-
Die Erfindung betrifft ein Verfahren zur Positionsbestimmung von sich bewegenden Objekten, wie beispielsweise Personen oder Robotern. Das erfindungsgemäße Verfahren ist insbesondere zum Einsatz in Gebäuden oder in für die Satellitennavigation abgeschatteten Bereichen geeignet.
-
Die Positionierung von Objekten wie Personen und Gütern wird häufig unter Verwendung von der Satellitennavigation, beispielsweise über GPS durchgeführt. Dies führt außerhalb von Gebäuden auch bei Fußgängern mit modernen Geräten zu einer akzeptablen Genauigkeit. Innerhalb von Gebäuden oder wenn sich das Objekt, beispielsweise in engen Straßenschluchten, im Sichtschatten des Satelliten befindet, kommt es häufig zu starken Störungen aufgrund der Abschattungen des direkten Signalpfads, oder aufgrund von Mehrwegefehlern.
-
Um die Positionierung von Objekten auch in derartigen Bereichen zu verbessern, ist es bekannt, weitere Funksysteme, wie WLAN-Mobilfunknetze, UWB-Netze (Ultra-Wide-Band) und dergleichen, zu nutzen. Wesentliche Nachteile der Kombination mit weiteren Funksystemen sind die möglicherweise eingeschränkte Verfügbarkeit, die benötigte Infrastruktur und der möglicherweise beschränkte Zugriff. Voraussetzung der Durchführung dieser Verfahren ist das Vorhandensein von Funkinfrastrukturen. Ferner müssen die entsprechenden Bereiche kartiert und vermessen sein. Dies stellt einen erheblichen Kostenaufwand dar.
-
Eine weitere Möglichkeit zur Verbesserung der Positionierung von Objekten in Gebäuden und dergleichen besteht in der Verwendung von Sensoren, die mit dem bewegten Objekt verbunden sind und Informationen über die Bewegungen des Objekts an eine entsprechende Berechnungseinrichtung übermitteln. Bei den entsprechenden Sensoren kann es sich um passive und aktive optische Sensoren und Sensorsysteme handeln. Beispielsweise kann es sich auch um Inertialsensorik, Odometrie bei Robotern oder barometrische Höhenmesser handeln. Der Vorteil liegt darin, dass ganz oder teilweise auf Infrastrukturelemente wie oben beschrieben (WLAN, UWB, etc.) verzichtet werden kann.
-
Eine weitere Möglichkeit zur Verbesserung der Genauigkeit der Positionsbestimmung ist die Kombination mit Umgebungsdaten, wie beispielsweise Gebäudeplänen. In B. Krach, P. Robertson, ”Integration of Foot-Mounted Inertial Sensors into a Bayesian Location Estimation Framework”, Proc. 5th Workshop an Positioning, Navigation and Communication 2008, (WPNC 2008), Hannover, Germany, Mar. 2008 ist beschrieben, dass das Vorwissen über die Gebäudepläne und die Verwendung eines in einem Schuh einer Person angeordneten Inertialsensors zur eindeutigen Positionierung einer Person im Gebäude geeignet ist. Mit Hilfe des verwendeten Inertialsensors (IMU) können alle drei Raumachsen gemessen werden. Bei diesem Verfahren wird in einem Schuh einer sich in einem Gebäude bewegenden Person ein IMU-Sensor integriert. Von dem Sensor werden eine Berechnungseinrichtung Beschleunigungs- und Drehratendaten übermittelt. Die Berechnungseinrichtung weist eine Filtereinrichtung auf, bei der es sich um einen Extended-Kalman-Filter (EFK) handelt. Durch die Filtereinrichtung wird die relative Veränderung der Lage und Position des Schuhs und damit der Person abgeschätzt (sogenannte Odometrie). Unter Lage wird die Orientierung im Raum, also eine Angabe mit drei Winkeln, verstanden. Die Position ist der Ort im Raum (typischerweise in einem lokalen oder globalen 3D Koordinatensystem). Insbesondere wenn eine Person sich über einen längeren Zeitraum in einem Gebäude befindet, wächst die Auswirkung der Fehler der Sensoren (Drift) auf Positions- und Lage-Schätzung ggf. unbegrenzt an. Es ist daher bekannt, ein sogenanntes ”Nullgeschwindigkeits-Update” (Zero Velocity Update: ZUPT) vorzunehmen. Hierbei wird in einer Ruhephase des Sensors bzw. der Person, in der sich der Schuh am Boden befindet, das EKF auf die Geschwindigkeit null gesetzt. Die Ruhephase des Sensors bzw. der Person kann hierbei relativ zuverlässig und einfach bestimmt werden, da die Schritte eines Menschen ein charakteristisches Muster zeigen, so dass eine Art Signatur der Beschleunigungs- und der Drehraten personenbezogen bestimmt werden kann.
