KR102367403B1 - 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치 - Google Patents

관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치 Download PDF

Info

Publication number
KR102367403B1
KR102367403B1 KR1020210062090A KR20210062090A KR102367403B1 KR 102367403 B1 KR102367403 B1 KR 102367403B1 KR 1020210062090 A KR1020210062090 A KR 1020210062090A KR 20210062090 A KR20210062090 A KR 20210062090A KR 102367403 B1 KR102367403 B1 KR 102367403B1
Authority
KR
South Korea
Prior art keywords
signal data
radio signal
terminal
noise covariance
data
Prior art date
Application number
KR1020210062090A
Other languages
English (en)
Inventor
유승민
고상필
유소영
이준
안태기
Original Assignee
한국철도기술연구원
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 한국철도기술연구원 filed Critical 한국철도기술연구원
Priority to KR1020210062090A priority Critical patent/KR102367403B1/ko
Application granted granted Critical
Publication of KR102367403B1 publication Critical patent/KR102367403B1/ko
Priority to PCT/KR2022/005934 priority patent/WO2022240013A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
    • G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/001—Transmission of position information to remote stations
    • G01S2205/008—Transmission of position information to remote stations using a mobile telephone network

Abstract

관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치를 개시한다.
본 발명의 일 측면에 의하면, 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 관성 데이터들을 측정하는 과정; 복수의 액세스 포인트(Access Point; AP)들과의 통신을 통해 무선신호 데이터들을 측정하는 과정; 상기 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산하는 과정; 상기 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산하는 과정; 및 상기 시스템 잡음 공분산 및 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측하는 과정을 포함하는 측위 장치 및 그의 제어 방법을 제공한다.

