KR101967394B1 - 실내 위치 보정 방법 및 장치 - Google Patents

실내 위치 보정 방법 및 장치 Download PDF

Info

Publication number
KR101967394B1
KR101967394B1 KR1020180088472A KR20180088472A KR101967394B1 KR 101967394 B1 KR101967394 B1 KR 101967394B1 KR 1020180088472 A KR1020180088472 A KR 1020180088472A KR 20180088472 A KR20180088472 A KR 20180088472A KR 101967394 B1 KR101967394 B1 KR 101967394B1
Authority
KR
South Korea
Prior art keywords
value
feature value
direction information
motion
gyro sensor
Prior art date
Application number
KR1020180088472A
Other languages
English (en)
Inventor
이종철
연왕선
Original Assignee
주식회사 리텍
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 리텍 filed Critical 주식회사 리텍
Priority to KR1020180088472A priority Critical patent/KR101967394B1/ko
Application granted granted Critical
Publication of KR101967394B1 publication Critical patent/KR101967394B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Navigation (AREA)

Abstract

본 발명은 실내 위치 보정 방법으로서, (a) 사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식하는 단계; (b) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정하는 단계; 및 (c) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정하는 단계를 포함한다.

Description

실내 위치 보정 방법 및 장치{APPARATUS AND METHOD FOR CORRECTING INDOOR POSITION}
본 발명은 위치 보정 기술에 관한 것으로서, 보다 상세하게, 실내에서의 정밀한 위치 추적을 위한 실내 위치 보정 장치 및 방법에 관한 것이다.
·화재 발생시 화재에 의한 온도 변화 및 지형 변화가 발생하므로 실내에서 소방관의 위치를 찾기란 매우 어렵다. 또한, 전력 차단으로 인하여 실내에서 지형지물을 구별하는 것은 쉽지 않고, 이로 인하여 실내 맵 정보를 제대로 활용하기도 어려운 실정이다. 종래에는 화재 상황에서 소방관의 실내 위치 추적을 위하여 관성 센서 기반의 보행자 항법 시스템(Pedestrian Dead Reckoning; PDR) 기술, 영상 기반의 측위 기술, 및 RF 기반의 측위 기술 등이 이용되었으나, 화재 발생시 화재에 의하여 환경이 변화되면 실내 위치 추적이 정확하게 수행되지 않는바, 해당 기술들은 모두 상용화되지 못하였다.
구체적으로, 기존의 PDR 시스템에서는 지자기 센서 및 자이로 센서를 활용하여 방향을 추정하였으나, 지자기 센서는 건물 철골 구조물 및 전력원에 의한 외란(Disturbance)에 영향을 크게 받아 화재 상황에 매우 취약하고, 자이로 센서는 시간에 대한 적분값에 기반하기 때문에 누적(Drift) 오차가 존재하여 화재 발생시 정확한 방향 추정이 어려운 문제가 있다. 또한, 화재로 인하여 외부와 내부 간의 온도 차이가 발생하면 이로 인하여 실내의 기압이 급변하게 되는데, 기존의 기압을 활용한 고도 추정 기술은 이와 같은 영향을 반영하지 못하므로 화재 발생시 부정확하게 고도 추정이 수행될 수 밖에 없는 문제가 있다.
한국등록특허 제10-1427982호
본 발명의 목적은 실내 환경에서 소방관의 위치를 정밀하게 찾기 위해, 센서를 활용하여 위치 추적을 수행하는데 가장 핵심이 되는 소방관의 진행 방향 및 고도를 정확하게 추정하는 실내 위치 보정 방법 및 장치를 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 제1 측면은, 실내 위치 보정 방법으로서, (a) 사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식하는 단계; (b) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정하는 단계; 및 (c) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정하는 단계를 포함한다.
바람직하게, 상기 (a) 단계 이전에, 특정 건물에 대한 지도 데이터를 수신하는 단계; 상기 지도 데이터로부터 상기 특정 건물에 대한 건물 이미지를 획득하는 단계; 및 상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 단계를 더 포함할 수 있다.
바람직하게, 상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 단계는, 상기 건물 이미지를 흑백으로 변환하는 단계; 상기 흑백으로 변환된 건물 이미지에서 라인을 검출하는 단계; 상기 검출된 라인에서 세그먼트를 추출하는 단계; 상기 추출된 각 세그먼트에 대한 위도, 경도, 및 고도 정보를 획득하는 단계; 및 상기 위도, 경도, 및 고도 정보로부터 방향정보를 추출하는 단계를 포함할 수 있다.
바람직하게, 상기 (a) 단계는, 상기 가속도 센서로부터 획득된 데이터를 기초로 기준모션에 대한 기준특징값을 설정하는 단계; 상기 기준특징값과 상기 가속도 센서로부터 실시간으로 획득된 데이터로부터 결정되는 실시간특징값을 비교하는 단계; 및 상기 기준특징값과 실시간특징값의 비교 결과에 따라 모션을 결정하는 단계를 포함할 수 있다.
바람직하게, 상기 기준모션은 평지 걷기에 해당하고, 상기 기준특징값은 상기 가속도 센서로부터 획득된 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 또는 가속도 최소값의 평균값에 해당하고, 상기 실시간특징값은 상기 가속도 센서로부터 획득된 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 또는 가속도 최소값에 해당할 수 있다.
바람직하게, 상기 모션을 결정하는 단계는, 상기 실시간특징값의 y축 가속도 평균과 상기 기준특징값의 y축 가속도 평균의 차이가 상기 실시간특징값의 진폭과 상기 기준특징값의 진폭의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 오르기로 결정하는 단계; 및 상기 실시간특징값의 y축 가속도 최소값과 상기 기준특징값의 y축 가속도 최소값의 차이가 상기 실시간특징값의 y축 가속도 분산과 상기 기준특징값의 y축 가속도 분산의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 내려가기로 결정하는 단계를 포함할 수 있다.
바람직하게, 상기 (b) 단계는, 상기 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는, 상기 사용자 단말에 구비된 자이로 센서로부터 획득된 데이터로부터 방향정보의 변화가 있는지 여부를 판단하는 단계; 상기 자이로센서로부터 획득된 방향정보의 변화가 없는 경우에는, 기저장된 지도 데이터에서 상기 사용자 단말의 위치와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트를 선택하는 단계; 및 상기 세그먼트의 방향정보를 이용하여 상기 자이로센서로부터 획득된 방향정보를 보정하는 단계를 포함할 수 있다.