-
Ein wesentlicher Nachteil dieses Verfahrens besteht jedoch darin, dass aufgrund der Drift steigende Fehler der ermittelten Lage um die Hochachse auftreten, die mittels ZUPT nur bedingt observierbar sind. Dies hat zur Folge, dass vor allem die Schätzung der Richtung der Person (also die Lage um die Hochachse) zunehmend ungenau wird. Ein weiterer Nachteil des Verfahrens besteht darin, dass auch die geschätzte zurückgelegte Weglänge, wenngleich in geringerem Maße, ungenau wird. Ferner besteht bei einer alleinigen Verwendung dieses Systems der Nachteil, dass ausschließlich die relative Positionierung, insbesondere bezogen auf einen Startpunkt bestimmt werden kann.
-
Eine Verbesserung des Verfahrens unter Verwendung des EKF und der ZUPT kann dadurch erzielt werden, dass dies mit einer weiteren Filtereinrichtung verknüpft wird, die Umgebungsdaten, wie Gebäudepläne, berücksichtigt. Die mit Hilfe des EKF erfolgte Schätzung weist hierbei angenommene statistische Abweichungen bezogen auf die Schrittrichtung und die Schrittlänge auf. Diese daraus errechneten Hypothesen berücksichtigen somit alle möglichen Abweichungen von der tatsächlichen Folge der Schritte der Person. Durch die Verbindung mit Umgebungsdaten, die beispielsweise Wände in einem Gebäude enthalten, wird mit Hilfe eines Partikel-Filter-Algorithmus eine Wahrscheinlichkeit berücksichtigt. So werden die im Partikel-Filter angesetzten Hypothesen, die durch Wände gegangen sind, entweder vollständig eliminiert oder mit einer sehr geringen Wahrscheinlichkeit belegt. Hypothesen, die nicht durch Wände gegangen sind, bekommen entweder den Wahrscheinlichkeitswert 1 zugewiesen oder können nach einem einfachen Bewegungsmodell gewichtet werden.
-
Die Berücksichtigung von Umgebungsdaten in dieser Art kann jedoch zu Fehlentscheidungen bei der Positionsbestimmung führen. Betrachtet man beispielsweise einen Fall, bei dem die Ausgangsposition nicht genau bekannt ist und beispielsweise innerhalb oder außerhalb eines Gebäudes liegen kann. Ausgehend von diesem Startpunkt werden Hypothesen, die außerhalb des Gebäudes liegen, mit hoher Wahrscheinlichkeit berücksichtigt. Dies hat zur Folge, dass Hypothesen innerhalb des Gebäudes, selbst dann, wenn sich die Person tatsächlich innerhalb des Gebäudes befindet, mehr und mehr durch das Auftreffen auf Wände mit einer sehr geringen Wahrscheinlichkeit bedacht werden und ggf. sogar vollständig gelöscht werden. Bei den außerhalb des Gebäudes liegenden Hypothesen ist das nicht der Fall, da diese nicht aufgrund des Auftreffens auf Wände mit einer geringen Wahrscheinlichkeit belegt werden.
