KR20230113886A - 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법 - Google Patents

다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법 Download PDF

Info

Publication number
KR20230113886A
KR20230113886A KR1020220009699A KR20220009699A KR20230113886A KR 20230113886 A KR20230113886 A KR 20230113886A KR 1020220009699 A KR1020220009699 A KR 1020220009699A KR 20220009699 A KR20220009699 A KR 20220009699A KR 20230113886 A KR20230113886 A KR 20230113886A
Authority
KR
South Korea
Prior art keywords
positioning
indoor
neural network
information
present
Prior art date
Application number
KR1020220009699A
Other languages
English (en)
Inventor
전영준
최원익
김태엽
Original Assignee
파파야 주식회사
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 파파야 주식회사 filed Critical 파파야 주식회사
Priority to KR1020220009699A priority Critical patent/KR20230113886A/ko
Publication of KR20230113886A publication Critical patent/KR20230113886A/ko

Links

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
    • G01S5/0205—Details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • G01S2205/02—Indoor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Navigation (AREA)

Abstract

본 발명의 실시 예에 따른 실내 측위 시스템의 동작 방법은, 휴대 단말로부터 위치 정보에 대응하여 센싱된 다중 신호를 수집하는 단계; 상기 다중 신호에 대응하는 이미지화 처리를 수행하는 단계; 상기 이미지화 처리된 데이터 및 상기 이미지화 처리된 데이터 간 유사도를 기반으로, 측위 정보를 출력하도록 하는 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축하는 단계; 및 상기 인공지능 신경망 기반의 실내 좌표 측위 모델을 이용하여, 실내 측위 정보를 제공하는 단계를 포함한다.