바람직하게, 상기 방향정보를 보정하는 단계는, 상기 자이로 센서의 측정치에 대한 모델링 및 이를 세그먼트의 방향정보와 재귀적 필터를 기반으로 결합하여 자이로 센서를 캘리브레이션하는 단계; 및 보정된 자이로 센서의 측정치를 활용하여 보정된 방향 정보를 실시간으로 획득하는 단계를 포함할 수 있다.
바람직하게, 상기 (c) 단계는, 상기 기압 센서로부터 고도 정보를 획득하는 단계; 상기 인식된 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이 및 걸음수를 기초로 상대 고도를 산출하는 단계; 및 상기 상대 고도와 상기 고도 센서로부터 획득된 고도 정보를 재귀적으로 결합하여 보정된 고도 정보를 획득하는 단계를 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 제2 측면은, 실내 위치 보정 장치로서, 사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식하는 모션 인식부; 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정하는 방향 보정부; 및 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정하는 고도 보정부를 포함한다.
바람직하게, 특정 건물에 대한 지도 데이터를 수신하고, 상기 지도 데이터로부터 상기 특정 건물에 대한 건물 이미지를 획득하고, 상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 지도 데이터 처리부를 더 포함할 수 있다.
바람직하게, 상기 지도 데이터 처리부는, 상기 건물 이미지를 흑백으로 변환하고, 상기 흑백으로 변환된 건물 이미지에서 라인을 검출하고, 상기 검출된 라인에서 세그먼트를 추출하고, 상기 추출된 각 세그먼트에 대한 위도, 경도, 및 고도 정보를 획득하고, 상기 위도, 경도, 및 고도 정보로부터 방향정보를 추출할 수 있다.
바람직하게, 상기 모션 인식부는, 상기 가속도 센서로부터 획득된 데이터를 기초로 기준모션에 대한 기준특징값을 설정하고, 상기 기준특징값과 상기 가속도 센서로부터 실시간으로 획득된 데이터로부터 결정되는 실시간특징값을 비교하고, 상기 기준특징값과 실시간특징값의 비교 결과에 따라 모션을 결정할 수 있다.
바람직하게, 상기 모션 인식부는, 상기 실시간특징값의 y축 가속도 평균과 상기 기준특징값의 y축 가속도 평균의 차이가 상기 실시간특징값의 진폭과 상기 기준특징값의 진폭의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 오르기로 결정하고, 상기 실시간특징값의 y축 가속도 최소값과 상기 기준특징값의 y축 가속도 최소값의 차이가 상기 실시간특징값의 y축 가속도 분산과 상기 기준특징값의 y축 가속도 분산의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 내려가기로 결정할 수 있다.
바람직하게, 상기 방향 보정부는, 상기 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는, 상기 사용자 단말에 구비된 자이로 센서로부터 획득된 데이터로부터 방향정보의 변화가 있는지 여부를 판단하고, 상기 자이로센서로부터 획득된 방향정보의 변화가 없는 경우에는, 기저장된 지도 데이터에서 상기 사용자 단말의 위치와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트를 선택하고, 상기 세그먼트의 방향정보를 이용하여 상기 자이로센서로부터 획득된 방향정보를 보정할 수 있다.
바람직하게, 상기 방향 보정부는, 상기 자이로 센서의 측정치에 대한 모델링 및 이를 세그먼트의 방향정보와 재귀적 필터를 기반으로 결합하여 자이로 센서를 캘리브레이션하고, 보정된 자이로 센서의 측정치를 활용하여 보정된 방향 정보를 실시간으로 획득할 수 있다.
바람직하게, 상기 고도 보정부는, 상기 기압 센서로부터 고도 정보를 획득하고, 상기 인식된 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이 및 걸음수를 기초로 상대 고도를 산출하고, 상기 상대 고도와 상기 고도 센서로부터 획득된 고도 정보를 재귀적으로 결합하여 보정된 고도 정보를 획득할 수 있다.
상기한 바와 같이 본 발명에 의하면, 실내 환경에서 소방관의 진행 방향 및 고도를 정확하게 추정할 수 있는바 위치 추적이 정확하게 수행되도록 할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 실내 위치 보정 장치를 나타내는 블록도이다.
도 2는 일 실시예에 따른 실내 위치 보정 방법을 나타내는 흐름도이다.
도 3a 내지 3d는 지도 데이터로부터 방향 정보 추출 방법을 설명하기 위한 예시도이다.
이하, 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
또한, 각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 “포함한다(comprises)" 및/또는 “포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
또한, 본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 바람직한 실시예에 따른 실내 위치 보정 장치를 나타내는 블록도이다.
도 1을 참조하면, 실내 위치 보정 장치(100)는 지도 데이터 처리부(110), 모션 인식부(120), 방향 보정부(130), 고도 보정부(140), 및 제어부(150)를 포함한다. 여기에서, 제어부(150)는 지도 데이터 처리부(110), 모션 인식부(120), 방향 보정부(130), 및 고도 보정부(140)의 동작 및 데이터의 흐름을 제어한다.
바람직하게, 실내 위치 보정 장치(100)는 사용자 단말과 연결된 별도의 장치로 구현되어, 사용자 단말의 내부에 구비된 가속도 센서, 자이로 센서, 또는 기압 센서와 같은 다양한 센서로부터 데이터를 제공받아 실내 위치 보정 방법을 수행할 수 있다. 또는 실내 위치 보정 장치(100)는 모듈로 구현되어 사용자 단말에 내부에 구비될 수 있다. 즉, 실내 위치 보정 장치(100)는 모듈로서 사용자 단말 내부에 구비되거나 또는 사용자 단말과 별도의 장치로 구현될 수 있고, 두 경우 모두 실내 위치 보정 장치(100)는 사용자 단말에 구비된 센서들로부터 다양한 데이터를 제공받아 이하에서 설명할 실내 위치 보정 방법을 수행할 수 있다. 이하에서는 도 2를 참조하여 실내 위치 보정 장치(100)의 각 구성에서 수행되는 실내 위치 보정 방법에 대하여 보다 상세하게 설명한다.
먼저, 도 2의 단계 S210이 수행되기 이전에, 지도 데이터 처리부(110)는 특정 건물에 대한 지도 데이터를 제공받고 지도 데이터의 이미지에서 픽셀 단위로 특정 건물의 외곽에 대한 방향정보를 추출하여 미리 데이터베이스화한다. 상용되는 지도 데이터에서는 건물 외곽에 대한 이미지 정보와 위치별 GNSS 좌표(위도, 경도, 및 고도) 정보를 제공하는바, 본 발명에서는 이와 같은 정보를 이용하여 이미지 분석을 통해 건물 외곽에 대한 방향 정보를 추출하는 것이다.
바람직하게, 지도 데이터 처리부(110)는 지도 데이터를 수신하고 지도 데이터로부터 특정 건물에 대한 건물 이미지를 획득한 다음, 건물 이미지를 흑백으로 변환한다. 지도 데이터 처리부(110)는 흑백으로 변환된 건물 이미지에서 라인을 검출한다. 예를 들어, 도 3a에 도시된 흰색 선과 같이 건물 이미지에서 라인이 검출될 수 있고, 검출된 라인은 건물의 외곽선에 해당한다.
지도 데이터 처리부(110)는 검출된 라인에서 세그먼트를 추출한다. 여기에서, 세그먼트는 검출된 라인에서 일정한 방향으로 기설정된 N개 이상의 픽셀(pixel)을 연속적으로 가지는 면에 해당한다. 예를 들어, 도 3a에서 빨간색 원으로 표시된 부분을 확대한 것을 나타내는 3b를 참조하면, 검출된 라인에서 일정방향으로 N개 이상의 픽셀이 연속되는 면에 해당하는 세그먼트(segment 1) 및 세그먼트(segment 2)가 추출된 것을 볼 수 있다.