-
Ferner sind Verfahren zur Positionsbestimmung von sich bewegenden Objekten in nachfolgenden Artikeln beschrieben:
- – P. Kemppi et al.: ”Hybrid positioning system combining angle-based localization, pedestrian dead reckoning and map filtering”, Indoor Positioning and Indoor Navigation (IPIN), 2010, International Conference on, vol., no., pp. 1–7 (15–17 Sept. 2010)
- – M. Khider et al.: ”Maps And Floor Plans Enhanced 3D Movement Model For Pedestrian Navigation”, Proceedings of the ION GNSS 2009, Georgia, USA, pp. 790–802 (Sept. 22–25, 2009)
- – J. Kammann, M. Angermann, B. Lami: ”A new mobility model based on maps”, Vehicular Technology Conference, 2003, VTC 2003-Fall. 2003 IEEE 58th, vol. 5, pp. 3045–3049, (6–9 Oct., 2003)
- – M. Khider et al.: ”A three dimensional movement model for pedestrian navigation”, in European Navigation Conference – Global Navigation Satellite Systems 2009 (ENC-GNSS 2009), Napoli, Italy (May 4–6, 2009)
- – S.-h. P. Won, W. W. Melek, F. Golnaraghi: ”A Kalman/Particle Filter-Based Position and Orientation Estimation Method Using a Position Sensor/Inertial Measurement Unit Hybrid System,” Industrial Electronics, IEEE Transactions on, vol. 57, no. 5, pp. 1787–1798 (May 2010)
-
Aufgabe der Erfindung ist es, ein Verfahren zur Positionsbestimmung von sich bewegenden Objekten zu schaffen, das insbesondere in Gebäuden und von beispielsweise für Satelliten abgeschatteten Bereichen eine verbesserte Positionierung ermöglicht.
-
Die Lösung der Aufgabe erfolgt erfindungsgemäß durch die Merkmale des Anspruchs 1.
-
Bei dem sich bewegenden Objekt kann es sich insbesondere um eine Person, einen Roboter, ein Fahrzeug und dergleichen oder auch um die Bewegung von Gütern handeln. Dem Objekt ist ein Sensor zur Ermittlung von Beschleunigungsdaten und Drehdaten zugeordnet. Insbesondere kann es sich hierbei um einen IMU handeln. Der Sensor übermittelt Beschleunigungsdaten und Drehdaten an eine eine Filtereinrichtung aufweisende Berechnungseinrichtung. Sofern der Sensor beispielsweise einer Person zugeordnet ist, ist es hierbei günstig aber nicht unbedingt erforderlich, den Sensor in einem Schuh anzuordnen, um die Ruhephase des Sensors zu detektieren. Für Roboter kann die Odometrie direkt aus den Steuersignalen der Antriebsmotoren erfolgen (ohne IMU) oder aus Drehgebern (z. B. optisch/magnetisch) an den Rädern. Allerdings muss hierbei beachtet werden, dass der Drift der Schätzung durch andere Maßnahmen reduziert werden muss. Im nächsten Verfahrensschritt erfolgt sodann mit Hilfe einer Filtereinrichtung, bei der es sich insbesondere um einen EKF handelt (wenn der Sensor eine IMU ist, bei Robotern erfolgt die Berechnung der Odometrie wie oben dargestellt), ein Abschätzen der Lage und der Position des Objekts. Die Berücksichtigung der Umgebungsdaten erfolgt hierbei im nächsten übergeordneten Schritt, vorzugsweise mit einem Partikel-Filter. Die Verwendung derartiger Bewegungsmodelle in Kombination mit einem Partikel-Filter ist beispielsweise in M. Khider, S. Kaiser, P. Robertson, and M. Angermann, ”Maps and Floor Plans Enhanced 3D Movement Model For Pedestrian Navigation”, Proceedings of the ION GNSS 2009, Georgia, USA, September 2009, und in 3. Kammann, M. Angermann and B. Lami, ”A new mobility model based an Maps”, in VTC 2003, beschrieben. Hierbei wird vorzugsweise unter anderem ein Bewegungsmodell verwendet, das über die Ermittlung einer Diffusionsmatrix mögliche Pfade und damit Orientierungen zu verschiedenen Zielpunkten ermittelt. Die Erstellung der Diffusionsmatrix erfolgt unter Berücksichtigung von Umgebungsdaten. Die Umgebungsdaten weisen hierbei insbesondere Gebäudepläne auf, können jedoch auch Pläne eines Geländes mit umfassen. Bei Gebäudeplänen können Mauern, Treppen und andere Hindernisse wie Möbel berücksichtigt werden. Bei Geländeplänen ist es möglich, je nach Art des Geländes unterschiedliche Wahrscheinlichkeiten zu berücksichtigen, mit der sich die Person in dem entsprechenden Geländeabschnitt bewegt. Hierbei können unterschiedliche Wahrscheinlichkeiten für Wege, Rasenflächen, Beete, Wälder, Zäune etc. berücksichtigt werden.