Description

관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치{Method and Device for Indoor Positioning based on Inertial Data and Wireless Signal Data}
본 발명의 실시예들은 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
차세대 이동통신을 구체화하는 데 필요한 기술은 사용자의 위치를 정확하게 추정하는 기술이다. 이를 측위(positioning)라 한다. 예를 들어, 정확한 위치 정보를 알고 있다면, 사용자가 위치할 공간을 탐색할 필요없이 좁은 폭의 빔을 사용자에게 곧바로 전송할 수 있다. 게다가, 발사각(Angle of Departure; AoD), 도래각(Angle of Arrival; AoA), 도착시간(Time of Arrival; ToA), 및 도착 시간차(Time Difference of Arrival; TDoA) 등 사용자의 위치를 측정하는 데 이용되는 정보는 사용자의 주변 환경을 파악하는 데 이용되고, 네트워크 관점에서 사용자 간 간섭을 관리하는 데 이용될 수 있다.
일반적으로, 측위 방법은 크게 두 가지로 나뉜다. 첫 번째, 관성 데이터를 이용하는 측위 방법이 있다. 관성 데이터 기반 측위 방법은 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 사용자의 이전 위치로부터 현재 위치를 추정하는 방법이다. 두 번째, 무선신호 데이터를 이용하는 측위 방법이 있다. 무선신호 데이터 기반 측위 방법은 주변 AP들로부터 수신한 신호들에 삼각측량 또는 다변측량을 적용하여 사용자의 현재 위치를 추정하는 방법이다. 예를 들면, ToA를 이용한 원들 사이의 교차점 또는 TDoA를 이용한 쌍곡선들 사이의 교차점을 사용자의 위치로 추정할 수 있다.
한편, 무선신호 데이터를 이용하는 또 다른 방법으로 핑거프린트(fingerfrint) 기법이 있다. 핑거프린트 기법이란, 실내의 특정한 위치마다 단말이 복수의 액세스 포인트(Access Point; AP)로부터 수신한 무선신호 데이터를 기록한 라디오 맵(radio map)을 미리 생성한 뒤, 위치측정 대상 단말이 특정 위치에서 수신한 무선신호 데이터와 라디오 맵에 기록된 무선신호 데이터들과의 유사성을 비교하여 단말의 위치를 추정하는 기법이다.
관성 데이터 기반 측위 방법은 이전 위치로부터 관성 데이터를 용하여 현재 위치를 추정하므로, 무선 환경이 열악하더라도 현재 위치를 정확하게 추정할 수 있다는 장점이 있다. 즉, 관성 데이터 기반 측위 방법은 단기 측위 성능이 뛰어나다. 하지만, 관성 데이터 기반 측위 방법은 이전 위치의 정확성을 전제로 하기 때문에, 이전 위치가 정확하지 않은 경우 현재 위치도 오차를 포함할 확률이 높다. 또한, 위치 추정을 반복할수록 오차가 누적되어 시간이 지날수록 측위 정확도가 떨어진다는 단점이 있다.
무선신호 데이터 기반 측위 방법은 이전 위치를 이용하지 않으므로 측정 오차가 누적되지 않으며, 평균적인 측위 성능이 뛰어나다는 장점이 있다. 하지만, 무선신호 데이터 기반 측위 방법은 NLoS(Non-Line of Sight), 장애물 등 무선 환경이 좋지 않거나 변화가 큰 경우에 측위 정확도가 떨어진다는 단점이 있다.
따라서, 관성 데이터 기반 측위 방법과 무선신호 데이터 기반 측위 방법의 장점을 강조하고 단점을 보완하기 위한 측위 방법에 대한 연구가 필요하다.
한편, 종래에는 위치를 추정하기 위하여 칼만 필터(Kalman Filter) 알고리즘을 적용하였는데, 칼만 필터의 시스템 잡음 공분산 및 측정 잡음 공분산을 어떻게 설정하느냐에 따라 그 성능이 달라진다.
종래 두 잡음 공분산을 산출하는 방법으로는 다양한 실험을 통해 확인된 값을 선택하는 방법이 있으나, 실험자가 선택한 값에 따라 그 효율이 달라질 수 있는 단점이 있다. 다시 말하면, 시스템이 변경될 때마다 측정 잡음의 공분산이 새롭게 산출 되어야 하므로 많은 연산 시간이 소요될 수도 있다. 또한, 선택된 값이 측위 정확도를 감소시키는 값일 수도 있다.
따라서, 정확한 측위를 위해 칼만 필터의 잡음 공분산을 모델링하는 기술에 대한 연구도 필요하다.
본 발명의 실시예들은, 관성 데이터 기반 측위 방법과 무선신호 데이터 기반 측위 방법을 결합함으로써, 측위 정확도를 향상시키기 위한 측위 장치 및 그의 제어 방법을 제공하는 데 주된 목적이 있다.
본 발명의 다른 실시예들은, 임의로 선택된 잡음 공분산이 아니라 관성 데이터와 무선신호 데이터에 기초하여 산출된 시스템 잡음 공분산과 측정 잡음 공분산을 이용하여 칼만 필터를 모델링함으로써, 측위 정확도를 향상시키기 위한 측위 장치 및 그의 제어 방법을 제공하는 데 일 목적이 있다.
본 발명의 다른 실시예들은, 무선신호 데이터들의 조합으로부터 추정되는 복수의 예상 위치에 필터링을 수행함으로써, 무선신호 데이터의 오차를 줄여 칼만 필터의 성능 및 측위 정확도를 향상시키기 위한 측위 장치 및 그의 제어 방법을 제공하는 데 일 목적이 있다.
본 발명의 일 측면에 의하면, 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 관성 데이터들을 측정하는 과정; 복수의 액세스 포인트(Access Point; AP)들과의 통신을 통해 무선신호 데이터들을 측정하는 과정; 상기 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산하는 과정; 상기 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산하는 과정; 및 상기 시스템 잡음 공분산 및 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측하는 과정을 포함하는 측위 장치의 제어 방법을 제공한다.
본 실시예의 다른 측면에 의하면, 관성측정장치를 이용하여 관성 데이터들을 측정하는 측정부; 무선신호 데이터들을 측정하기 위해 복수의 액세스 포인트들과의 통신을 수행하는 통신부; 상기 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산하고, 상기 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산하는 계산부; 및 상기 시스템 잡음 공분산 및 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측하는 예측부를 포함하는 측위 장치를 제공한다.
이상에서 설명한 바와 같이 본 발명의 일 실시예에 의하면, 관성 데이터 기반 측위 방법과 무선신호 데이터 기반 측위 방법을 결합함으로써, 측위 정확도를 향상시킬 수 있다.
본 발명의 다른 실시예에 의하면, 임의로 선택된 잡음 공분산이 아니라 관성 데이터와 무선신호 데이터에 기초하여 산출된 시스템 잡음 공분산과 측정 잡음 공분산을 이용하여 칼만 필터를 모델링함으로써, 측위 정확도를 향상시킬 수 있다.
본 발명의 다른 실시예에 의하면, 무선신호 데이터들의 조합으로부터 추정되는 복수의 예상 위치에 필터링을 수행함으로써, 무선신호 데이터의 오차를 줄여 칼만 필터의 성능 및 측위 정확도를 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 측위 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 무선신호 데이터 조합과 예상 위치 필터링을 설명하기 위해 예시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 필터링을 설명하기 위해 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 측위 방법을 설명하기 위해 예시한 순서도다.
도 5는 본 발명의 일 실시예에 따른 측위 정확도를 설명하기 위해 예시한 도면이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 '포함', '구비'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 '~부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하에서, 단말의 초기 위치는 무선신호 데이터에 기반하여 추정될 수 있다. 그렇지 않으면, 단말의 초기 위치는 임의로 설정되거나 단말에 저장된 최근 위치로 설정될 수 있다.
도 1은 본 발명의 일 실시예에 따른 측위 장치의 구성도이다.