지도 데이터 처리부(110)는 추출된 각 세그먼트에 대한 위도, 경도, 및 고도 정보를 획득하고, 예를 들어, 도 3c를 참조하면, 세그먼트(segment1)의 시작과 끝 부분에 대한 위도, 경도, 및 고도 정보는 지도 데이터로부터 획득될 수 있다. 그 다음, 지도 데이터 처리부(110)는 위도, 경도, 및 고도 정보로부터 방향정보를 획득하여 데이터베이스화한다. 구체적으로, 지도 데이터 처리부(110)는 세그먼트에 대한 위도, 경도, 및 고도 정보가 획득되면, 위도, 경도, 고도에 대한 좌표계 변환을 통하여 해당 세그먼트의 방향정보를 추출할 수 있고, 특정 건물의 전체에 대한 방향정보는 도 3d에 도시된 바와 같이 획득되어 데이터베이스화될 수 있다. 이와 같이, 지도 데이터 처리부(110)를 통하여 특정 건물에 대한 방향 정보가 데이터베이스화되면, 해당 데이터베이스를 이용하여 이하에서 설명하는 바와 같이 방향 및 고도 정보가 보다 정확하게 보정될 수 있다.
모션 인식부(120)는 사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식한다(단계 S210). 먼저, 모션 인식부(120)는 가속도 센서로부터 획득된 데이터를 기초로 평지 걷기에 해당하는 기준모션에 대한 기준특징값을 설정한다. 바람직하게, 모션 인식부(120)는 사용자 단말을 구비한 사용자의 초기 걸음(예를 들어, 4~5 걸음) 동안 평지 걷기에 대한 학습과정을 수행할 수 있다. 즉, 기준모션에 대한 캘리브레이션(calibration)이 수행되고, 여기에서, 캘리브레이션은 초기 걸음에서 평지를 걷는 동안, 특정 걸음 수 내에서 가속도 센서로부터 획득되는 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 및 가속도 최소값의 평균값을 측정함으로써 획득되고, 이와 같이 획득된 값이 기준특징값에 해당한다.
모션 인식부(120)는 기준특징값과 가속도 센서로부터 실시간으로 획득된 데이터로부터 결정되는 실시간특징값을 비교하고, 기준특징값과 실시간특징값의 비교결과에 따라 모션을 결정할 수 있다. 여기에서, 실시간특징값은 가속도 센서로부터 획득된 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 또는 가속도 최소값에 해당할 수 있다.
보다 구체적으로, [식 1]을 참조하면, 모션 인식부(120)는 실시간특징값의 y축 가속도 평균과 기준특징값의 y축 가속도 평균의 차이가 실시간특징값의 진폭과 기준특징값의 진폭의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 모션을 계단오르기(Up-strais)로 결정할 수 있고, 모션 인식부(120)는 실시간특징값의 y축 가속도 최소값과 기준특징값의 y축 가속도 최소값의 차이가 실시간특징값의 y축 가속도 분산과 기준특징값의 y축 가속도 분산의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 모션을 계단 내려가기(Down-stairs)로 결정할 수 있다.
[식 1]
Figure 112018075090183-pat00001
여기에서, Ayz는 실시간특징값의 진폭, Acal,yz는 기준특징값의 진폭, meanY는 실시간특징값의 Y축 가속도 평균, meanYcal는 기준특징값의 Y축 가속도 평균, VarY는 실시간특징값의 Y축 가속도 분산, VarYcal는 기준특징값의 Y축 가속도 분산, minY는 실시간특징값의 Y축 가속도의 최소값, minYcal는 기준특징값의 Y축 가속도의 최소값, a, b, c, 및 d는 상수이다. 구체적으로, Ayz는 가속도 y축 및 z축에 대한 Vector 크기 (진폭) 값을 의미하고, Acal,yz는 평지를 걸을 때 calibration된 Ayz 진폭 값을 의미한다. meanY의 경우에는 가속도 Y축 값의 실시간 평균 값이며, meanYcal은 평지를 걸을 동안 평균된 가속도 Y축의 평균 값일 수 있다. 이와 동일하게, VarY는 가속도 Y축의 실시간으로 측정된 분산 값이며, minY 역시 실시간으로 측정된 가속도 Y축의 최소 값일 수 있다. a~d는 실험을 통하여 정해진 Threshold 상수 값일 수 있다. 수식에서 “&&”는 “그리고”의 의미로 [식1]을 예로 들면 Ayz-Acal,yz 연산 값이 a보다 작고 (&&) 이와 동시에 meanY-meanYcal의 연산 값이 b보다 클 때 “Up-stair”로 판단한다는 것이다.
방향 보정부(130)는 모션 인식부(120)에서 인식된 사용자의 모션에 따라 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정한다(단계 S220). 바람직하게, 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는, 방향 보정부(130)는 사용자 단말에 구비된 자이로 센서로부터 획득된 데이터로부터 방향정보의 변화가 있는지 여부를 판단할 수 있다. 자이로센서로부터 획득된 방향 정보의 변화가 없는 경우에는, 방향 보정부(130)는 데이터베이스화된 지도 데이터에서 사용자 단말의 위치(PDR에 의하여 추정된 사용자의 위치)와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트를 선택한다.이는 평지 걷기인 경우에도 보정방법이 동일하게 적용될 수 있다.
그 다음, 방향 보정부(130)는 세그먼트의 방향정보를 이용하여 자이로센서로부터 획득된 방향정보를 보정한다. 예를 들어, 자이로 센서의 측정치에 대한 모델링 및 이를 세그먼트의 방향정보와 재귀적 필터를 기반으로 결합하여 자이로 센서를 캘리브레이션하고, 보정된 자이로 센서의 측정치를 활용하여 보정된 방향 정보를 실시간으로 획득할 수 있다.
보다 구체적으로, 방향 보정부(130)는 자이로센서로부터 획득된 방향정보를 [식 2~3]에 따라 자이로센서의 Bias를 캘리브레이션하고, 캘리브레이션된 방향정보와 세그먼트의 방향정보를 재귀적으로 결합하여 보정된 방향정보를 획득한다. [식 2] 및 [식 3]을 참조하면, [식 2]에서 산출된
Figure 112018075090183-pat00002
의 값이 [식 3]의
Figure 112018075090183-pat00003
값으로 대입되고, [식 2]에서 산출된
Figure 112018075090183-pat00004
의 값이 [식 3]의
Figure 112018075090183-pat00005
값으로 대입될 수 있다.
[식 2]
Figure 112018075090183-pat00006
[식 3]
Figure 112018075090183-pat00007
구체적으로, [식 2]에 해당하는 3개의 수식 중 맨 위의 식은 자이로 센서의 실제 측정치의 모델링을 수행하고 이에 대한 적분을 하였을 때 방향 값이 추정되는 것을 나타낼 수 있다. 즉, 자이로 센서의 측정치는 ω_t와 같이 True 각속도 값에 일정 bias (bt)를 더한 값으로 모델링이 될 수 있다. 이 두 값을 더하여 시간에 대하여 적분한 값이 일반적으로 사용될 수 있는 방향 추정 값 (
Figure 112018075090183-pat00008
_t) 이다. 적분 특성에 의하여 우변과 같이 두 개의 적분 값으로 분리될 수 있으며, True 자이로를 적분한 값을 좌변으로 이항하게 될 경우 [식 2]의 2번째 수식과 같이 변환될 수 있다. 이때, True 각속도를 적분한 값을 맵 정보로부터 수신한 방향 값 (
Figure 112018075090183-pat00009
_MAP)으로 대치할 경우 맵정보로부터 적분된 bt 값을 추정할 수 있게 된다. 이를 표현한 것이 [식 2]의 세번째 식이다. 적분의 개념이 일정 시간 동안 값을 더하는 것이라면, 이를 미분하면 원래의 값을 얻을 수 있기 때문에 두 번째 식을 미분하면 방향 변화 값을 시간 변화값으로 나누어 주기만 하면 된다. 이렇게 하여 bt 값을 추정할 수 있다. [식 3]은 식 2의 수식 풀이 과정이 반영된 실제 사용되는 식이라 볼 수 있으며, xk는 현재 자이로 센서를 이용하여 추정된 방향 값으로서, 식 3에서 제일 위에 있는 식은 자이로 센서를 활용하여 방향 추정을 수행하는 관계식이다. 여기서 A는 이전 방향과 현재 방향과의 관계식을 나타낼 수 있다. 자이로 센서의 적분에 대한 식 (