Description

다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법{Operation method of indoor coordinate positioning system using multi-signal sensor map image}
본 발명은 실내 좌표 측위 시스템의 동작방법에 관한 것이다. 보다 구체적으로, 본 발명은 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법에 관한 것이다.
최근 대부분의 스마트폰에 GPS(Global Positioning System)가 탑재되기 시작하면서 실생활의 다양한 영역에 위치기반서비스가 활용되기 시작했다. 특히 스마트폰의 각종 앱(APP)에서 GPS를 자유롭게 이용할 수 있게 되면서 위치 정보와 다양한 서비스의 결합이 이루어지게 되었다.
그러나 GPS 위성에서 발생된 신호는 2만km 가 넘는 대기를 통과하면서 매우 약해지기 때문에 건물 내부까지 침투하는 것은 불가능하다. 따라서 실내에서는 길안내(내비게이션) 서비스와 같은 위치기반 서비스를 이용할 수없는 상황이다. 왜냐하면 대부분의 위치기반 서비스가 GPS에 의존적인 상황이기 때문이다.
이를 해결하기 위해, 다양한 실내 위치 측위 방법들이 제안되고 있다. 현재까지 알려진 실내 위치 측위 기술은 무선기지국 및 실내 측위를 위해 수집된 무선랜(WiFi) AP 정보만을 이용하여 실내의 위치를 측위 하는 방식과, GPS/기지국/WiFi/자기장 정보를 이용한 실내외 위치를 연속 측위 하는 방법 등이 제안되어 있다.
또한, 실내의 위치 측위를 위한 데이터 수집은 관련된 사람 직접 수집을 하거나, 관련 소프트웨어를 이용하여 무선랜(WiFi) AP 신호 정보를 수집하여 맵을 제작하는 핑거프린팅 방식들이 예시된다.
그러나, 대형화되고 있는 건물의 증가에 따라 실내공간에서의 활동시간이 급증하고 있는 현재 시점에서도 실내 측위 기술의 정확도는 여전히 미흡한 상태이다.
특히, 실내 신호를 수집하여 맵을 구축하고 유지하는 것은 건물의 정확한 도면과 숙련된 전문가가 있어야 하므로 그 비용이 높게 소요되며, 무선 신호를 삼각측량으로 측위하더라도 그 위치 정확도가 수십미터의 오차를 가져 실 사용에는 미흡한 측면이 존재한다.
나아가 지자계를 이용한 측위기술은 범용성이 떨어지며, 위치에 따른 고유성이 없고 미리 정해진 경로로만 측위가 가능한 바, 일부의 자기장이 변경되는 경우 모든 맵을 다시 구축해야만 하는 문제점이 있다.
이러한 이유로, 한시적으로 건설된 공간이나 터널, 주차장, 전시장 등의 특수환경에서는 적용이 어려운 문제점들이 존재하고 있다.
본 발명은 상기한 바와 같은 문제점을 해결하고자 안출된 것으로, 통상의 휴대용 단말기에서 수집되는 다양한 신호들을 다중신호로서 수집하고, 이러한 다중신호 빅데이터를 이용하여 구축된 인공지능 신경망 기반의 측위 네트워크를 이용하여, 실내 좌표를 저비용으로 정확하게 측위하면서도 다양한 환경에 적용시킬 수 있는 실내 좌표 측위 시스템을 제공하는 데 그 목적이 있다.
상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 시스템은, 실내 측위 시스템에 있어서, 휴대 단말로부터 위치 정보에 대응하여 센싱된 다중 신호를 수집하는 다중 신호 수집부; 상기 다중 신호에 대응하는 이미지화 처리를 수행하는 이미지화 처리부; 상기 이미지화 처리된 데이터 및 상기 이미지화 처리된 데이터 간 유사도를 기반으로, 측위 정보를 출력하도록 하는 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축하는 유사도 기반 신경망 학습부; 및 상기 인공지능 신경망 기반의 실내 좌표 측위 모델을 이용하여, 실내 측위 정보를 제공하는 학습 모델 기반 실내 측위 서비스 제공부를 포함한다.
본 발명의 실시 예에 따르면, 휴대 단말로부터 위치 정보에 대응하여 센싱된 다중 신호를 이미지화 처리하여, 측위 정보를 출력하도록 하는 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축할 수 있으며, 이에 기초한 학습 모델 기반 실내 측위 서비스를 제공할 수 있다.
이에 따라, 통상의 휴대용 단말기에서 수집되는 다양한 신호들을 다중신호로서 수집하고, 이러한 다중신호 빅데이터를 이용하여 구축된 인공지능 신경망 기반의 측위 네트워크를 이용하여, 실내 좌표를 저비용으로 정확하게 측위하면서도 다양한 환경에 적용시킬 수 있는 실내 좌표 측위 시스템을 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 시스템을 개략적으로 도시한 도면이다.
도 2는 본 발명의 실시 예 구현을 위한 서비스 플랫폼을 예시한 도면이다.
도 3은 본 발명의 실시 예에 따른 다중신호를 보다 구체적으로 설명하기 위한 도면이다.
도 4는 본 발명의 실시 예에 따른 신경망 구축 프로세스를 설명하기 위한 도면이다.
도 5 내지 도 10은 본 발명의 실시 예에 따라 구축된 신경망의 특징 및 측위 프로세스를 설명하기 위한 도면들이다.
도 11은 본 발명의 실시 예에 따른 측위 서비스 프로세스를 설명하기 위한 도면이다.