도 1을 참조하면, 측위 장치(10)는 측정부(100), 통신부(110), 계산부(120) 및 예측부(130)를 포함한다. 측위 장치(10)는 제어부(140) 및 저장부(150)를 더 포함할 수 있다. 측위 장치(10)는 측위 대상인 단말에 탑재되거나 단말의 외부 서버에 의해 구현될 수 있다. 이하에서는, 단말에 탑재된 것으로 설명한다.
측정부(100)는 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 관성 데이터들을 측정한다. 여기서, 관성측정장치는 가속도계(Acceleration Sensor), 자력계(Magnetometer) 및 자이로스코프(Gyroscope) 중 적어도 하나를 포함한다. 관성 데이터들은 가속도계, 자력계 및 자이로스코프 중 적어도 하나를 이용하여 측정한 데이터들을 의미한다.
가속도계는 단말의 모션 또는 가속도를 3차원 축 각각을 따라 측정한다. 즉, 가속도계는 단말의 3축 가속도 데이터를 측정한다.
자력계는 미리 정의된 좌표계에 대해 각도 방향을 측정하도록 구성된다.
자이로스코프는 보행자의 3축 롤(roll), 3축 피치(pitch) 및 3축 요(yaw) 중 적어도 하나를 측정한다. 자이로스코프는 단말의 3축 각속도 데이터를 측정한다.
측정부(100)는 기 설정된 시간간격마다 관성 데이터를 측정할 수 있다. 또한, 측정부(100)는 관성 데이터들 중 일부가 이전 값으로부터 기 설정된 범위를 초과할 때 새로운 관성 데이터를 측정할 수도 있다.
통신부(110)는 복수의 액세스 포인트(Access Point; AP)들과의 통신을 통해 무선신호 데이터들을 측정한다.
여기서, 무선신호 데이터는 비콘 신호(beacon signal) 또는 타이밍 측정 데이터(timing measurement)를 의미한다. 비콘 신호는 수신 신호 세기(Received Signal Strength Indicator, RSSI)를 포함한다. 타이밍 측정 데이터는 왕복시간(Round Trip Time, RTT), 비행 시간(Time of Flight, ToF), 도착 시간(Time of Arrival, ToA), 도착 시간 차(Time Difference of Arrival, TDoA), 발사각(Angle of Departure; AoD) 및 도래각(Angle of Arrival; AoA) 중 적어도 하나를 포함한다. 무선신호 데이터는 AP의 맥 주소(MAC address), SSID(service set identifier)를 더 포함할 수 있다. 무선신호 데이터는 단말과 복수의 AP들 간 거리를 측정하는 데 이용될 수 있다.
계산부(120)는 관성 데이터들에 기초하여 시스템 잡음 공분산(system noise covariance)을 계산하고, 무선신호 데이터들에 기초하여 측정 잡음 공분산(measurement noise covariance)을 계산한다.
시스템 잡음 공분산을 계산하기 위해, 본 발명의 일 실시예에 따른 계산부(120)는 관성 데이터들을 이용하여 단말의 이전 위치를 기준으로 사용자의 걸음 수, 보폭 및 걸음 방향을 추정한다. 관성 데이터를 이용하여 사용자의 걸음 수, 보폭 및 걸음 방향을 추정하는 방법은 측위 기술 분야에서 통상의 기술자에게 자명하므로, 자세한 설명은 생략한다.
계산부(120)는 시간에 따라 측정된 각각의 관성 데이터들로부터 걸음 수, 보폭 및 걸음 방향을 추정할 수 있다. 계산부(120)는 기 설정된 시간 또는 횟수만큼 걸음 수, 보폭 및 걸음 방향을 추정한다. 계산부(120)는 추정된 걸음 수들, 보폭들 및 걸음 방향들을 이용하여 시스템 잡음 공분산을 계산한다.
측정 잡음 공분산을 계산하기 위해, 본 발명의 일 실시예에 따른 계산부(120)는 무선신호 데이터들에 기초하여 복수의 무선신호 데이터 조합을 생성한다. 복수의 무선신호 데이터 조합은 무선신호 데이터들의 수가 네 개 이상일 때, 적어도 세 개 이상의 무선신호 데이터들로부터 생성되는 조합을 의미한다. 복수의 무선신호 데이터 조합에 대해서는 도 2에서 자세히 설명한다.
계산부(120)는 복수의 무선신호 데이터 조합으로부터 단말의 복수의 예상 위치를 추정한다. 하나의 무선신호 데이터 조합으로부터 하나의 예상 위치가 추정된다.
계산부(120)는 단말의 복수의 예상 위치에 기초하여 측정 잡음 공분산을 계산한다.
본 발명의 일 실시예에 따른 계산부(120)는 측정 잡음 공분산을 계산하기 전에 복수의 예상 위치에 필터링을 수행한다. 계산부(120)는 추정 에러(estimate error) 및 무선신호 데이터의 합 중 하나 이상에 기초하여 필터링을 수행할 수 있다.
추정 에러 기반 필터링으로서, 계산부(120)는 복수의 예상 위치 각각에 대해 추정 에러를 계산한다. 계산부(120)는 단말의 각 예상 위치, 복수의 AP들의 기 저장된 위치 좌표, 통신부(110)가 복수의 AP들로부터 수신한 무선신호 데이터에 기초하여 복수의 예상 위치 각각에 대한 추정 에러를 계산한다.
구체적으로, 계산부(120)는 복수의 예상 위치를 추정하는 데 이용된 무선신호 데이터들로부터 제1 거리를 계산한다. 예를 들어, 계산부(120)는 RTT 값을 2로 나눈 뒤 빛의 속도를 곱한 값을 제1 거리로 계산할 수 있다. 계산부(120)는 하나의 무선신호 데이터 조합으로부터 추정된 예상 위치와 무선신호 데이터 조합에 대응되는 AP들의 기 저장된 위치 좌표로부터 예상 위치와 AP들 간 제2 거리들을 산출한다. 계산부(120)는 제1 거리와 제2 거리의 차이에 기초하여 추정 에러를 계산한다. 다시 말하면, 계산부(120)는 각 예상 위치의 추정에 이용된 무선신호 데이터에 기초하여 계산된 제1 거리, 및 각 예상 위치의 추정에 이용된 AP와 각 예상 위치 간 제2 거리를 계산하고, 제1 거리 및 제2 거리 간 차이에 기초하여 복수의 예상 위치 각각에 대한 추정 에러를 계산한다.
계산부(120)는 추정 에러에 기초하여 복수의 예상 위치에 필터링을 수행한다. 계산부(120)는 추정 에러가 기 설정된 값보다 큰 복수의 예상 위치를 제거할 수 있다.
무선신호 데이터의 합 기반 필터링으로서, 계산부(120)는 복수의 예상 위치 각각에 대해 무선신호 데이터들의 합을 계산한다. 하나의 예상 위치를 추정하는 데 하나의 무선신호 데이터 조합이 이용되고, 하나의 무선신호 데이터 조합은 적어도 세 개의 무선신호 데이터를 포함한다. 계산부(120)는 적어도 세 개의 무선신호 데이터의 합을 계산한다. 예를 들면, 무선신호 데이터가 RSSI인 경우, 하나의 예상 위치를 추정하는 데 이용된 무선신호 데이터들의 RSSI 값을 모두 합한다.
계산부(120)는 무선신호 데이터들의 합에 기초하여 복수의 예상 위치에 필터링을 수행한다. RSSI 값들의 합이 기 설정된 값보다 작은 경우, 계산부(120)는 해당 예상 위치를 제거할 수 있다.
계산부(120)는 추정 에러 기반 필터링과 무선신호 데이터 합 기반 필터링 중 어느 하나만 수행할 수 있다. 계산부(120)는 추정 에러 기반 필터링과 무선신호 데이터 합 기반 필터링 모두를 수행할 수도 있고, 순서를 정하여 수행할 수도 있다. 바람직하게는, 계산부(120)는 추정 에러 기반 필터링 수행 후 필터링된 복수의 예상 위치에 대해 무선신호 데이터 합 기반 필터링을 수행한다.
계산부(120)는 단말의 복수의 예상 위치에 기초하여 측정 잡음 공분산을 계산한다. 복수의 예상 위치가 필터링된 경우, 계산부(120)는 복수의 필터링된 예상 위치에 기초하여 측정 잡음 공분산을 계산한다.
본 발명의 일 실시예에 따른 시스템 잡음 공분산은 시간에 따라 측정된 관성 데이터들로부터 계산된 것이다. 반면, 측정 잡음 공분산은 측위가 필요한 시점에 수집한 무선신호 데이터들을 이용하여 계산된 것이다. 구체적으로, 측정 잡음 공분산은 측위가 필요한 시점에 수집한 복수의 무선신호 데이터들을 조합하여 추정한 복수의 예상 위치들로부터 계산된 것이다. 예를 들면, 30 초 동안 10번 측정된 관성 데이터들로부터 10 개의 걸음 수, 보폭 및 걸음 방향이 계산될 때, 시스템 잡음 공분산은 10개의 걸음 수, 보폭 및 걸음 방향으로부터 계산될 수 있다. 또한, 30 초 동안 복수의 AP들에 대해 1번 측정된 무선신호 데이터들로부터 수백 개의 예상 위치가 추정될 때, 측정 잡음 공분산은 수백 개의 예상 위치로부터 계산될 수 있다.