-
Der Unterschied zu dem erfindungsgemäßen Verfahren in besonders bevorzugter Ausführungsform besteht darin, dass ein Pfad von einem Wegpunkt (abgeschätzte Lage) zu einem vorher definierten Ziel (Quelle der Diffusion) über die Diffusion berechnet wird. Ein wesentlicher Nachteil der Verwendung von Zielpunkten besteht darin, dass hieraus keine geeignete Wahrscheinlichkeitsdichtefunktion für die möglichen Orientierungen ermittelt werden können, da diese abhängig von der Auswahl der Zielpunkte und des Betrachtungsbereichs ist. Im Gegensatz hierzu wird in der Erfindung vorzugsweise die abgeschätzte Lage und Position eines jeden Partikels (= Hypothese) des Partikel-Filters als Ausgangspunkt (Quelle) der Diffusion verwendet und aus der Diffusion eine Wahrscheinlichkeitsdichtefunktion berechnet. Das Festlegen von Zielen und die Pfadberechnung entfallen. Der Betrachtungsbereich – dies ist der Ausschnitt aus dem Geländeplan – kann verringert werden, da entfernte Ziele nicht berücksichtigt werden müssen.
-
In dem nächsten Schritt des erfindungsgemäßen Verfahrens erfolgt ausgehend von der erstellten Diffusionsmatrix das Bestimmen einer Konturlinie. Anhand der Diffusionsmatrix ist es möglich, unterschiedliche Konturlinien zu bestimmen. Hierbei handelt es sich insbesondere um Linien mit gleich großen Werten (ähnlich großen Werten bei Diskretisierung) der Gaskonzentration des Diffusionsalgorithmus. Die Werte der Diffusionsmatrix liegen vorzugsweise im Wertebereich zwischen 0 und 1. Wählt man zur Bestimmung der Konturlinie beispielsweise einen relativ großen Wert als Schwellwert, so wird ein relativ kleiner Betrachtungsbereich einbezogen Der Betrachtungsbereich ist derjenige Geländeplan-Ausschnitt, über den die Diffusion berechnet wird. Ebenso kann ein relativ kleiner Schwellwert gewählt werden, so dass sich der Betrachtungsbereich entsprechend vergrößert. Hiermit kann auch die Konturlinie und die daraus resultierende Wahrscheinlichkeitsdichtefunktion variiert werden.
-
Auf Grundlage der definierten Konturlinie werden sodann Distanzen zwischen der Position, des Particles und der Konturlinie für unterschiedliche, insbesondere jede Orientierung (also Lage um die Hochachse) ermittelt. Die Distanzen werden somit für unterschiedliche Winkel ermittelt, wobei unter jede Orientierung zu verstehen ist, dass in vorgegebenen Winkelschritten von beispielsweise 5° jeweils eine Distanz zwischen der Position und der Konturlinie ermittelt wird.
-
Erfindungsgemäß wird auf Basis der ermittelten Distanzen eine Wahrscheinlichkeitsdichtefunktion errechnet. Hieraus ergibt sich, dass die möglichen Bewegungsrichtungen des Objekts mit höheren Wahrscheinlichkeitswerten versehen werden als Winkel bzw. Winkelbereiche, die beispielsweise zu nahen Hindernissen, wie Wänden, führen. Diese weisen einen entsprechend kleineren Wahrscheinlichkeitswert auf. Dies entspricht dem Verhalten eines sich fortbewegenden Objekts, insbesondere einer sich bewegenden Person.