Figure 112018075090183-pat00010
_k=1·
Figure 112018075090183-pat00011
_(k-1)+1·Δt·ω)에서 “1”을 의미하며, B 또한 “1”, uk는 “Δt·ω”를 의미할 수 있다. Pk는 식3을 통하여 추정된 Map의 방향정보와 자이로 기반의 방향정보와의 차이 (오차)를 의미한다. 여기서 특히, 식3의 마지막 수식에서 계산된 Pk값이 이후 식3이 다시 수행될 때, 두 번째 수식의 Pk-1로서 반영되게 되고, 이렇듯 이전 오차를 현재 계산에 반영한다는 의미에서 “재귀적”이란 의미가 사용될 수 있다. 두 번째 수식에서 Q는 가중치를 의미하는 상수이며, 자이로 센서 기반 방향 추정 결과에 가중치를 두는 것인데, 여기서 중요한 것은 일반적인 가중치의 개념 (Q가 클수록 가중치를 높게 둔다)와는 반대 일 수 있다. 이유는 이 식에서 의미하는 Q는 정확하게는 분산 값의 개념이며, 분산이 높으면 안정도가 떨어진다는 의미이기 때문에 Q 값이 높을수록 실제 가중치는 떨어질 수 있다. 식3에서 K는, 이전에 계산된 자이로 센서 기반으로 추정된 방향값과 실제 방향 (Map으로부터의 방향 값)과의 차이를 활용하여 현재 방향 추정에 있어서의 가중치를 산출한 것이 Kk 이며, 여기서 R은 Map으로부터 추정된 실제 방향치에 대한 가중치 이다. 이 또한 Q와 같이 클수록 가중치는 작아질 수 있다. 이렇게 추정된 가중치를 이용하여, 식 3에서 4번 째 수식이 수행되는데, 4번째 수식에서 zk는 Map으로부터 산출된 실제 방향 값을 의미하고, H는 Map의 방향정보와 자이로 센서로부터 추정된 방향 정보와의 관계식을 의미하며, 여기에서는 “1”의 상수 값일 수 있다. 즉 네 번째 수식은 자이로 센서로부터 추정된 방향 값 (xk)를 실제 맵으로부터의 방향과 추정된 방향정보와의 차이를 이전 오차로부터 계산된 가중치를 활용하여 보정하여 주는 것이며, 식 3의 마지막 수식을 통하여 오차를 다시 계산하여 다음 방향 추정에 활용할 수 있다.
더욱이, [식2]~[식3]은 Map 정보로부터 산출된 방향정보를 이용하여 자이로 센서의 Bias를 실시간으로 calibration (보정)하는 것일 수 있으며, Calibration을 통하여 추정된 bt 값을 실시간으로 들어오는 자이로 센서의 측정치와 차분하여 적분하여 줌으로써 더욱 정확한 방향 추정이 가능할 수 있다. 이에 대한 수식은 아래와 같다.
φ_cal=∫(ω_meas-b_t)
일 실시예에서, 데이터베이스화된 지도 데이터에서 사용자 단말의 위치와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트가 선택되지 않은 경우에는 캘리브레이션된 자이로 센서로부터 획득된 값의 누적값으로 보정된 방향정보가 추정될 수 있다.
고도 보정부(140)는 모션 인식부(120)에서 인식된 사용자의 모션에 따라 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정한다(단계 S230). 여기에서, 단계 S230은 단계 S220과 동시에 수행되거나 또는 순차적으로 수행될 수 있다.
바람직하게, 고도 보정부(140)는 기압 센서로부터 고도 정보를 획득하고, 인식된 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이 및 걸음수를 기초로 상대 고도를 산출한다. 보다 구체적으로, 고도 보정부(140)는 [식 4]에 따라 기압 센서로부터 획득된 정보를 이용하여 절대 고도에 해당하는 고도 정보를 획득하고, [식 5]에 따라 상대 고도를 산출할 수 있고, 예를 들어, 상대 고도 산출시, 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이가 0.2m로 설정될 수 있고, 사용자의 모션이 평지 걷기에 해당하는 경우에는 계단 높이가 0m로 설정될 수 있다.
[식 4]
Figure 112018075090183-pat00012
[식 5]
Figure 112018075090183-pat00013
여기에서,
Figure 112018075090183-pat00014
는 기압 센서 측정치,
Figure 112018075090183-pat00015
는 해면 기압(hPa),
Figure 112018075090183-pat00016
는 초기 높이,
Figure 112018075090183-pat00017
는 계단 높이,
Figure 112018075090183-pat00018
은 걸음수에 해당한다. a 와 b는 기압 변화 ((p_i (t))/(p_0 (t)))를 고도 변화 (h_u (t))로 변환하기 위한 상수 값이며 이는 미국해양대기관리처 (National Oceanic and Atmospheric Administration)에서 지정한 상수 값일 수 있다.
바람직하게, 고도 보정부(140)는 상대 고도와 고도 센서로부터 획득된 고도 정보를 재귀적으로 결합하여 보정된 고도 정보를 획득할 수 있다. 보다 구체적으로, 고도 보정부(140)는 기압 센서로부터 획득된 정보를 기초로 아래의 [식 4]에 따라 획득된 고도를 [식 6]의
Figure 112018075090183-pat00019
값으로 대입하고, 사용자의 모션을 기초로 [식 5]에 따라 획득된 상대 고도를 [식 6]의
Figure 112018075090183-pat00020
값으로 대입하여 보정된 고도 정보를 획득할 수 있다.
[식 6]
Figure 112018075090183-pat00021
식 3에서 설명한 바와 같이 식 6은 기압센서로부터 추정된 고도와 모션 인식으로부터 추정된 고도 값을 결합하는 수식이다. 첫번째 수식에서 xk는 기압센서로부터 추정된 고도 정보이고, A는 이전 기압과 현재 기압과의 상관관계식으로 “1”이며, B는 본 수식에서는 “0”으로 활용될 수 있다. 네 번째 수식에서 zk는 모션인식을 통하여 추정된 고도 정보이고, [식3]에서 설명한 바와 같이 두 고도정보를 오차를 기반으로 추정된 가중치를 적용하여 결합함으로써 보다 정확하게 추정하도록 설계되어 있다. 특히, [식3]과 다르게 [식6]에서는 모션 인식에 대한 가중치를 [식 7]로 산출하여 [식 6]의 세번째 수식에 적용할 수 있다. [식3]에서는 R이 상수였다면, 온도에 따라 편차를 보이는 기압센서 및 가속도 센서에 대하여 가중치를 조절할 수 있다.
바람직하게, [식 6]의 R 및 Q 값은 아래의 [식 7] 및 [식 8]에 따라 설정될 수 있다.
[식 7]
Figure 112018075090183-pat00022
[식 8]
Figure 112018075090183-pat00023
여기에서, R0, Q0, 및 scale은 상수이고, T는 온도이다.
바람직하게, 단계 S210 내지 S230을 통하여 획득된 보정된 방향정보 및 보정된 고도정보는 사용자 단말의 위치를 추정하는데 사용될 수 있고, 보정된 방향정보 및 고도정보를 이용하여 위치를 추정하는 방식은 다양한 방식이 적용될 수 있으며 본 발명이 속하는 통상의 기술자에 의하여 용이하게 수행될 수 있는바, 여기에서는 상세하게 설명하지 않는다.
한편, 본 발명의 일 실시예에 따른 실내 위치 보정 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
예컨대, 컴퓨터가 읽을 수 있는 기록매체로는 롬(ROM), 램(RAM), 시디-롬(CD-ROM), 자기 테이프, 하드디스크, 플로피디스크, 이동식 저장장치, 비휘발성메모리(Flash Memory), 광 데이터 저장장치 등이 있다.
전술한 본 발명에 따른 실내 위치 보정 방법 및 장치에 대한 바람직한 실시예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 특허청구범위와 발명의 상세한 설명 및 첨부한 도면의 범위 안에서 여러가지로 변형하여 실시하는 것이 가능하고 이 또한 본 발명에 속한다.
100: 실내 위치 보정 장치
110: 지도 데이터 처리부
120: 모션 인식부
130: 방향 보정부
140: 고도 보정부
150: 제어부