예측부(130)는 시스템 잡음 공분산 및 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측한다. 칼만 필터는 시간에 따른 일련의 측정값들을 이용하여 상태 변수들의 노이즈를 제거하는 알고리즘이다. 단말의 현재 위치는 시스템 잡음 공분산과 측정 잡음 공분산을 반영한 가중합에 의해 결정될 수 있다.
구체적으로, 예측부(130)는 단말의 이전 위치 및 관성 데이터들에 기초하여 제1 후보 위치를 예측한다. 예측부(130)는 무선신호 데이터들에 기초하여 제2 후보 위치를 측정한다. 제1 후보 위치와 제2 후보 위치는 같은 시간 간격마다 예측 및 측정될 수 있다.
예측부(130)는 제1 후보 위치, 제2 후보 위치, 시스템 잡음 공분산 및 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측한다. 자세한 동작은 후술한다.
제어부(140)는 측위 장치(10)의 전반전인 동작을 제어한다.
제어부(140)는 측정부(100), 통신부(110), 계산부(120) 및 예측부(130)를 제어한다.
제어부(140)는 저장부(150)에 저장된 명령들을 실행함으로써, 본 발명의 실시예에 따른 측위 방법이 수행되도록 할 수 있다.
저장부(150)는 측위에 이용되는 모든 정보를 저장한다. 저장부(150)는 관성측정장치의 측정값, 무선신호 데이터, AP의 식별정보, AP의 위치, 추정 에러, 및 단말의 주변 지도 등 측위에 이용되는 모든 정보를 저장할 수 있다.
저장부(150)는 휘발성 메모리 및/또는 비휘발성 메모리로 구현될 수 있다.
이하에서는, 칼만 필터를 이용한 측위 방법에 대해 설명한다.
측위 장치(10)는 단말의 이전 상태벡터(state vector)로부터 단말의 현재 상태벡터를 예측한다. 여기서, 단말의 상태벡터란 단말의 위치에 관한 정보를 의미한다. 예를 들면, 단말이 2차원 평면에 위치할 때, 단말의 상태벡터는 2차원 위치 좌표를 의미할 수 있다. 또한, 단말의 이전 상태벡터는 이전 반복과정에서 모델링된 칼만 필터에 의해 갱신된 단말의 상태벡터를 의미한다. 상태벡터의 초기값은 사용자에 의해 0이나 임의의 값으로 설정될 수 있다.
구체적으로, 측위 장치(10)는 이전 상태벡터에 상태천이행렬(state transition matrix)을 적용하고 잡음 공분산을 더함으로써, 단말의 현재 상태벡터를 예측할 수 있다.
칼만 필터를 이용하여 단말의 현재 위치를 예측 하는 과정은 예측(prediction) 단계와 갱신(update) 단계로 나뉠 수 있다. 예측 단계는 단말의 이전 상태로부터 현재 상태를 예측(predict or estimate)하고, 단말의 현재 상태를 관측(measure, observe)하는 과정을 포함한다. 갱신 단계는 예측 정보와 관측 정보를 이용하여 단말의 현재 상태를 최종적으로 결정하는 단계다.
본 발명의 일 실시예에 따른 측위 장치(10)의 예측 동작은 단말의 이전 상태벡터와 관성 데이터에 기초하여 단말의 제1 후보 위치를 예측하는 것이다. 구체적으로, 측위 장치(10)는 시간에 따라 측정된 관성 데이터들을 이용하여 걸음 수, 보폭, 걸음 방향을 추정한다. 측위 장치(10)는 걸음 수, 보폭, 걸음 방향으로부터 상태천이행렬을 계산하고, 상태천이행렬과 단말의 이전 위치로부터 단말의 제1 후보 위치를 예측한다. 이때, 측위 장치(10)는 시간에 따라 측정된 걸음 수, 보폭들 및 걸음 방향들로부터 시스템 잡음 공분산을 계산한다. 즉, 시스템 잡음 공분산은 걸음 수, 보폭들 및 걸음 방향들에 기초하여 계산된다.
본 발명의 일 실시예에 따른 측위 장치(10)의 측정 동작은 무선신호 데이터들로부터 복수의 무선신호 데이터 조합을 생성하고, 복수의 무선신호 데이터 조합으로부터 단말의 복수의 예상 위치를 추정하고, 복수의 예상 위치로부터 제2 후보 위치를 측정하는 것이다. 구체적으로, 측위 장치(10)는 복수의 예상 위치의 평균값, 중간값, 최빈값, 백분위수, 사분위수 또는 절사 평균 중 어느 하나를 제2 후보 위치로 측정할 수 있다. 복수의 예상 위치에 필터링을 수행한 경우, 측위 장치(10)는 복수의 필터링된 예상 위치의 평균값, 중간값, 최빈값, 백분위수, 사분위수 또는 절사 평균 중 어느 하나를 제2 후보 위치로 측정할 수 있다.
수학식 1은 관성 데이터에 기초한 시스템 잡음 공분산에 관한 것이다.
Figure 112021055551390-pat00001
Figure 112021055551390-pat00002
Figure 112021055551390-pat00003
수학식 1에서 A는 상태천이행렬, s는 걸음 수, l은 보폭,
Figure 112021055551390-pat00004
는 걸음 방향, x는 제1 후보 위치,
Figure 112021055551390-pat00005
는 이전 위치, Q는 시스템 잡음 공분산,
Figure 112021055551390-pat00006
는 걸음 수, 보폭, 걸음 방향의 곱의 분산값이다. 시스템 잡음 공분산은 시간에 따라 측정된 걸음 수들, 보폭들 및 걸음 방향들의 분산값일 수 있다. 즉, 시스템 잡음 공분산은 걸음 수, 보폭 및 걸음 방향에 의해 모델링 된다. 상태천이행렬은 시간에 따라 측정된 걸음 수, 보폭들 및 걸음 방향들의 총 합 또는 대표값일 수 있다. 수학식 1을 도출하는 것은 칼만 필터의 예측 단계에 해당한다.
수학식 2는 무선신호 데이터에 기초한 측정 잡음 공분산에 관한 것이다.
Figure 112021055551390-pat00007
Figure 112021055551390-pat00008
수학식 2에서 z는 측정값,
Figure 112021055551390-pat00009
는 제2 후보 위치, R은 측정 잡음 공분산,
Figure 112021055551390-pat00010
는 복수의 예상 위치의 분산값이다. 즉, 측정 잡음 공분산은 복수의 예상 위치에 의해 모델링된다. 수학식 2를 도출하는 것은 칼만 필터의 측정 단계에 해당한다.
수학식 3은 칼만 필터의 오차 공분산 및 칼만 이득에 관한 것이다.
Figure 112021055551390-pat00011
Figure 112021055551390-pat00012
Figure 112021055551390-pat00013
수학식 3에서 P는 오차 공분산,
Figure 112021055551390-pat00014
는 이전 오차 공분산, K는 칼만 이득, H는 측정 행렬(measurement matrix)이다.
수학식 4는 칼만 필터의 갱신 동작에 관한 것이다.
Figure 112021055551390-pat00015
Figure 112021055551390-pat00016
Figure 112021055551390-pat00017
는 단말의 현재 위치,
Figure 112021055551390-pat00018
는 현재 오차 공분산이다.
도 2는 본 발명의 일 실시예에 따른 무선신호 데이터 조합과 예상 위치 필터링을 설명하기 위해 예시한 도면이다.
도 2를 참조하면, 측위 장치가 복수의 AP들로부터 측정한 무선신호 데이터들을 조합하고, 필터링하는 과정이 나타나있다.
측위 장치는 복수의 AP들로부터 무선신호 데이터들을 측정한다. 측위 장치는 측정한 무선신호 데이터들을 k개씩 조합한 무선신호 데이터 조합을 생성한다. 복수의 무선신호 데이터 조합을 생성하기 위해, 적어도 네 개의 무선신호 데이터들을 수집해야 한다.
예컨대, 복수의 AP들의 개수가 n개이고, 단말의 n개의 AP로부터 서로 다른 n개의 무선신호 데이터를 측정하는 경우, 측위 장치는 n개의 무선신호 데이터들을 k개씩 조합한 복수의 데이터 조합을 생성할 수 있다. 즉, n개의 무선신호 데이터들을 k개씩 조합하되, 3 이상 n 이하의 정수에 해당하는 모든 k에 대해 각각 복수의 데이터 조합을 생성할 수 있다. n개의 무선신호 데이터들이 k개씩 조합되면, 조합된 데이터의 개수는 총 C(n, k)개이다. 여기서, k는 3 이상이고 n 이하인 정수이다. 여기서 C(n, k)는 서로 다른 n개의 데이터에서 순서를 고려하지 않고 k개를 선택하는 조합(combination) 기호이다.
예를 들어, AP의 개수가 5개(AP1, AP2, AP3, AP4 및 AP5)이고, 측위 장치는 5개의 AP로부터 서로 다른 5개의 무선신호 데이터들(D1, D2, D3, D4 및 D5)를 수집하는 경우, 측위 장치는 5개의 무선신호 데이터들을 3개씩 조합한 데이터 조합을 생성할 수 있다. 구체적으로, 측위 장치는 총 10 개의 데이터 조합인 (D1, D2, D3), (D1, D2, D4), (D1, D2, D5), (D1, D3, D4), (D1, D3, D5), (D1, D4, D5) (D2, D3, D4), (D2, D3, D5), (D2, D4, D5) 및 (D3, D4, D5)를 생성할 수 있다. 무선신호 데이터 조합의 총 개수는 C(5, 3)이다. 한편, 측위 장치는 5개의 무선신호 데이터들 중 3개를 선택하는 모든 조합뿐만 아니라 4개나 5개를 선택하는 모든 데이터 조합을 생성할 수 있다. 이때, 모든 데이터 조합의 개수를 계산하면, C(5, 3) + C(5, 4) + C(5, 5) = 16개이다.