도 12는 본 발명의 실시 예에 따른 다양한 서비스 시스템의 구현예를 설명하기 위한 도면이다.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.
프로세서 또는 이와 유사한 개념으로 표시된 기능 블럭을 포함하는 도면에 도시된 다양한 소자의 기능은 전용 하드웨어뿐만 아니라 적절한 소프트웨어와 관련하여 소프트웨어를 실행할 능력을 가진 하드웨어의 사용으로 제공될 수 있다. 프로세서에 의해 제공될 때, 상기 기능은 단일 전용 프로세서, 단일 공유 프로세서 또는 복수의 개별적 프로세서에 의해 제공될 수 있고, 이들 중 일부는 공유될 수 있다.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.
본 명세서의 청구범위에서, 상세한 설명에 기재된 기능을 수행하기 위한 수단으로 표현된 구성요소는 예를 들어 상기 기능을 수행하는 회로 소자의 조합 또는 펌웨어/마이크로 코드 등을 포함하는 모든 형식의 소프트웨어를 포함하는 기능을 수행하는 모든 방법을 포함하는 것으로 의도되었으며, 상기 기능을 수행하도록 상기 소프트웨어를 실행하기 위한 적절한 회로와 결합된다. 이러한 청구범위에 의해 정의되는 본 발명은 다양하게 열거된 수단에 의해 제공되는 기능들이 결합되고 청구항이 요구하는 방식과 결합되기 때문에 상기 기능을 제공할 수 있는 어떠한 수단도 본 명세서로부터 파악되는 것과 균등한 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.
본 발명의 일 실시 예에 따른 전체 시스템은 휴대용 단말기(200), 실내 좌표 측위 시스템(100) 및 서비스 제공 장치(300)를 포함한다.
실내 좌표 측위 시스템(100)은, 본 발명의 실시 예에 따른 실내 좌표 측위 서비스 제공을 위해, 각 휴대용 단말기(200) 및 서비스 제공 장치(300)와 유/무선 네트워크를 통해 연결될 수 있으며, 상호간 통신을 수행할 수 있다.
여기서 상기 각 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 개인 근거리 무선통신(Personal Area Network; PAN), 이동 통신망(mobile radiocommunication network) 또는 위성 통신망 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
그리고, 휴대용 단말기(200)는, 휴대폰, 스마트 폰(smart phone), 스마트 패드(smart pad), PDA(Personal Digital Assistants) 중 어느 하나의 개별적 기기일 수 있으며, 환경으로부터 수집되는 다양한 센서 정보를 실내 측위를 위한 다중 신호로 구성하고, 구성된 다중 신호를 위치 매핑 정보와 함께 실내 좌표 측위 시스템(100)으로 전송할 수 있다.
본 발명의 실시 예에서 상기 다중 신호는, 와이파이 신호, 블루투스 신호, GPS/GLONASS 신호, 모바일 네트워크 신호, 지자기 센서 신호, 가속도 센서 신호, 기압계 신호 중 적어도 하나를 포함할 수 있는 바, 휴대용 단말기(200)에 통상적으로 구비되는 다양한 환경 센서들의 신호들을 행렬 결합하여 상기 다중 신호가 구성될 수 있다.
그리고, 실내 좌표 측위 시스템(100)은, 휴대용 단말기(200)의 다중 신호와 위치 매핑 정보의 학습을 통해 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축할 수 있으며, 인공지능 신경망 기반의 실내 좌표 측위 모델 기반의 실내 측위 서비스를 서비스 제공 장치(300)를 통해 제공할 수 있다.
보다 구체적으로, 실내 좌표 측위 시스템(100)은, 다중 신호 수집부(110), 이미지화 처리부(120), 유사도 기반 신경망 학습부(130) 및 학습 모델 기반 실내 측위 서비스 제공부(140)를 포함한다.
먼저, 다중 신호 수집부(110)는, 휴대용 단말기(200)로부터 위치 정보에 대응하여 센싱된 다중 신호를 수집한다.
여기서, 상기 다중 신호는 스마트폰 등에서 수신 가능한 모든 신호를 <KEY, VALUE> 페어로 변환하여 구성한 정보일 수 있으며, 스마트폰 기종에 무관하도록 정규화(NORMALIZATION) 처리될 수 있다.
그리고, 이미지화 처리부(120)는, 상기 다중 신호에 대응하는 이미지화 처리를 수행한다.
이에 따라, 유사도 기반 신경망 학습부(130)는, 상기 이미지화 처리된 데이터 및 상기 이미지화 처리된 데이터 간 유사도를 기반으로, 측위 정보를 출력하도록 하는 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축한다.
그리고, 학습 모델 기반 실내 측위 서비스 제공부(140)는, 상기 인공지능 신경망 기반의 실내 좌표 측위 모델을 이용하여, 실내 측위 정보를 제공한다.
여기서, 상기 이미지화 처리부는 상기 위치 정보가 매핑된 상기 다중 신호에 대응하는 센서 이미지 맵을 생성하는 프로세스를 포함할 수 있다.
이러한 상기 센서 이미지 맵은, 상기 다중 신호의 종류, 개수 및 강도에 따라, 색상 크기 및 농도가 상이한 별자리 이미지 객체를 포함할 수 있다.
이러한 별자리 이미지 객체 구성에 따라, 정규화된 다중 신호는 하나의 별자리 이미지로서 변환될 수 있으며, 별자리 이미지는 수집된 위치를 대표하는 신호맵 역할을 수행할 수 있다. 또한, 별자리 이미지는 빅데이터화되어 인공지능 신경망 구축에 효과적으로 이용될 수 있다.