Claims (18)

  1. (a) 사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식하는 단계;
    (b) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정하는 단계; 및
    (c) 상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정하는 단계를 포함하는 실내 위치 보정 방법으로서,
    상기 (a) 단계 이전에
    특정 건물에 대한 지도 데이터를 수신하는 단계;
    상기 지도 데이터로부터 상기 특정 건물에 대한 건물 이미지를 획득하는 단계; 및
    상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 단계를 더 포함하고,
    상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 단계는,
    상기 건물 이미지를 흑백으로 변환하는 단계;
    상기 흑백으로 변환된 건물 이미지에서 라인을 검출하는 단계;
    상기 검출된 라인에서 세그먼트를 추출하는 단계;
    상기 추출된 각 세그먼트에 대한 위도, 경도, 및 고도 정보를 획득하는 단계; 및
    상기 위도, 경도, 및 고도 정보로부터 방향정보를 추출하는 단계를 포함하고
    상기 (b) 단계는,
    상기 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는,
    상기 사용자 단말에 구비된 자이로 센서로부터 획득된 데이터로부터 방향정보의 변화가 있는지 여부를 판단하는 단계;
    상기 자이로센서로부터 획득된 방향정보의 변화가 없는 경우에는, 기저장된 지도 데이터에서 상기 사용자 단말의 위치와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트를 선택하는 단계; 및
    상기 세그먼트의 방향정보를 이용하여 상기 자이로센서로부터 획득된 방향정보를 보정하는 단계를 포함하고,
    상기 방향정보를 보정하는 단계는,
    상기 자이로 센서의 측정치에 대한 모델링 및 이를 세그먼트의 방향정보와 재귀적 필터를 기반으로 결합한 아래 수학식을 통해 자이로 센서를 캘리브레이션하는 단계; 및 보정된 자이로 센서의 측정치를 활용하여 보정된 방향 정보를 실시간으로 획득하는 단계를 포함하는 것을 특징으로 하는 실내 위치 보정 방법.
    Figure 112018115495547-pat00030