-
Insbesondere aufgrund des erfindungsgemäßen Berechnens einer Wahrscheinlichkeitsdichtefunktion, die insbesondere in Abhängigkeit von Distanzen zwischen der Position und der Konturlinie erfolgt, kann die Positionsbestimmung von Objekten auch in geschlossenen Räumen oder in Bereichen, in denen beispielsweise ein Sichtkontakt mit Satelliten nicht möglich ist, erheblich verbessert werden.
-
Erfindungsgemäß wird das vorstehend beschriebene Verfahren in bevorzugter Weiterbildung kontinuierlich durchgeführt. Insofern ist es bevorzugt, dass die nach einer ersten Iterationsschleife in Abhängigkeit von der Position des Objektes ermittelten Wahrscheinlichkeitsdichtefunktionen in einer Datenbank gespeichert werden und somit nicht mehr neu berechnet werden müssen.
-
Besonders bevorzugt ist die Verknüpfung des erfindungsgemäßen Verfahrens mit anderen Verfahren zur Ermittlung von Positionsdaten über Zusatzsysteme.
-
Bei dieser handelt es sich beispielsweise um ein GPS-gestütztes System oder dergleichen. Zur Verbesserung der Positionsbestimmung kann in dem Schritt der Abschätzung der Lage und Position des Objekts mit Hilfe einer Filtereinrichtung, insbesondere EKF, auch die Ruhephase des entsprechenden Sensors durch ein entsprechendes Nullgeschwindigkeits-Update (ZUPT) genutzt werden.
-
Eine weitere Verbesserung des Verfahrens kann dadurch erzielt werden, dass beim Ermitteln der Distanzen zwischen der aktuellen Position und der Konturlinie ausschließlich ungestörte Distanzen berücksichtigt werden. Hierbei wird unter ungestörten Distanzen eine gerade Verbindung zwischen der Ausgangsposition und der Konturlinie verstanden, die kein unüberwindbares Hindernis, wie eine Wand, schneidet. Sofern in dieser Distanz, d. h. einem zurückzulegenden Weg des Objektes, andere Hindernisse vorhanden sind, kann dies zu einer Verringerung der Wahrscheinlichkeit führen. Werden beispielsweise Umgebungsdaten in Form von Geländedaten genutzt, kann eine Reduzierung der Wahrscheinlichkeit über die Berechnung der Diffusionsmatrix erfolgen, wenn der entsprechende zurückzulegende Weg durch einen Wald über eine Wiese oder dergleichen führen würde.
-
Zur weiteren Verbesserung der Positionsbestimmung, insbesondere zur Verbesserung der Geschwindigkeit der Positionsbestimmung ist es möglich, die Wahrscheinlichkeitsdichtefunktionen für häufig auftretende mögliche Positionen in einer Umgebung vorab unter Berücksichtigung der Umgebungsdaten zu berechnen und in einer Datenbank zu speichern. Hierdurch kann der Rechenaufwand erheblich reduziert werden. Insbesondere kann dies auch für jede mögliche Position in einem Raster (z. B. 0,5 Meter mal 0,5 Meter) erfolgen.
-
Die ermittelte Wahrscheinlichkeitsfunktion wird vorzugsweise zur allgemeinen Vorhersage von Orientierungen von sich bewegenden Personen und Objekten, insbesondere in einem Bewegungsmodell, eingesetzt.
-
Nachfolgend wird die Erfindung anhand eines Beispiels unter Bezugnahme auf die anliegenden Skizzen näher erläutert.
-
Es zeigen:
-
1 eine schematische Darstellung einer Diffusionsmatrix für eine Position innerhalb eines Gebäudes,
-
2 eine schematische Darstellung, in der zusätzlich zu der in 1 dargestellten Diffusionsmatrix die Konturlinie dargestellt ist, und
-
3 die Darstellung einer Wahrscheinlichkeitsdichtefunktion auf Basis der Distanzen zwischen der Position und der Konturlinie für jede Orientierung.
