутка, Мэтт (2016). «CRISP: сотрудничество между смартфонами для улучшения информации о местоположении в помещении». Беспроводные сети . 24 (3): 867–884. doi :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 связанной 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 Lightwave Technology . 32 (19): 3306–3316. Bibcode : 2014JLwT...32.3306Y. doi : 10.1109/jlt.2014.2344772. S2CID  25188925.
  10. ^ ab Liu X, Makino H, Mase K. 2010. Улучшенная оценка местоположения в помещении с использованием системы связи на основе флуоресцентного света с девятиканальным приемником. IEICE Transactions on Communications E93-B(11):2936-44.
  11. ^ Фарид, З.; Нордин, Р.; Исмаил, М. (2013). «Последние достижения в области беспроводных методов и систем локализации внутри помещений». Журнал компьютерных сетей и коммуникаций . 2013 : 1–12. doi : 10.1155/2013/185138 .
  12. ^ ab Chang, N; Rashidzadeh, R; Ahmadi, M (2010). «Надежное позиционирование в помещении с использованием дифференциальных точек доступа Wi-Fi». IEEE Transactions on Consumer Electronics . 56 (3): 1860–7. doi :10.1109/tce.2010.5606338. S2CID  37179475.
  13. ^ Атиа, ММ; Нурельдин, А.; Коренберг, МДж (2013). «Динамические онлайн-калиброванные радиокарты для позиционирования внутри помещений в беспроводных локальных сетях». Труды IEEE по мобильным вычислениям . 12 (9): 1774–1787. doi :10.1109/tmc.2012.143. S2CID  15669485.
  14. ^ abc Chiou, Y; Wang, C; Yeh, S (2010). «Адаптивный оценщик местоположения с использованием алгоритмов отслеживания для внутренних сетей WLAN». Wireless Networks . 16 (7): 1987–2012. doi :10.1007/s11276-010-0240-8. S2CID  41494773.
  15. ^ ab Lim, H; Kung, L; Hou, JC; Haiyun, Luo (2010). «Локализация внутри помещений с нулевой конфигурацией через беспроводную инфраструктуру IEEE 802.11». Беспроводные сети . 16 (2): 405–20. doi :10.1007/s11276-008-0140-3. S2CID  17678327.
  16. ^ abc Реза, AW; Геок, TK (2009). «Исследование определения местоположения в помещении с помощью сети считывателей RFID с использованием алгоритма покрытия сетки». Беспроводные персональные коммуникации . 49 (1): 67–80. doi :10.1007/s11277-008-9556-4. S2CID  5562161.
  17. ^ abc Zhou, Y; Law, CL; Guan, YL; Chin, F (2011). "Внутренняя эллиптическая локализация на основе асинхронного измерения диапазона UWB". IEEE Transactions on Instrumentation and Measurement . 60 (1): 248–57. Bibcode : 2011ITIM...60..248Z. doi : 10.1109/tim.2010.2049185. S2CID  12880695.
  18. ^ ab Швайнцер, Х.; Каниак, Г. (2010). «Локализация ультразвуковых устройств и ее потенциал для безопасности беспроводных сенсорных сетей». Control Engineering Practice . 18 (8): 852–62. doi :10.1016/j.conengprac.2008.12.007.
  19. ^ Qiu, Chen; Mutka, Matt (2017). «Бесшумный свист: эффективное позиционирование в помещении с помощью акустического зондирования на смартфонах». 2017 IEEE 18-й Международный симпозиум по миру беспроводных, мобильных и мультимедийных сетей (WoWMoM) . стр. 1–6. doi :10.1109/WoWMoM.2017.7974312. ISBN 978-1-5386-2723-5. S2CID  30783515.
  20. ^ Позиционирование и ориентация с использованием обработки изображений, исследование 2007 года из Вашингтонского университета . Было разработано несколько подобных подходов, и в настоящее время (2017) существуют приложения для смартфонов, реализующие эту технологию.