한편, 측위 장치는 k의 값을 n의 범위 내에서 임의로 선택하거나 기 작성된 테이블에 따라 선택할 수 있다. 또는, 측위 장치는 k를 n/2으로 결정하되, n이 홀수인 경우 k를 n/2에 가장 가까운 정수 중 하나로 결정할 수 있다. 여기서, 기 작성된 테이블이란 n 및 k에 따른 측위 정확도 및 연산속도를 기록한 테이블을 의미한다. 기 작성된 테이블의 생성 과정을 설명하면, 우선 사전에 임의의 위치에서 단말이 n개의 AP로부터 n개의 무선신호 데이터들을 수집하고, 모든 k에 대해 데이터 조합을 생성하며, k 값마다 복수의 데이터 조합을 생성한다. k 값에 따른 복수의 데이터 조합을 이용하여 단말의 최종 위치를 결정한다. 이후, 각 k 값 별로 단말의 실제 위치와 추정된 위치 간 오차 및 단말의 위치를 추정하는 데 걸린 시간을 테이블에 기록한다.
도 2를 참조하면, 제1 무선신호 데이터 조합(210) 및 제3 무선신호 데이터 조합(214)은 3개의 AP로부터 수집한 무선신호 데이터들의 조합이며, 제2 무선신호 데이터 조합(212)은 4개의 AP로부터 수집한 무선신호 데이터들의 조합을 의미한다. 무선신호 데이터들에 RSSI 또는 타이밍 데이터가 포함되어 있으므로, 무선신호 데이터들을 조합한 복수의 무선신호 데이터 조합에는 복수의 RSSI 조합 또는 복수의 타이밍 데이터 조합이 포함되어 있다.
다른 실시예로써, 측위 장치는 무선신호 데이터들을 조합할 수도 있지만, AP들을 조합한 뒤 해당 AP들로부터 무선신호 데이터들을 측정할 수도 있다.
측위 장치는 삼각측량 또는 다변측량을 이용하여 복수의 무선신호 데이터 조합으로부터 단말의 예상 위치들을 추정할 수 있다. 여기서, 예상 위치란 복수의 데이터 조합으로부터 각각 도출해낸 단말의 위치를 의미한다. 측위 장치는 복수의 무선신호 데이터 조합 전부를 이용하여 예상 위치를 추정할 수도 있고, 복수의 무선신호 데이터 조합 중 일부 조합만을 이용하여 예상 위치를 추정할 수도 있다.
측위 장치는 복수의 데이터 조합에 포함된 복수의 RSSI 조합 또는 복수의 타이밍 데이터 조합을 이용하여 단말의 예상 위치를 추정한다. 한편, 측위 장치는 복수의 타이밍 데이터 조합을 이용하는 경우, 다변측량(multilateration)을 이용할 수 있다. 구체적으로 설명하면, 우선 측위 장치는 n개의 타이밍 데이터를 k개씩 조합한 복수의 타이밍 데이터 조합을 생성한다. 측위 장치는 복수의 타이밍 데이터 조합으로부터 단말과 각 AP 간 거리 정보를 도출한다. 측위 장치는 거리 정보에 다변측량 방법을 적용하여 단말의 예상 위치를 추정할 수 있다.
k가 3인 경우, 측위 장치는 다변측량 중 삼변측량을 이용하여 각 타이밍 데이터 조합마다 단말의 예상 위치를 추정할 수 있다. k가 4 이상인 경우, 측위 장치는 각 타이밍 데이터 조합마다 다변측량을 이용하여 단말의 예상 위치를 추정할 수 있다.
다변측량 방법 적용하기 위해서는 AP와 단말 간 거리뿐만 아니라 AP의 위치가 필요하다. 측위 장치는 AP와 단말 간 거리정보 및 복수의 AP에 대한 기 저장된 위치정보를 이용하여 단말의 위치를 추정할 수 있다.
도 2를 참조하면, 측위 장치는 제1 무선신호 데이터 조합(210)에 포함된 무선신호 데이터들을 이용하여 단말의 예상 위치를 추정한다. 마찬가지로, 측위 장치는 제2 무선신호 데이터 조합(212) 및 제3 무선신호 데이터 조합(214)에 대해서도 동일한 동작을 수행하여 단말의 예상 위치를 추정하며, 다른 데이터 조합에 대해서도 같은 동작을 반복 수행한다.
이후, 측위 장치는 단말의 복수의 예상 위치에 필터링을 수행할 수 있다. 측위 장치는 필터링된 예상 위치들(220)을 도출할 수 있다.
필터링에 대해서는 도 3에서 자세히 설명한다.
도 3은 본 발명의 일 실시예에 따른 필터링을 설명하기 위해 예시한 도면이다.
도 3을 참조하면, 단말(300), 복수의 AP들(310, 320, 330, 340)이 도시되어 있다. 이하에서는, 측위 장치가 필터링 과정을 수행하는 것으로 설명하나, 이는 하나의 실시예에 불과하며, 외부 서버가 단말(300)로부터 데이터를 수신한 후 필터링 과정을 수행한 후 측위 장치에게 필터링 정보를 전송할 수도 있다.
측위 장치의 필터링 동작을 추정 에러 기반 필터링과 무선신호 데이터 합 기반 필터링으로 나누어 설명한다.
첫 번째, 본 발명의 일 실시예에 따른 측위 장치는 복수의 AP들(310, 320, 330, 340)과의 통신을 통해 측정한 무선신호 데이터들로부터 제1 거리를 산출한다. 예를 들어, 제1 AP(310)으로부터 수신한 RSSI 또는 RTT를 이용하여 단말(300)과 제1 AP(310) 사이 하나의 제1 거리를 계산한다.
측위 장치는 단말(300)의 예상 위치와 예상 위치를 도출하는 데 이용된 복수의 AP들(310, 320, 330, 340)의 기 저장된 위치 좌표에 기초하여 단말(300)과 복수의 AP들(310, 320, 330, 340) 사이의 제2 거리를 산출한다. 예를 들면, 단말에 대한 하나의 예상 위치를 추정하는 데 하나의 무선신호 데이터 조합이 이용되고, 하나의 무선신호 데이터 조합에 제1 AP(310)가 포함된 경우, 측위 장치는 제1 AP(310)의 기 저장된 위치 좌표와 해당 예상 위치 간 거리를 제2 거리로써 계산한다.
단말(300)은 제1 거리와 상기 제2 거리의 차이에 기초하여 추정 위치에 대한 추정 에러를 산출한다. 여기서, 측위 장치는 제1 거리와 상기 제2 거리의 차이가 적을수록 추정 에러를 낮게 평가한다. 예를 들어, 측위 장치는 단말과 제1 AP(310)와의 제1 거리 및 제2 거리를 구한다. 측위 장치는 제1 거리와 제2 거리 간 차이인 제1 오차를 계산한다. 측위 장치는 복수의 AP들(310, 320, 330, 340)에 대해 제1 거리와 제2 거리 간 오차를 계산하고, 오차의 총합이 작을수록 해당 예상 위치에 대한 추정 에러를 낮게 평가한다.
본 발명의 일 실시예에 따른 측위 장치가 추정 에러를 산출하는 수학식은 수학식 1 내지 수학식 3으로 표현될 수 있으며, 이에 한정되는 것은 아니고 제1 거리와 제2 거리 간 오차가 적을수록 추정 에러를 낮게 평가할 수 있는 모든 수학식을 포함할 수 있다.
Figure 112021055551390-pat00019
Figure 112021055551390-pat00020
Figure 112021055551390-pat00021
수학식 5 내지 수학식 7에서 N은 복수의 AP들의 개수, i는 복수의 AP들의 인덱스, P는 단말(300)의 예상 위치,
Figure 112021055551390-pat00022
는 복수의 AP들(310, 320, 330, 340)의 위치 좌표,
Figure 112021055551390-pat00023
는 무선신호 데이터로부터 계산되는 복수의 AP들(310, 320, 330, 340)과 단말(300) 사이의 제1 거리,
Figure 112021055551390-pat00024
는 단말(300)과 복수의 AP들(310, 320, 330, 340) 사이의 제2 거리를 의미한다.
측위 장치는 복수의 예상 위치 각각에 대해 추정 에러의 값이 기 설정된 값보다 작은 예상 위치를 제거할 수 있다.
두 번째, 본 발명의 일 실시예에 따른 측위 장치는 복수의 AP들(310, 320, 330, 340)으로부터 측정한 무선신호 데이터들의 합을 계산할 수 있다.
단말에 대한 하나의 예상 위치를 추정하는 데 하나의 무선신호 데이터 조합이 이용되고, 측위 장치는 하나의 무선신호 데이터 조합에 포함된 무선신호 데이터들을 모두 합하거나 평균값을 구할 수 있다. 무선신호 데이터들의 합 또는 평균에 따라 대응되는 예상 위치가 필터링된다.
예를 들어, 무선신호 데이터가 RTT인 경우, 측위 장치는 하나의 예상 위치를 추정하는 데 이용된 RTT 값의 합을 구하거나 평균값을 구할 수 있다.
Figure 112021055551390-pat00025
Figure 112021055551390-pat00026