-
1 zeigt einen quadratischen Ausschnitt eines Gebäudeplans, wobei die Mauern 10 des Gebäudeplans durch graue Linien dargestellt sind. Die angenommene aktuelle Position 12 eines Objekts, wie einer Person, ist der dunkelrot dargestellte Mittelpunkt des Quadrats. Der größte Wert der Diffusionsmatrix ist somit dunkelrot dargestellt und wird sodann über die Farben orange, gelb, grün bis hin zu blau immer kleiner. Die Diffusionsmatrix wurde mit Hilfe eines Diffusions-Filters berechnet. Hierbei wird vorzugsweise bei jeder Rekursion der Diffusionswert an der angenommenen Position (Quelle der Diffusion), d. h. in dem dargestellten Beispiel in der Mitte der quadratischen Fläche, auf einen vordefinierten Wert, beispielsweise 1, gesetzt. An den in 1 durch graue Linien dargestellten Wänden 10 werden die Diffusionswerte während jedem Schritt der Filterung mit Hilfe einer sogenannten Layout-Matrix ebenfalls auf einen festen Wert, insbesondere 0, gesetzt.
-
Auf Basis eines vorgegebenen Schwellwertes kann sodann eine Konturlinie 14 ermittelt werden. Hierbei handelt es sich um eine geschlossene Linie, zu der diejenigen Diffusionspunkte zählen, deren Wert den größten Wert darstellt, der kleiner oder gleich dem Schwellwert ist.
-
Eine derartige Konturlinie 14 ist aus 2 ersichtlich. Diese ist einerseits durch Werte der entsprechenden Diffusionsmatrix und andererseits durch Wände 10 definiert.
-
Anschließend werden Distanzen zwischen der angenommenen aktuellen Position 12 und der Konturlinie 14 ermittelt, wobei hierbei nur Distanzen berücksichtigt werden, bei denen es sich um geradlinige bzw. ungestörte Distanzen handelt. Punkte innerhalb der Konturlinie 14, die in Blickrichtung ausgehend von der aktuellen Position 12 hinter einer Mauer liegen, werden nicht berücksichtigt. Aus diesen Überlegungen ergibt sich eine Wahrscheinlichkeitsdichtefunktion 16 (3). Die vorzugsweise auf 1 nominierten Werte der Wahrscheinlichkeitsdichtefunktion berücksichtigen hierbei nur Distanzen, die ungestört sind bzw. eine direkte Sichtverbindung zwischen der aktuellen angenommenen Position 12 und der Konturlinie 14 gewähren. Aus der schematischen Darstellung in 3 ist ersichtlich, dass die möglichen Bewegungsrichtungen des Objekts unterschiedliche Wahrscheinlichkeiten aufweisen. Ausgehend von dem angenommenen Ausgangspunkt 12 ist eine Bewegungsrichtung in einer Orientierung von ca. 40° relativ unwahrscheinlich, da sich hier eine Gebäudewand befindet.
-
Zur Verdeutlichung ist in dem dargestellten Beispiel nur eine einfache Gebäudestruktur dargestellt. Hierbei sind beispielsweise keine weiteren Hindernisse, wie Möbel, berücksichtigt. Auch wäre es möglich, beispielsweise bei einer Bewegung des Objekts im Freien zusätzliche Wahrscheinlichkeiten zu hinterlegen. Hierbei können unterschiedliche Wahrscheinlichkeiten hinterlegt werden für Bereiche wie Wiesen und Beete, die häufig nicht zur Fortbewegung eines Objekts benutzt werden. Auch können beispielsweise Wälder und dergleichen berücksichtigt werden. Hierbei handelt es sich um Bereiche, die auch von einer Person nur mit einer geringeren Wahrscheinlichkeit begangen werden. Die Berücksichtigung unterschiedlicher Wahrscheinlichkeiten gehen bei der Berechnung der Diffusionsmatrix über die Layout-Matrix ein.
-
Des Weiteren lassen sich Informationen über Häufigkeit der Nutzung der Wege in die Layout-Matrix integrieren. Viel begangene Wege z. B. können somit über die Layout-Matrix mit einer höheren Wahrscheinlichkeit belegt werden.
-
Die Wahrscheinlichkeitsdichtefunktionen können auch zur allgemeinen Vorhersage von Orientierungen von sich bewegenden Personen oder Objekten eingesetzt werden. Dies kann unter anderem auch in Bewegungsmodellen realisiert werden.