그리고, 유사도 기반 신경망 학습부(130)는, 상기 별자리 이미지 객체간 유사도 비교를 위한 다차원 활성 함수를 이용하여 측위 예측 정보를 다차원으로 학습하는, 상기 별자리 이미지 객체의 딥러닝 기반 위치 신경망(Positioning Neural Network, PNN) 모델을 구축할 수 있다.
본 발명의 실시 예에 따른 위치 신경망 모델은, 별자리 이미지 비교에 특화된 퍼셉트론(PERCEPTRON) 신경망일 수 있으며, 각각의 이미지의 모든 별(이미지 객체 픽셀)에 대응하는 퍼셉트론이 존재하도록 구성될 수 있다.
또한, 별자리 이미지는 동일한 위치 정보에 매핑된 신호픽셀을 연결하는 이미지일 수 있으며, 이에 기초한 퍼셉트론 학습 및 비교 과정을 최적화함에 따라 고속화된 학습 프로세스가 수행될 수 있다.
나아가, 유사도 기반 신경망 학습부(130)는 2개의 입력에 대응하는 3차원 또는 다차원 활성화 함수를 적용하여 신경망을 구축하며, 불연속(DISCRETE)의 함수를 최적화하여 보다 정확한 측위 정보가 구성되도록 처리한다.
예를 들어, 두 별자리 이미지가 비슷할수록 그 유사도 기반 거리는 가깝게 산출될 수 있으며, 별자리 이미지 모양이 다를수록 그 유사도 기반 거리가 멀게 산출될 수 있는 바, 이러한 유사도 정보를 이용하여 구축된 신경망으로 미리 매핑된 위치 정보를 예측하도록 하는 학습을 수행하면, 다양하고 특수한 환경에서도 측위가 가능하도록 특화된 측위 서비스를 제공할 수 있게 된다.
그리고, 학습 모델 기반 실내 측위 서비스 제공부(140)는, 서비스 제공 장치(300)로부터의 요청에 따라 실내 측위 정보 기반의 다양한 서비스 정보를 서비스 제공 장치(300)로 제공할 수 있다.
예를 들어, 서비스 정보는 실내 측위 정보를 이용하여 제공되는 실내외 측위 정보, 격자주소 검색 정보, XR 컨텐츠 서비스 정보, 실내외 3D 모델링 정보, CCTV 영상 분석 정보, 로봇 안내 정보, 재난 안전 정보, 건설관리 클라우드 정보 등 다양한 서비스 정보가 예시될 수 있다.
이와 같은 시스템 구축에 따라, 본 발명의 실시 예에 따른 실내 좌표 측위 시스템(100)은, 다양한 건물, 특수환경에 적합한 모델들을 구축할 수 있으며, 구축 비용 및 시간을 저감시킬 수 있는 장점이 있다.
도 2는 본 발명의 실시 예 구현을 위한 서비스 플랫폼을 예시한 도면이다.
도 2를 참조하면, 본 발명의 실시 예에 따른 서비스 플랫폼은, 사용자계층, 서비스 계층 및 코어 계층으로 구분될 수 있으며, 실내 좌표 측위 시스템(100) 및 서비스 제공 장치(300)가 연동하여 개인, 건물주, 광고주, 서비스업체, 정부, 지자체 등의 각각의 서비스 대상에 특화된 서비스 프로세스를 플랫폼 기반으로 수행할 수 있다.
또한, 코어 계층에서는 휴대용 단말기(200)의 다중신호를 글로벌 신호맵, 그룹별 신호맵, 고객별 신호맵 등으로 빅데이터화하여 구축하고, 이에 기초한 다양한 속성별 측위 엔진을 구성할 수 있으며, 나아가 본 발명의 다른 실시 예에 따른 층수 추정부를 더 구비하여, 2차원 측위 뿐만 아니라 건물 내 층수 측위도 가능하게 된다.
도 3은 본 발명의 실시 예에 따른 다중신호를 보다 구체적으로 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 휴대용 단말기(200)에서 수집되는 다중신호는 각 종류별로 다양한 정보를 포함할 수 있는 바, 휴대용 단말기(200)의 무선 신호 센서 정보 뿐만 아니라, 지자기 센서, 가속도 센서, 기압계, 휴대용 단말기(200)의 기기 정보, 모델 정보, MAC 주소 정보 등도 다중 신호에 포함될 수 있다.
도 4는 본 발명의 실시 예에 따른 신경망 구축 프로세스를 설명하기 위한 도면이다.
도 4를 참조하면, 다중 신호 수집부(110)는 수집된 다중 신호를 정규화하여 전처리할 수 있으며, 이미지화 처리부(120) 및 유사도 기반 신경망 학습부(130)에서는 이미지화 및 측위 신경망 학습을 수행함에 따라, 실태 측위용 빅데이터 학습 모델이 구축될 수 있다.
도 4에서는 상기 다중 신호를 별자리 이미지로 변환하는 과정을 나타내는 바, 다중 신호(SIGNAL)는 KEY 값과 VALUE 값의 페어(PAIR)로 변환될 수 있다. 그리고, 다중 신호는 정규화 프로세스에 의해 정규화되며, KEY 정보는 해싱 프로세스에 의해 별자리 이미지 객체 픽셀의 X, Y좌표 및 컬러로서 변환되고, VALUE 값은 강도(INTENSITY)로 결정되어 객체의 농도로 변환될 수 있다.
이에 따라, 도 4에 도시된 바와 같이, 실내 특정 위치 정보를 대표하는 별자리 이미지 객체로 구성된 별자리 이미지가 구성될 수 있다. 각각의 센서 종류는 이미지 객체인 점의 색상으로 표현되며, 센서의 개수는 점의 크기로 표현되고, 센서의 강도는 점의 색상 농도로서 표현될 수 있다.
이러한 별자리 이미지에 따라, 실내에서 수신가능한 복합신호는 센서맵 이미지로 구성될 수 있으며, 딥러닝 학습 프로세스에 의해 실내 위치 정보를 예측하는 위치 신경망 모델로 구축될 수 있다.
도 5 내지 도 10은 본 발명의 실시 예에 따라 구축된 신경망의 특징 및 측위 프로세스를 설명하기 위한 도면들이다.