  21. ^ Стартап использует смартфон для отслеживания людей в помещении, - О Indoor Atlass (сайт MIT Technology Review)
  22. ^ Владимир Максимов и Олег Табаровский, ООО RTLS, Москва, Россия (2013). Обзор подходов к повышению точности для тесно связанной системы персональной навигации в помещениях ToA/IMU. Труды Международной конференции по позиционированию и навигации в помещениях, октябрь 2013 г., Монбельяр, Франция.См. публикацию здесь. Архивировано 05.12.2014 в Wayback Machine
  23. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад и Раджа Захила (2015). Автономное определение RSSI-отпечатков пальцев 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). Аварийно-спасательная локализация (ERL) с использованием GPS, беспроводной локальной сети и камеры" Международный журнал по программной инженерии и ее приложениям , том 9, № 9, стр. 217-232, https://serscjournals.org/index.php/IJSEIA/vol9_no9_2015/19.pdf [ постоянная мертвая ссылка ]
  25. ^ Ван Мохд Яакоб Ван Беджури и Мохд Муртадха Мохамад (2014). Анализ производительности обнаружения и сопоставления признаков на основе серого мира для мобильных систем позиционирования. Sensing and Imaging, т. 15, № 1, стр. 1-24 [3]
  26. ^ Ван Мохд, Яакоб Ван Беджури; Муртадха Мохамад, Мохд (2014). «Надежное позиционирование мобильных устройств в помещениях на основе беспроводной локальной сети/FM-радио: начальный результат» (PDF) . Международный журнал по программной инженерии и ее применению . 8 (2): 313–324. Архивировано из оригинала (PDF) 30 октября 2023 г.
  27. ^ Ван; Яакоб Ван Беджури, Мохд; Муртадха Мохамад, Мохд; Сапри, Маймунах; Шафри Мохд Рахим, Мохд; Ахсенали Чаудри, Джунаид (2014). «Оценка производительности обнаружения и сопоставления пространственных корреляционных признаков для автоматизированной системы навигации для инвалидных колясок». Международный журнал исследований интеллектуальных транспортных систем . 12 (1): 9–19. doi :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, Маймунах Сапри и Мохд Адли Росли (2012). Повсеместное позиционирование WLAN/камеры с использованием обнаружения и сопоставления признаков на основе обратного интенсивностного цветового пространства: предварительный результат. Международная конференция по системам «человек-машина» 2012 г. (ICOMMS 2012). См. публикацию здесь
  30. ^ Z. Horvath, H. Horvath (2014): Точность измерений GPS, встроенного в смартфоны и планшеты, Международный журнал по электронике и коммуникационным технологиям, выпуск 1, стр. 17-19, [4]
  31. ^ "GNSS Indoors — Fighting The Fading, Part 1 - Inside GNSS". www.insidegnss.com . 2008-03-12. Архивировано из оригинала 2018-01-10 . Получено 2009-10-18 .
  32. ^ ab "Syntony поднимается высоко, уходя под землю". Ноябрь 2016 г.
  33. ^ Фьюри, Эоган; Каррен, Кевин; Маккевитт, Пол (2012). «Вероятностное моделирование движения человека в помещении для оказания помощи службам быстрого реагирования». Журнал окружающего интеллекта и гуманизированных вычислений . 3 (5): 559–569. doi :10.1007/s12652-012-0112-4. S2CID  16611408.
  34. ^ Виолеттас, GE; Теодору, TL; Георгиадис, CK (август 2009 г.). «Net Argus : Монитор SNMP и позиционирование Wi-Fi, трехуровневый набор приложений». Пятая международная конференция по беспроводным и мобильным коммуникациям 2009 г. стр. 346–351. doi :10.1109/ICWMC.2009.64. ISBN 978-1-4244-4679-7. S2CID  23482772.
  35. ^ П. Бахл и В. Н. Падманабхан, «РАДАР: система определения местоположения и отслеживания пользователя на основе радиочастот внутри зданий», в Трудах 19-й ежегодной совместной конференции обществ IEEE по компьютерам и коммуникациям (INFOCOM '00), т. 2, стр. 775–784, Тель-Авив. Израиль, март 2000 г.
  36. ^ Юсеф, Мустафа; Агравала, Ашок (2007-01-04). «Система определения местоположения Хоруса». Беспроводные сети . 14 (3): 357–374. doi :10.1007/s11276-006-0725-7. ISSN  1022-0038. S2CID  62768948.
  37. ^ Y. Chen и H. Kobayashi, «Геолокация в помещении на основе уровня сигнала», в Трудах Международной конференции IEEE по коммуникациям (ICC '02), т. 1, стр. 436–439, Нью-Йорк, США, апрель–май 2002 г.