    xk : 현재 자이로 센서를 이용하여 추정된 방향 값
    A : 이전 방향과 현재 방향과의 관계식
    B : 1
    uk : Δt·w(자이로 센서 변화량)
    Q : 가중치 상수
    KK : 이전에 계산된 자이로 센서 기반으로 추정된 방향값과 실제 방향(Map으로부터의 방향 값)과의 차이를 활용하여 현재 방향 추정에 있어서의 가중치
    R : Map으로부터 추정된 실제 방향치에 대한 가중치
    H : Map의 방향정보와 자이로 센서로부터 추정된 방향 정보와의 관계식
    Pk : Map의 방향정보와 자이로 기반의 방향정보와의 차이(오차)
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 (a) 단계는,
    상기 가속도 센서로부터 획득된 데이터를 기초로 기준모션에 대한 기준특징값을 설정하는 단계;
    상기 기준특징값과 상기 가속도 센서로부터 실시간으로 획득된 데이터로부터 결정되는 실시간특징값을 비교하는 단계; 및
    상기 기준특징값과 실시간특징값의 비교 결과에 따라 모션을 결정하는 단계를 포함하는 것을 특징으로 하는 실내 위치 보정 방법.
  5. 제4항에 있어서,
    상기 기준모션은 평지 걷기에 해당하고,
    상기 기준특징값은 상기 가속도 센서로부터 획득된 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 또는 가속도 최소값의 평균값에 해당하고,
    상기 실시간특징값은 상기 가속도 센서로부터 획득된 x, y, z 축 각각에 대한 진폭, 가속도 평균, 가속도 분산, 가속도 최대값, 또는 가속도 최소값에 해당하는 것을 특징으로 하는 실내 위치 보정 방법.
  6. 제4항에 있어서, 상기 모션을 결정하는 단계는,
    상기 실시간특징값의 y축 가속도 평균과 상기 기준특징값의 y축 가속도 평균의 차이가 상기 실시간특징값의 진폭과 상기 기준특징값의 진폭의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 오르기로 결정하는 단계; 및
    상기 실시간특징값의 y축 가속도 최소값과 상기 기준특징값의 y축 가속도 최소값의 차이가 상기 실시간특징값의 y축 가속도 분산과 상기 기준특징값의 y축 가속도 분산의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 내려가기로 결정하는 단계를 포함하는 것을 특징으로 하는 실내 위치 보정 방법.
  7. 삭제
  8. 삭제
  9. 제1항에 있어서, 상기 (c) 단계는,
    상기 기압 센서로부터 고도 정보를 획득하는 단계;
    상기 인식된 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이 및 걸음수를 기초로 상대 고도를 산출하는 단계; 및
    상기 상대 고도와 상기 기압 센서로부터 획득된 고도 정보를 재귀적으로 결합하여 보정된 고도 정보를 획득하는 단계를 포함하는 것을 특징으로 하는 실내 위치 보정 방법.
  10. 특정 건물에 대한 지도 데이터를 수신하고, 상기 지도 데이터로부터 상기 특정 건물에 대한 건물 이미지를 획득하고, 상기 건물 이미지로부터 방향정보를 획득하여 데이터베이스화 하는 지도 데이터 처리부;
    사용자 단말에 구비된 가속도 센서로부터 획득된 데이터를 기초로 사용자의 모션을 인식하는 모션 인식부;
    상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 자이로 센서로부터 획득되는 방향정보를 보정하는 방향 보정부; 및
    상기 인식된 사용자의 모션에 따라 상기 사용자 단말에 구비된 기압 센서로부터 획득되는 고도정보를 보정하는 고도 보정부를 포함하는 실내 위치 보정 장치로서,
    상기 지도 데이터 처리부는,
    상기 건물 이미지를 흑백으로 변환하고, 상기 흑백으로 변환된 건물 이미지에서 라인을 검출하고, 상기 검출된 라인에서 세그먼트를 추출하고, 상기 추출된 각 세그먼트에 대한 위도, 경도, 및 고도 정보를 획득하고, 상기 위도, 경도, 및 고도 정보로부터 방향정보를 추출하고
    상기 방향 보정부는,
    상기 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는, 상기 사용자 단말에 구비된 자이로 센서로부터 획득된 데이터로부터 방향정보의 변화가 있는지 여부를 판단하고, 상기 자이로센서로부터 획득된 방향정보의 변화가 없는 경우에는, 기저장된 지도 데이터에서 상기 사용자 단말의 위치와 가장 근접하고 방향정보가 평행에 해당하는 세그먼트를 선택하고, 상기 세그먼트의 방향정보를 이용하여 상기 자이로센서로부터 획득된 방향정보를 보정하고
    상기 방향 보정부는,
    상기 자이로 센서의 측정치에 대한 모델링 및 이를 세그먼트의 방향정보와 재귀적 필터를 기반으로 결합한 아래 수학식을 통해 자이로 센서를 캘리브레이션하고, 보정된 자이로 센서의 측정치를 활용하여 보정된 방향 정보를 실시간으로 획득하는 것을 특징으로 하는 실내 위치 보정 장치.