도 5는 본 발명의 실시 예에 따른 위치 신경망(Positioning Neural Network)을 구축한 결과를 나타낸 것으로, 별자리 이미지 데이터를 학습함에 따라, 두 지점의 신호의 유사도는 별자리 이미지 데이터의 유사도 비교를 이용한 실제 유클리디안 거리(Euclidian distance)로서 변환될 수 있다.
이에 따라, 각 위치별 대표 별자리 이미지가 구성되면, 측위 모델로서 이용 가능한 위치 신경망이 구축될 수 있게 된다. 이러한 학습과정은 기존의 CNN 등의 학습 방식으로는 구현될 수 없는 구성이다.
도 6은 위치 신경망 구축을 위한 실제 유클리디안 거리 산출 프로세스를 도시한 것으로, 위치 신경망은 두 별자리 이미지 간 유사도를 학습하여 구축될 수 있으며, 두 별자리의 유사도는 거리 정보로서 변환되어 위치 정보의 학습에 이용될 수 있음을 나타낸다.
도 7은 본 발명의 실시 예에 따른 별자리 이미지(별자리형 신호 지도 이미지) 기반의 유클리디안 거리를 기반으로, 실내별자리 측위 전용 활성 함수가 처리된 결과 그래프를 도시한 것이다.
도 7에 도시된 바와 같이, 본 발명의 실시 예에 따른 유사도 기반 신경망 학습부(130)는, 상기 별자리 이미지 객체간 유사도 비교를 위한 다차원 활성 함수를 이용하여 측위 예측 정보를 다차원으로 학습하는, 상기 별자리 이미지 객체의 딥러닝 기반 위치 신경망(Positioning Neural Network, PNN) 모델을 구축할 수 있는 바, 본 발명의 실시 예에 따른 위치 신경망 모델은, 별자리 이미지 비교에 특화된 퍼셉트론(PERCEPTRON) 신경망일 수 있으며, 각각의 이미지의 모든 별(이미지 객체 픽셀)에 대응하는 퍼셉트론이 존재하도록 구성될 수 있다.
또한, 별자리 이미지는 동일한 위치 정보에 매핑된 신호픽셀을 연결하는 이미지일 수 있으며, 각 비교되는 별자리 이미지 간 가중치는 동일하게 설정되어, 이에 기초한 퍼셉트론 학습 및 비교 과정을 최적화함에 따라 고속화된 학습 프로세스가 수행될 수 있다.
또한, 측위 전용 활성화함수(Activation function)가 2개 입력에 대응하는 3차원 또는 다차원 함수로 이용됨에 따라, 성능이 최적화될 수 있다.
도 8은 다차원 활성화 함수에 관한 것으로, 본 발명의 실시 예에 따른 위치 신경망은, 기존의 획일화된 활성화 함수로는 측위 불가능한 정보를, 기능마다 상이한 다차원 함수를 적용함에 따른 출력을 이용하여 정확한 위치를 예측할 수 있도록 한다.
예를 들어, 함수 모양을 결정하는 변수는 실내외 측위 적용에 맞도록 설계될 수 있는 바, 양수 출력의 최대값, 음수 출력의 최소값, 양수 출력의 x=y 선상의 0이 되는 점, 음수 추출력의 x=0, y=0인 선상의 0이 되는 점 등의 특수 설계된 변수 기반 활성화 함수가 이용될 수 있다.
도 9는 본 발명의 실시 예에 따른 위치 신경망의 손실함수를 최소화하는 활성화 함수의 형태 결정방법을 설명하기 위한 도면으로서, 출력값은 유사도이며, 정의역 0 내지 1, 공역 -1 내지 1로 설정된 함수일 수 있다.
여기서, 손실함수는 가장 가깝다고 평가되는 페어 간 거리로 결정되며, 예를 들어, 센서맵 별자리 이미지 3천개에 대해 각각의 쌍이 생성되는 경우, 최대 9백만개가 연산될 수 있다. 만약 예측된 결과의 층수가 틀린 경우 오차에는 더 큰 값이 가중될 수 있다.
그리고, 학습과정은 상기 손실함수를 최소화하는 활성화 함수의 형태를 결정하는 프로세스를 포함할 수 있다. 예를 들어, 4차원 공간에서, 원점과 주변 영역에 대응하는 손실 함수 값을 계산하여 이를 최소화하는 신경망 구축 프로세스가 학습 프로세스로서 수행될 수 있다.
도 10은 본 발명의 실시 예에 따른 불연속(discrete) 함수 특성을 반영한 최적화된 학습 알고리즘을 설명하기 위한 도면이다.
도 10에 도시된 바와 같이, 본 발명의 실시 예에 따른 위치 신경망의 학습프로세스는 불연속 함수에 대한 경사하강법(gradient decent algorithm)을 적용하여, SA(Simulated annealing)에 기초한 총 4차원에 대한 최적화가 이루어질 수 있다.
도 11은 본 발명의 실시 예에 따른 측위 서비스 프로세스를 설명하기 위한 도면이다.
도 11에 도시된 바와 같이, 본 발명의 실시 예에 따른 측위 서비스 프로세스는, 실내외 인지, 수직층위, 수평측위(영역), 수평측위(위치트래킹), LAS 위치인증 등의 각각의 서비스 프로세스로 구현될 수 있는 바, 다양한 서비스에서의 활용가능성이 높음을 확인할 수 있다.
도 12는 본 발명의 실시 예에 따른 다양한 서비스 시스템의 구현예를 설명하기 위한 도면이다.
도 12에 도시된 바와 같이, 서비스 제공 장치(300)는, 실내 좌표 측위 시스템(100)을 이용한 다양한 서비스 시스템을 구축할 수 있는 바, 실내외 측위 시스템, 격자주소 검색 시스템, XR 컨텐츠 서비스 시스템, 실내외 3D 모델링 시스템, CCTV 영상 분석 시스템, 로봇 안내 시스템, 재난 안전 시스템, 건설관리 클라우드 시스템 등 다양한 서비스 시스템들이 예시될 수 있다.
상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (2)