  38. ^ Голован А.А. и др. Эффективная локализация с использованием различных моделей смещения среднего в гауссовых процессах //2014 Международная конференция по позиционированию и навигации в помещениях (IPIN). – IEEE, 2014. – С. 365-374.[5]
  39. ^ Хенел Б.Ф.Д., Фокс Д. Гауссовские процессы для оценки местоположения на основе уровня сигнала // Труды по робототехнике: наука и системы. – 2006.[6]
  40. ^ Феррис Б., Фокс Д., Лоуренс Н. Д. Wifi-слэм с использованием моделей гауссовского процесса со скрытыми переменными //IJCAI. – 2007. – Т. 7. – №. 1. – С. 2480-2485.[7]Архивировано 24 декабря 2022 г. на Wayback Machine
  41. ^ Lymberopoulos, Dimitrios; Liu, Jie; Yang, Xue; Roy Choudhury, Romit; Handziski, Vlado; Sen, Souvik (2015). «Реалистичная оценка и сравнение технологий определения местоположения в помещениях». Труды 14-й Международной конференции по обработке информации в сенсорных сетях . стр. 178–189. doi :10.1145/2737095.2737726. ISBN 9781450334754. S2CID  1028754.
  42. ^ Лаудиас, К.; Константину, Г.; Константинидес, М.; Николау, С.; Зейналипур-Язти, Д.; Панайоту, К. Г. (2012). «Платформа позиционирования Airplace Indoor для смартфонов Android». 13-я международная конференция IEEE по управлению мобильными данными , 2012 г. стр. 312–315. doi :10.1109/MDM.2012.68. ISBN 978-1-4673-1796-2. S2CID  14903792.(Премия за лучшую демонстрацию)
  43. ^ "Все, что вы всегда хотели знать о маяках". Bright Talk . Получено 12 июня 2014 г.
  44. ^ "Apple запускает масштабный проект по картированию внутренних помещений каждого большого здания, которое она сможет". Business Insider . Получено 12 июня 2014 г.
  45. ^ "iBeacon от Apple Inc. с микрокартированием может произвести революцию в розничной торговле". ValueWalk. Январь 2014 г. Получено 12 июня 2014 г.
  46. ^ "Music City Center представляет приложение для навигации". Архивировано из оригинала 2014-12-05 . Получено 2014-11-28 .
  47. ^ "Приложение Music City Center направляет посетителей". The Tennessean . Получено 28.11.2014 .
  48. ^ Pourhomayoun; Jin; Fowler (2012). «Локализация в помещении на основе пространственной разреженности в беспроводной сенсорной сети для вспомогательных систем здравоохранения» (PDF) . Embc2012 .
  49. ^ CR Comsa и др., «Локализация источника с использованием разницы во времени прибытия в рамках разреженной структуры представления», ICASSP, 2011.
  50. ^ Вэнь, Фукси и Чэнь Лян. «Точная локализация внутри помещений с использованием одной точки доступа с несколькими антеннами». Журнал датчиков IEEE 15.3 (2014): 1538-1544.
  51. ^ Ахмад Бацци, Дирк ТМ Слок и Лиза Мейлак. «Однократная совместная оценка углов и времени прибытия: подход с использованием двумерного матричного карандаша». Международная конференция IEEE по коммуникациям (ICC) 2016 года. IEEE, 2016.
  52. ^ Чжань Цзе; Лю ХунЛи; Таньцзянь (декабрь 2010 г.). «Исследование точности измерения дальности на основе RSSI беспроводной сенсорной сети». 2-я Международная конференция по информационным наукам и инжинирингу . стр. 2338–2341. doi :10.1109/ICISE.2010.5691135. ISBN 978-1-4244-7616-9. S2CID  14465473.
  53. ^ "Racelogic представляет систему позиционирования в помещении VBOX". 2018-09-24.
  54. ^ Ли, Йонг Ап; Кавехрад, Мохсен; «Проект гибридной системы локализации дальнего действия в помещении с видимой световой связью и беспроводной сетью», Серия летних тематических встреч Фотонического общества, 2012 г. IEEE, т., №, стр. 82-83, 9–11 июля 2012 г. См. публикацию здесь
  55. ^ "Геопространственный мир август 2014" (PDF) . Геопространственный мир .
  56. ^ Фокслин, Эрик (1 ноября 2005 г.). «Отслеживание пешеходов с помощью инерциальных датчиков, устанавливаемых на обувь». IEEE Computer Graphics and Applications . 25 (6): 38–46. doi :10.1109/MCG.2005.140. PMID  16315476. S2CID  19038276.