    Figure 112018115495547-pat00031

    xk : 현재 자이로 센서를 이용하여 추정된 방향 값
    A : 이전 방향과 현재 방향과의 관계식
    B : 1
    uk : Δt·w(자이로 센서 변화량)
    Q : 가중치 상수
    KK : 이전에 계산된 자이로 센서 기반으로 추정된 방향값과 실제 방향(Map으로부터의 방향 값)과의 차이를 활용하여 현재 방향 추정에 있어서의 가중치
    R : Map으로부터 추정된 실제 방향치에 대한 가중치
    H : Map의 방향정보와 자이로 센서로부터 추정된 방향 정보와의 관계식
    Pk : Map의 방향정보와 자이로 기반의 방향정보와의 차이(오차)
  11. 삭제
  12. 삭제
  13. 제10항에 있어서, 상기 모션 인식부는,
    상기 가속도 센서로부터 획득된 데이터를 기초로 기준모션에 대한 기준특징값을 설정하고, 상기 기준특징값과 상기 가속도 센서로부터 실시간으로 획득된 데이터로부터 결정되는 실시간특징값을 비교하고, 상기 기준특징값과 실시간특징값의 비교 결과에 따라 모션을 결정하는 것을 특징으로 하는 실내 위치 보정 장치.
  14. 제13항에 있어서, 상기 모션 인식부는,
    상기 실시간특징값의 y축 가속도 평균과 상기 기준특징값의 y축 가속도 평균의 차이가 상기 실시간특징값의 진폭과 상기 기준특징값의 진폭의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 오르기로 결정하고, 상기 실시간특징값의 y축 가속도 최소값과 상기 기준특징값의 y축 가속도 최소값의 차이가 상기 실시간특징값의 y축 가속도 분산과 상기 기준특징값의 y축 가속도 분산의 차이보다 크고 기설정된 특정 기준보다 큰 경우에는 상기 모션을 계단 내려가기로 결정하는 것을 특징으로 하는 실내 위치 보정 장치.
  15. 삭제
  16. 삭제
  17. 제10항에 있어서, 상기 고도 보정부는,
    상기 기압 센서로부터 고도 정보를 획득하고, 상기 인식된 사용자의 모션이 계단 오르기 또는 계단 내려가기에 해당하는 경우에는 계단 높이 및 걸음수를 기초로 상대 고도를 산출하고, 상기 상대 고도와 상기 기압 센서로부터 획득된 고도 정보를 재귀적으로 결합하여 보정된 고도 정보를 획득하는 것을 특징으로 하는 실내 위치 보정 장치.
  18. 제1항, 제4항 내지 제6항 및 제9항 중 어느 한 항의 방법을 컴퓨터로 실행시킬 수 있는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