  1. 실내 측위 시스템의 동작 방법에 있어서,
    휴대 단말로부터 위치 정보에 대응하여 센싱된 다중 신호를 수집하는 단계;
    상기 다중 신호에 대응하는 이미지화 처리를 수행하는 단계;
    상기 이미지화 처리된 데이터 및 상기 이미지화 처리된 데이터 간 유사도를 기반으로, 측위 정보를 출력하도록 하는 인공지능 신경망 기반의 실내 좌표 측위 모델을 구축하는 단계; 및
    상기 인공지능 신경망 기반의 실내 좌표 측위 모델을 이용하여, 실내 측위 정보를 제공하는 단계를 포함하되,
    상기 인공지능 신경망 기반의 실내 좌표 측위 모델은,
    상기 별자리 이미지 객체간 유사도 비교를 위한 다차원 활성 함수를 이용하여 측위 예측 정보를 다차원으로 학습하는, 상기 별자리 이미지 객체의 딥러닝 기반 위치 신경망(Positioning Neural Network) 모델을 구축하는
    실내 측위 시스템의 동작 방법.
  2. 제1항에 있어서,
    상기 위치 정보가 매핑된 상기 다중 신호에 대응하는 센서 이미지 맵을 생성하되, 상기 센서 이미지 맵은, 상기 다중 신호의 종류, 개수 및 강도에 따라, 색상 크기 및 농도가 상이한 별자리 이미지 객체를 포함하는
    실내 측위 시스템의 동작 방법.
KR1020220009699A 2022-01-24 2022-01-24 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법 KR20230113886A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220009699A KR20230113886A (ko) 2022-01-24 2022-01-24 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220009699A KR20230113886A (ko) 2022-01-24 2022-01-24 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법