  57. ^ Бозе, Субходжоти; Гупта, Амит К.; Гендель, Питер (2017). «О шумовых и энергетических характеристиках многофункциональной инерциальной системы позиционирования, устанавливаемой на обувь». Международная конференция по позиционированию и навигации в помещениях (IPIN) 2017 г. . стр. 1–8. doi :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). «Простая инерциальная навигация с креплением на ногу». Международная конференция по позиционированию и навигации в помещениях (IPIN) 2014 г. С. 24–29. doi :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 ноге на основе алгоритма IMU/EKF+HMM+ZUPT+ZARU+HDR+компас». Международная конференция по позиционированию и навигации в помещениях (IPIN) 2017 г. . стр. 1–5. doi :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 по определению местоположения аварийно-спасательных служб (ERL) с использованием оптимизации инерциального измерительного блока (IMU) на основе одновременной локализации и картирования пешеходов (SLAM). Международный журнал «Умный дом». 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 определения местоположения аварийно-спасательных служб (ERL) с использованием повторной выборки KLD: первоначальное предложение. Международный журнал u- и e-сервисов, 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 Рао-Блэквеллида в одновременной локализации и картографировании пешеходов (SLAM): первоначальное предложение. Международный журнал безопасности и его применения. 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 картой для навигации внутри помещений". Архивировано из оригинала 28.04.2010.
  66. ^ "Локализация пешеходов в помещениях" (PDF) . Архивировано из оригинала (PDF) 2017-07-05 . Получено 2012-06-25 .
  67. ^ Карбони, Давиде; Манчину, Андреа; Маротто, Валентина; Пирас, Андреа; Серра, Альберто (2015). «Навигация внутри помещений без инфраструктуры: пример исследования». Журнал услуг на основе определения местоположения . 9 : 33–54. doi :10.1080/17489725.2015.1027751. S2CID  34080648.
  68. ^ Qiu, Chen; Mutka, Matt (2017). «Самостоятельное улучшение локализации в помещении путем профилирования движения на открытом воздухе на смартфонах». 2017 IEEE 18-й Международный симпозиум по миру беспроводных, мобильных и мультимедийных сетей (WoWMoM) . стр. 1–9. doi :10.1109/WoWMoM.2017.7974311. ISBN 978-1-5386-2723-5. S2CID  8560911.
  69. ^ «Носимые устройства отправляются на ремонт».
  70. ^ Даниш, Ф. Серхан; Наскали, А. Теоман; Джемгил, А. Тайлан; Эрсой, Джем (2022). «Набор данных о внутренней локализации и структура сбора данных с высокоточной позиционной аннотацией». Pervasive and Mobile Computing . 81 : 101554. arXiv : 2209.02270 . doi :10.1016/j.pmcj.2022.101554. S2CID  246887116.
  71. ^ Аль-Ахмади, Абдулла; Касаймех, Язид Мохаммад; РП, Правин; Альгамди, Али (2019). «Байесовский подход к моделированию распространения волн в помещении». Progress in Electromagnetics Research M. 83 : 41–50. doi : 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». IEEE Access . 9 : 37022–37038. Bibcode : 2021IEEEA...937022D. doi : 10.1109/ACCESS.2021.3062818 .
  73. ^ Бай, Y; Цзя, W; Чжан, H; Мао, ZH; Сан, M (2014). Позиционирование в помещении на основе ориентиров для людей с нарушениями зрения . 12-я Международная конференция по обработке сигналов (ICSP). Том 2014. С. 678–681. doi :10.1109/ICOSP.2014.7015087. ISBN 978-1-4799-2186-7. PMC  4512241 . PMID  26213718.
  74. ^ Гейт Сакер (март 2010 г.). «Junaio 2.0 — первое приложение дополненной реальности для социальных сетей в помещении на SXSW с API разработчиков». Архивировано из оригинала 12.03.2010.
  75. ^ «Fraunhofer IIS использует магию позиционирования в помещении Awiloc для ориентации посетителей музея». 13 декабря 2010 г.
  76. ^ Qiu, C.; Mutka, MW (2015-10-01). "AirLoc: Мобильные роботы помогают локализовать внутри помещений". IEEE 12-я Международная конференция по мобильным специальным и сенсорным системам 2015 года . С. 407–415. doi :10.1109/MASS.2015.10. ISBN 978-1-4673-9101-6. S2CID  13133026.

Внешние ссылки