수학식 8에서 N은 하나의 예상 위치 추정에 이용된 AP들의 개수, i는 무선신호 데이터의 인덱스,
Figure 112021055551390-pat00027
는 무선신호 데이터를 의미한다. 무선신호 데이터는 RSSI, RTT, ToF, ToA, TDoA, AoD 및 AoA 중 하나를 의미할 수 있다.
측위 장치는 복수의 예상 위치 각각에 대해 무선신호 데이터들의 합 또는 평균값이 기 설정된 값보다 작은 예상 위치를 제거할 수 있다.
추정 에러 기반 필터링과 무선신호 데이터 합 기반 필터링은 각각 수행되거나 서로 다른 순서대로 수행될 수 있다.
측위 장치는 필터링된 예상 위치들을 이용하여 측정 잡음 공분산을 계산하며, 계산된 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 위치를 정확하게 추정할 수 있다.
도 4는 본 발명의 일 실시예에 따른 측위 방법을 설명하기 위해 예시한 순서도다.
도 4를 참조하면, 측위 장치는 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 관성 데이터들을 측정한다(S400). 관성측정장치는 가속도계, 자력계 및 자이로스코프 중 적어도 하나를 포함한다.
측위 장치는 복수의 액세스 포인트(Access Point; AP)들과의 통신을 통해 무선신호 데이터들을 측정한다(S402). 무선신호 데이터는 RSSI, RTT, ToF, ToA, TDoA, AoD 및 AoA 중 하나를 의미할 수 있다.
측위 장치는 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산한다(S404).
측위 장치는 관성 데이터들을 이용하여 단말의 이전 위치를 기준으로 사용자의 걸음 수, 보폭 및 걸음 방향을 추정한다. 측위 장치는 걸음 수, 보폭, 및 걸음 방향에 기초하여 시스템 잡음 공분산을 계산할 수 있다.
측위 장치는 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산한다(S406).
측위 장치는 무선신호 데이터들에 기초하여 복수의 무선신호 데이터 조합을 생성한다. 측위 장치는 무선신호 데이터들의 수가 네 개 이상일 때, 적어도 세 개 이상의 무선신호 데이터들로부터 복수의 무선신호 데이터 조합을 생성한다. 측위 장치는 복수의 무선신호 데이터 조합으로부터 단말의 복수의 예상 위치를 추정한다. 측위 장치는 단말의 복수의 예상 위치에 기초하여 측정 잡음 공분산을 계산한다.
본 발명의 일 실시예에 따른 측위 장치는 측정 잡음 공분산 계산 전에 복수의 예상 위치에 필터링을 수행할 수 있다.
측위 장치는 복수의 예상 위치 각각에 대한 추정 에러를 계산하고, 추정 에러에 기초하여 복수의 예상 위치에 필터링을 수행할 수 있다. 구체적으로, 측위 장치는 각 예상 위치의 추정에 이용된 무선신호 데이터에 기초하여 계산된 제1 거리, 및 각 예상 위치의 추정에 이용된 AP와 각 예상 위치 간 제2 거리를 계산한다. 측위 장치는 제1 거리 및 제2 거리 간 차이에 기초하여 복수의 예상 위치 각각에 대한 추정 에러를 계산한다. 측위 장치는 추정 에러에 기초하여 복수의 예상 위치에 필터링을 수행할 수 있다.
측위 장치는 각 예상 위치의 추정에 이용된 무선신호 데이터의 합에 기초하여 복수의 예상 위치에 필터링을 수행할 수 있다.
복수의 예상 위치에 필터링을 수행한 경우, 측위 장치는 필터링된 복수의 예상 위치를 이용하여 측정 잡음 공분산을 계산할 수 있다.
측위 장치는 시스템 잡음 공분산 및 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 최종적으로 예측한다(S408).
측위 장치는 단말의 이전 위치 및 관성 데이터들에 기초하여 제1 후보 위치를 예측한다. 측위 장치는 무선신호 데이터들에 기초하여 제2 후보 위치를 측정한다. 측위 장치는 제1 후보 위치, 제2 후보 위치, 시스템 잡음 공분산 및 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 최종적으로 예측한다. 구체적으로, 측위 장치는 이전 오차 공분산, 상태천이행렬 및 시스템 잡음 공분산에 기초하여 오차 공분산을 추정한다. 측위 장치는 오차 공분산, 측정 행렬 및 측정 잡음 공분산에 기초하여 칼만 이득을 계산한다. 측위 장치는 제1 후보 위치, 제2 후보 위치, 칼만 이득 및 측정 행렬을 이용하여 단말의 최종적인 현재 위치를 예측한다. 다시 말하면, 측위 장치는 단말의 이전 위치, 제2 후보 위치, 칼만 이득 및 상태천이행렬에 기초하여 단말의 위치 변화량을 계산한다. 측위 장치는 단말의 이전 위치에 위치 변화량을 더함으로써, 단말의 최종적인 현재 위치를 예측할 수 있다.
측위 장치는 관성 데이터 기반 측위 방법과 무선신호 데이터 기반 측위 방법을 결합하고, 칼만 필터의 잡음 공분산을 모델링함으로써, 단말의 위치를 정확하게 추정할 수 있다. 또한, 측위 장치는 무선신호 데이터 기반 측위 방법에서 추정 에러 또는 무선신호 데이터 합에 기반하여 필터링을 수행함으로써, 단말의 위치를 정확하게 추정할 수 있다.
도 5는 본 발명의 일 실시예에 따른 측위 정확도를 설명하기 위해 예시한 도면이다.
도 5를 참조하면, 실내에서 포인트들(500, 502, 504), 실제 경로(510), 제1 측위 경로(520) 및 제2 측위 경로(530)가 도시되어 있다.
실제 경로(510)는 단말이 실제로 이동한 경로를 의미하고, 제1 측위 경로(520)는 종래 기술에 따른 측위 경로이며, 제2 측위 경로(530)는 본 발명의 실시예에 따른 측위 경로를 의미한다. 여기서, 종래 기술은 선형 최소 제곱-기준 선택(Linear Least Square through Reference Selection; LLS-RS) 측위 방법을 의미한다.
도 5에서 실제 경로(510)는 제1 포인트(500), 제2 포인트(502) 및 제3 포인트(504)를 이은 직선 경로이다.
제1 측위 경로(520)는 실제 경로(510)로부터 오차 거리가 크다. 제1 측위 경로(520)에 따르면, 단말은 건물벽을 뚫고 이동한 것으로 도출된다.
반면, 제2 측위 경로(530)는 실제 경로(510)로부터 오차 거리가 크지 않다. 제2 측위 경로(530)는 관성 데이터 기반 측위 방법과 무선신호 데이터 기반 측위 방법이 칼만 필터를 통해 결합된 측위 방법으로부터 도출된 경로이므로, 제1 측위 경로(520)에 비해 측위 정확도가 높다는 것을 알 수 있다.
도 4에서는 과정 S400 내지 과정 S408을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것이다. 다시 말해, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 4에 기재된 순서를 변경하여 실행하거나 과정 S400 내지 과정 S408 중 하나 이상의 과정을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.
한편, 도 4에 도시된 과정들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 즉, 이러한 컴퓨터가 읽을 수 있는　기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등의 비일시적인(non-transitory) 매체를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
또한, 본 발명의 구성 요소들은 메모리, 프로세서, 논리 회로, 룩-업 테이블(look-up table) 등과 같은 집적 회로 구조를 사용할 수 있다. 이러한 집적 회로 구조는 하나 이상의 마이크로 프로세서 또는 다른 제어 장치의 제어를 통해 본 명세서에 기술 된 각각의 기능을 실행한다. 또한, 본 발명의 구성 요소들은 특정 논리 기능을 수행하기 위한 하나 이상의 실행 가능한 명령을 포함하고 하나 이상의 마이크로 프로세서 또는 다른 제어 장치에 의해 실행되는 프로그램 또는 코드의 일부에 의해 구체적으로 구현될 수 있다. 또한, 본 발명의 구성 요소들은 각각의 기능을 수행하는 중앙 처리 장치(CPU), 마이크로 프로세서 등을 포함하거나 이에 의해 구현될 수 있다. 또한, 본 발명의 구성 요소들은 하나 이상의 프로세서에 의해 실행되는 명령어들을 하나 이상의 메모리에 저장할 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 측정부 110: 통신부
120: 계산부 130: 예측부
140: 제어부 150: 저장부