Publications (1)

Publication Number Publication Date
KR20230113886A true KR20230113886A (ko) 2023-08-01

Family

ID=87561504

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220009699A KR20230113886A (ko) 2022-01-24 2022-01-24 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법

Country Status (1)

Country Link
KR (1) KR20230113886A (ko)

Similar Documents

Publication Publication Date Title
US8700054B2 (en) Prediction of indoor level and location using a three stage process
Adege et al. An indoor and outdoor positioning using a hybrid of support vector machine and deep neural network algorithms
US9052206B2 (en) Generating an indoor map model
CN103827634A (zh) 用于室内定位的徽标检测
US20140113665A1 (en) Navigating using an indoor map representation
US10509096B2 (en) Location error radius determination
US20220196432A1 (en) System and method for determining location and orientation of an object in a space
KR20230113891A (ko) 인공지능 신경망 기반의 실내 좌표 측위 모델 기반 실내 측위 플랫폼 서비스 시스템 및 그 동작방법
KR20190029411A (ko) 이미지 검색 방법, 및 이미지 검색 방법을 실행시키는 프로그램이 기록된 기록 매체
KR20230113886A (ko) 다중신호 센서 맵 이미지를 이용하는 실내 좌표 측위 시스템의 동작 방법
KR102556765B1 (ko) 비주얼 로컬라이제이션을 위한 방법 및 장치
KR20230113887A (ko) 스마트폰의 다중신호 전파 맵 이미지화를 이용한 실내 측위 방법
KR20230113884A (ko) 스마트폰의 다중신호를 이용한 실내 위치 측정 시스템 및 그 동작방법
KR20230113885A (ko) 스마트폰 인식기반 실내 정밀 측위를 제공하는 스마트 비콘장치 및 그 동작 방법
KR20230113888A (ko) 스마트 폰의 다중 신호와 기압신호를 이용한 위치 및 층수 측위 시스템 및 그 동작 방법
KR102299902B1 (ko) 증강현실을 제공하기 위한 장치 및 이를 위한 방법
CN112785083B (zh) 到达时间的预估方法、装置、电子设备以及存储介质
EP3672206B1 (en) A method for determining a geofence parameter of a geofence area related to a point of interest and related electronic device
KR20230113890A (ko) 대형 실내 문화공간에서의 위치확인 서비스 시스템 및 그 동작방법
KR20230113889A (ko) 기압계 기반 추락 감지 시스템 및 그 동작방법
KR20230096523A (ko) 실내 측위 방법 및 그 장치
KR20230114220A (ko) 다중 신호 환경 데이터의 센서맵 이미지에 기초하여 구축된 인공지능 신경망 기반 측위 시스템을 이용한, 다중 로봇 통합 관제 서비스 제공 방법 및 그 장치
Pipelidis et al. Models and tools for indoor maps
KR20240105632A (ko) 도시 데이터의 센서맵 이미지에 기초하여 구축된 인공지능 신경망 기반 측위 시스템을 이용한, 시설 안전 관리 서비스 제공 시스템
KR20240104766A (ko) 도시 데이터의 센서맵 이미지에 기초하여 구축된 인공지능 신경망 기반 측위 시스템