KR1020180088472A 2018-07-30 2018-07-30 실내 위치 보정 방법 및 장치 KR101967394B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180088472A KR101967394B1 (ko) 2018-07-30 2018-07-30 실내 위치 보정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180088472A KR101967394B1 (ko) 2018-07-30 2018-07-30 실내 위치 보정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101967394B1 true KR101967394B1 (ko) 2019-04-10

Family

ID=66163860

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180088472A KR101967394B1 (ko) 2018-07-30 2018-07-30 실내 위치 보정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101967394B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021167422A1 (ko) * 2020-02-20 2021-08-26 주식회사 에스360브이알 디지털 지도 기반의 온라인 플랫폼
KR20210106390A (ko) * 2020-02-20 2021-08-30 주식회사 에스360브이알 디지털 지도 기반의 온라인 플랫폼
KR20220107441A (ko) 2021-01-25 2022-08-02 주식회사 에이스페이스 터널구간을 주행하는 차량의 측위 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120000353A (ko) * 2010-06-25 2012-01-02 에스케이 텔레콤주식회사 인빌딩 전파 측정 방법 및 장치
KR20130116151A (ko) * 2012-04-13 2013-10-23 한국전자통신연구원 보폭 추정 모델 파라미터를 이용한 보행자 위치 추정 방법 및 이를 위한 장치
KR101427982B1 (ko) 2013-04-03 2014-08-07 경기대학교 산학협력단 보행자 위치를 추정하는 이동 단말 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120000353A (ko) * 2010-06-25 2012-01-02 에스케이 텔레콤주식회사 인빌딩 전파 측정 방법 및 장치
KR20130116151A (ko) * 2012-04-13 2013-10-23 한국전자통신연구원 보폭 추정 모델 파라미터를 이용한 보행자 위치 추정 방법 및 이를 위한 장치
KR101427982B1 (ko) 2013-04-03 2014-08-07 경기대학교 산학협력단 보행자 위치를 추정하는 이동 단말 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021167422A1 (ko) * 2020-02-20 2021-08-26 주식회사 에스360브이알 디지털 지도 기반의 온라인 플랫폼
KR20210106390A (ko) * 2020-02-20 2021-08-30 주식회사 에스360브이알 디지털 지도 기반의 온라인 플랫폼
KR102344087B1 (ko) 2020-02-20 2021-12-29 주식회사 에스360브이알 디지털 지도 기반의 온라인 플랫폼
US11886527B2 (en) 2020-02-20 2024-01-30 S360Vr Co., Ltd. Digital map based online platform
KR20220107441A (ko) 2021-01-25 2022-08-02 주식회사 에이스페이스 터널구간을 주행하는 차량의 측위 시스템 및 방법

Similar Documents

Publication Publication Date Title
CA2991505C (en) Scalable indoor navigation and positioning systems and methods
CA2983540C (en) Systems and methods for determining indoor location and floor of a mobile device
KR101967394B1 (ko) 실내 위치 보정 방법 및 장치
JP6760114B2 (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
US9485628B2 (en) User-location-in-building estimating apparatus and method thereof
US9113310B2 (en) Systems and methods for simultaneously and automatically creating databases of wifi signal information
JP5838758B2 (ja) キャリブレーション方法、情報処理装置及びキャリブレーションプログラム
CN109982398B (zh) 室内外无缝定位方法、装置、设备及介质
JP2016001875A (ja) 移動体の測位装置
CN109855620B (zh) 一种基于自回溯算法的室内行人导航方法
KR20140009737A (ko) 하이브리드 맵 기반 로봇의 위치인식방법
CN108549376A (zh) 一种基于信标的导航定位方法及系统
KR101576424B1 (ko) 실내 측위를 위한 지자기 센서 자동 보정 방법
CN111813113A (zh) 仿生视觉自运动感知地图绘制方法、存储介质及设备
JP5742794B2 (ja) 慣性航法装置及びプログラム
KR20200039853A (ko) 벡터맵과 카메라를 이용한 자율주행 차량이 위치한 차선 추정 방법
KR101574876B1 (ko) 비전 센서 데이터베이스를 이용한 거리 측정 방법
CN112362044A (zh) 室内定位方法、装置、设备和系统
US20160171017A1 (en) Mobile positioning apparatus and positioning method thereof
KR101468811B1 (ko) 무선 랜을 이용한 실내 측위 시스템의 위치 보정 방법
KR20220025585A (ko) 위치 추정 방법 및 장치
KR101593679B1 (ko) 실내 위치 추정 방법 및 장치
Hnatiuc et al. Path recognition using mobile phone
JP6580286B2 (ja) 画像データベース構築装置、位置及び傾き推定装置並びに画像データベース構築方法
CN115061158A (zh) 一种基于高度计的欺骗干扰检测方法、装置、终端和介质

Legal Events

Date Code Title Description
GRNT Written decision to grant