Claims (18)

  1. 관성측정장치(Inertial Measurement Unit; IMU)를 이용하여 관성 데이터들을 측정하는 과정;
    복수의 액세스 포인트(Access Point; AP)들과의 통신을 통해 무선신호 데이터들을 측정하는 과정;
    상기 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산하는 과정;
    상기 시스템 잡음 공분산에 기초하여 오차 공분산을 예측하는 과정;
    상기 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산하는 과정; 및
    상기 오차 공분산 및 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측하는 과정
    을 포함하는 측위 장치의 제어 방법.
  2. 제1항에 있어서,
    상기 시스템 잡음 공분산을 계산하는 과정은,
    상기 관성 데이터들을 이용하여 상기 단말의 이전 위치를 기준으로 사용자의 걸음 수, 보폭 및 걸음 방향을 추정하는 과정; 및
    상기 걸음 수, 상기 보폭, 및 상기 걸음 방향에 기초하여 상기 시스템 잡음 공분산을 계산하는 과정
    을 포함하는 측위 장치의 제어 방법.
  3. 제1항에 있어서,
    상기 측정 잡음 공분산을 계산하는 과정은,
    상기 무선신호 데이터들에 기초하여 복수의 무선신호 데이터 조합을 생성하는 과정;
    상기 복수의 무선신호 데이터 조합으로부터 상기 단말의 복수의 예상 위치를 추정하는 과정; 및
    상기 단말의 상기 복수의 예상 위치에 기초하여 상기 측정 잡음 공분산을 계산하는 과정
    을 포함하는 측위 장치의 제어 방법.
  4. 제3항에 있어서,
    상기 복수의 무선신호 데이터 조합을 생성하는 과정은,
    상기 무선신호 데이터들의 수가 네 개 이상일 때, 적어도 세 개 이상의 무선신호 데이터들로부터 상기 복수의 무선신호 데이터 조합을 생성하는 과정을 포함하는 측위 장치의 제어 방법.
  5. 제3항에 있어서,
    상기 복수의 예상 위치 각각에 대한 추정 에러를 계산하는 과정;
    상기 추정 에러에 기초하여 상기 복수의 예상 위치에 필터링을 수행하는 과정
    을 더 포함하는 측위 장치의 제어 방법.
  6. 제5항에 있어서,
    상기 복수의 예상 위치 각각에 대한 추정 에러를 계산하는 과정은,
    각 예상 위치의 추정에 이용된 무선신호 데이터에 기초하여 계산된 제1 거리, 및 상기 각 예상 위치의 추정에 이용된 AP와 상기 각 예상 위치 간 제2 거리를 계산하는 과정;
    상기 제1 거리 및 상기 제2 거리 간 차이에 기초하여 상기 복수의 예상 위치 각각에 대한 추정 에러를 계산하는 과정을 포함하는 측위 장치의 제어 방법.
  7. 제3항에 있어서,
    각 예상 위치의 추정에 이용된 무선신호 데이터의 합에 기초하여 상기 복수의 예상 위치에 필터링을 수행하는 과정
    을 더 포함하는 측위 장치의 제어 방법.
  8. 제1항에 있어서,
    상기 단말의 현재 위치를 예측하는 과정은,
    상기 단말의 이전 위치 및 상기 관성 데이터들에 기초하여 상기 단말의 제1 후보 위치를 예측하는 과정;
    상기 무선신호 데이터들에 기초하여 상기 단말의 제2 후보 위치를 측정하는 과정; 및
    상기 제1 후보 위치, 상기 제2 후보 위치, 상기 제1 후보 위치에 대한 상기 오차 공분산 및 상기 제2 후보 위치에 대한 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 상기 단말의 현재 위치를 예측하는 과정
    을 포함하는 측위 장치의 제어 방법.
  9. 제1항에 있어서,
    상기 시스템 잡음 공분산은 시간에 따라 측정된 상기 관성 데이터들로부터 계산된 것이며,
    상기 측정 잡음 공분산은 상기 무선신호 데이터들을 조합한 복수의 무선신호 데이터 조합들로부터 계산된 것인 측위 장치의 제어 방법.
  10. 관성측정장치를 이용하여 관성 데이터들을 측정하는 측정부;
    무선신호 데이터들을 측정하기 위해 복수의 액세스 포인트들과의 통신을 수행하는 통신부;
    상기 관성 데이터들에 기초하여 시스템 잡음 공분산을 계산하고, 상기 시스템 잡음 공분산에 기초하여 오차 공분산을 예측하고, 상기 무선신호 데이터들에 기초하여 측정 잡음 공분산을 계산하는 계산부; 및
    상기 오차 공분산 및 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 단말의 현재 위치를 예측하는 예측부
    를 포함하는 측위 장치.
  11. 제10항에 있어서,
    상기 계산부는,
    상기 관성 데이터들을 이용하여 상기 단말의 이전 위치를 기준으로 사용자의 걸음 수, 보폭 및 걸음 방향을 추정하고,
    상기 걸음 수, 상기 보폭, 및 상기 걸음 방향에 기초하여 상기 시스템 잡음 공분산을 계산하는 것인 측위 장치.
  12. 제10항에 있어서,
    상기 계산부는,
    상기 무선신호 데이터들에 기초하여 복수의 무선신호 데이터 조합을 생성하고,
    상기 복수의 무선신호 데이터 조합으로부터 상기 단말의 복수의 예상 위치를 추정하고,
    상기 단말의 상기 복수의 예상 위치에 기초하여 상기 측정 잡음 공분산을 계산하는 것인 측위 장치.
  13. 제12항에 있어서,
    상기 계산부는,
    상기 무선신호 데이터들의 수가 네 개 이상일 때, 적어도 세 개 이상의 무선신호 데이터들로부터 상기 복수의 무선신호 데이터 조합을 생성하는 것인 측위 장치.
  14. 제12항에 있어서,
    상기 계산부는,
    상기 복수의 예상 위치 각각에 대한 추정 에러를 계산하고,
    상기 추정 에러에 기초하여 상기 복수의 예상 위치에 필터링을 수행하는 것인 측위 장치
  15. 제14항에 있어서,
    상기 계산부는,
    각 예상 위치의 추정에 이용된 무선신호 데이터에 기초하여 계산된 제1 거리, 및 상기 각 예상 위치의 추정에 이용된 AP와 상기 각 예상 위치 간 제2 거리를 계산하고,
    상기 제1 거리 및 상기 제2 거리 간 차이에 기초하여 상기 복수의 예상 위치 각각에 대한 추정 에러를 계산하는 것인 측위 장치.
  16. 제12항에 있어서,
    상기 계산부는,
    각 예상 위치의 추정에 이용된 무선신호 데이터의 합에 기초하여 상기 복수의 예상 위치에 필터링을 수행하는 것인 측위 장치.
  17. 제10항에 있어서,
    상기 예측부는,
    상기 단말의 이전 위치 및 상기 관성 데이터들에 기초하여 상기 단말의 제1 후보 위치를 예측하고,
    상기 무선신호 데이터들에 기초하여 상기 단말의 제2 후보 위치를 측정하며,
    상기 제1 후보 위치, 상기 제2 후보 위치, 상기 제1 후보 위치에 대한 상기 오차 공분산 및 상기 제2 후보 위치에 대한 상기 측정 잡음 공분산이 적용된 칼만 필터를 이용하여 상기 단말의 현재 위치를 예측하는 것인 측위 장치.
  18. 제10항에 있어서,
    상기 시스템 잡음 공분산은 시간에 따라 측정된 상기 관성 데이터들로부터 계산된 것이며,
    상기 측정 잡음 공분산은 상기 무선신호 데이터들을 조합한 복수의 무선신호 데이터 조합들로부터 계산된 것인 측위 장치.
KR1020210062090A 2021-05-13 2021-05-13 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치 KR102367403B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210062090A KR102367403B1 (ko) 2021-05-13 2021-05-13 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치
PCT/KR2022/005934 WO2022240013A1 (ko) 2021-05-13 2022-04-26 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210062090A KR102367403B1 (ko) 2021-05-13 2021-05-13 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102367403B1 true KR102367403B1 (ko) 2022-02-24

Family

ID=80474557

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210062090A KR102367403B1 (ko) 2021-05-13 2021-05-13 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Country Status (2)

Country Link
KR (1) KR102367403B1 (ko)
WO (1) WO2022240013A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022240013A1 (ko) * 2021-05-13 2022-11-17 한국철도기술연구원 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101885845B1 (ko) * 2016-12-14 2018-08-07 (주)아센코리아 다중 센서를 이용한 실내 위치 추적을 위한 통합 항법 시스템
KR102209658B1 (ko) * 2019-07-02 2021-01-29 경북대학교 산학협력단 위치 정보를 추정하는 단말 장치, 위치 정보 추정 방법 및 그 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011102707A (ja) * 2009-11-10 2011-05-26 Seiko Epson Corp 測位装置及び測位方法
CN108919181A (zh) * 2018-09-05 2018-11-30 成都精位科技有限公司 基于惯导的uwb定位方法、装置及定位标签
KR102284438B1 (ko) * 2019-08-14 2021-08-02 한국철도기술연구원 다양한 데이터 조합을 이용한 단말의 위치측정 방법 및 장치
KR102367403B1 (ko) * 2021-05-13 2022-02-24 한국철도기술연구원 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101885845B1 (ko) * 2016-12-14 2018-08-07 (주)아센코리아 다중 센서를 이용한 실내 위치 추적을 위한 통합 항법 시스템
KR102209658B1 (ko) * 2019-07-02 2021-01-29 경북대학교 산학협력단 위치 정보를 추정하는 단말 장치, 위치 정보 추정 방법 및 그 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022240013A1 (ko) * 2021-05-13 2022-11-17 한국철도기술연구원 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치

Also Published As

Publication number Publication date
WO2022240013A1 (ko) 2022-11-17

Similar Documents

Publication Publication Date Title
US10415978B2 (en) Landmark location determination
Wang et al. WLAN-based pedestrian tracking using particle filters and low-cost MEMS sensors
US10057725B2 (en) Sensor-based geolocation of a user device
KR102158029B1 (ko) 전파 지도를 이용한 실내위치 인식 방법 및 장치
JP6906617B2 (ja) 高正確度の無線測位方法及び装置
KR20130063821A (ko) 자기장 지도 기반 측위 시스템에서 이용되는 이동 단말 및 이를 이용한 위치 추정 방법
US9116006B2 (en) Apparatus and method for determining indoor collection points and collecting heterogeneous infrastructure measurement information
KR20170091811A (ko) 블루투스 비콘의 rssi와 보행자 패턴의 가중치를 이용한 실내 위치 측위 방법
KR101709411B1 (ko) 가중치 삼변측량법에 기반한 위치 측정 방법과 이를 이용한 실내 측위 방법
KR101957750B1 (ko) 3차원 자기장 지도에 기초하여 생성된 입자 필터를 이용하여 위치를 추정하는 이동 단말 및 그 장치를 이용한 방법
Lee et al. Indoor localization by Kalman filter based combining of UWB-positioning and PDR
CN112639504A (zh) 使用电子测距设备进行地理定位优化的方法
Carrera et al. A real-time indoor tracking system by fusing inertial sensor, radio signal and floor plan
KR102367403B1 (ko) 관성 데이터 및 무선신호 데이터 기반 실내 측위 방법 및 장치
US20180292216A1 (en) Method, device and system for determining an indoor position
KR101264306B1 (ko) 이동 모델 학습을 통한 실내 위치 추적 장치 및 이를 위한 기록매체
KR101523147B1 (ko) 실내 측위 장치 및 방법
KR101599613B1 (ko) 측위 장치 및 측위 방법
US20150211845A1 (en) Methods and Systems for Applying Weights to Information From Correlated Measurements for Likelihood Formulations Based on Time or Position Density
KR101468811B1 (ko) 무선 랜을 이용한 실내 측위 시스템의 위치 보정 방법
CN109945864B (zh) 室内行车定位融合方法、装置、存储介质及终端设备
Pendão et al. FastGraph-Organic 3D Graph for Unsupervised Location and Mapping
KR20140119333A (ko) 위치 정확도 향상을 위한 위치 측위 방법 및 장치
Ebner et al. On prior navigation knowledge in multi sensor indoor localisation
KR20190113013A (ko) 비콘 신호와 핑거프린트 맵 기반의 실내 측위 방법 및 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant