KR20230174610A - 위치 측위 방법 및 장치 - Google Patents
위치 측위 방법 및 장치 Download PDFInfo
- Publication number
- KR20230174610A KR20230174610A KR1020220075757A KR20220075757A KR20230174610A KR 20230174610 A KR20230174610 A KR 20230174610A KR 1020220075757 A KR1020220075757 A KR 1020220075757A KR 20220075757 A KR20220075757 A KR 20220075757A KR 20230174610 A KR20230174610 A KR 20230174610A
- Authority
- KR
- South Korea
- Prior art keywords
- tag
- anchor set
- location determination
- positioning
- dimensional space
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims description 35
- 238000005516 engineering process Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000009429 distress Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000019994 cava Nutrition 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S5/0249—Determining position using measurements made by a non-stationary device other than the device whose position is being determined
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- 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
- G01S5/021—Calibration, monitoring or correction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
위치 측위 방법 및 장치가 개시된다. 본 개시의 일 실시 예에 따른 위치 측위 방법은, 3차원 공간으로부터 설정 범위 이내에서 이동 가능하도록 구비되는 이동형 앵커 세트에서 태그로부터의 신호를 수신하는 단계와, 호모그래피 알고리즘을 기반으로, 3차원 공간의 태그 신호 정보를 이동형 앵커 세트 기준 3차원 공간으로 변환하여, 이동형 앵커 세트 기준 3차원 공간에서 태그의 좌표를 도출하는 단계를 포함할 수 있다.
Description
본 개시는 초광대역 무선기술(ultra-wide band, UWB)을 기반으로, 휴대 가능하게 구성된 UWB 앵커 세트(anchor set)를 통해 임의의 공간에서의 위치 측위를 수행하는 위치 측위 방법 및 장치에 관한 것이다.
일반적으로 초광대역 무선기술(Ultra-Wide Band, UWB)은 협대역 시스템 및 3G 셀룰러 기술로 설명되는 광대역 시스템과 구분하기 위해 중심 주파수의 20% 이상의 점유 대역폭을 차지하는 시스템이나 500MHz 이상의 점유 대역폭을 차지하는 무선 전송기술을 말한다.
기존의 무선기술인 블루투스가 2.4GHz, 무선 랜이 5GHz로 특정 주파수 대역을 사용하는 데 반해, UWB는 3.1GHz 에서 10.6GHz에 이르는 넓은 주파수 대역을 사용할 수 있어 주파수 부족 문제를 획기적으로 해결할 수 있다.
최대 전송 거리가 무선 랜의 10배에 해당하는 1km로 서비스 커버리지가 넓어서, 자동차용 통신, 재난 구조를 위한 통신 등 양방향 서비스의 구현이 가능해지도록 할 수 있다. 이외에도 소모 전력이 휴대폰이나 무선 랜에 비해 100분의 1 수준이고, 기술 상용화에 드는 비용이 적다는 점도 UWB의 대표적인 장점이다.
UWB를 기반으로 하는 일반적인 위치 측위 기술은, UWB Anchor(앵커)들을 고정된 위치에 설치하고 거리에 기반한 좌표를 지정하여 공간을 구성한다. 구성된 공간 내부 또는 인접한 공간 외부에 위치한 UWB Tag(태그)가 발산하는 신호를 기반으로 거리를 예측하여 UWB 앵커의 고정된 위치 정보와 함께 삼각측량/삼변측량/직선의 교점과 같은 알고리즘으로 위치를 측정하게 된다.
즉, 대부분 UWB 앵커들은 UWB 태그의 위치를 측위하고자 하는 공간의 가장자리 또는 모퉁이에 설치하여 측정할 공간을 규정한다. 하지만, 신호가 도달하는 공간 외부에 대해서도 특별한 장애물이 없는 경우 UWB 태그의 측정이 가능할 것이다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 개시의 실시 예의 일 과제는, UWB 앵커를 특정 공간의 고정 위치에 설치하여 어떤 공간에서의 태그로부터 수신/수집(또는 송수신)되는 신호에 대한 거리와 상태를 측정하여 태그의 위치를 측위하여야 하는 불편함과 한계를 해결하고자 하는 것으로, 휴대 가능하게 구성된 UWB 앵커 세트를 통해 임의의 공간에서의 위치 측위를 수행할 수 있다.
본 개시의 실시 예의 일 과제는, UWB 앵커를 사전에 설치할 수 없는 장소(예를 들어, 건물, 산, 바다 및 동굴 등)에 존재하는 UWB 태그의 위치를 파악하고자 하는 것이다.
본 개시의 실시 예의 일 과제는, 인공신경망을 사용하여 반사/투과/굴절에 대한 신호 상태 파악과 위치 측위를 수행해 다양한 환경에 대응할 수 있도록 하는 것이다.
본 개시의 실시예의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 개시의 일 실시 예에 따른 위치 측위 방법은, 3차원 공간으로부터 설정 범위 이내에서 이동 가능하도록 구비되는 이동형 앵커 세트에서 태그로부터의 신호를 수신하는 단계와, 호모그래피 알고리즘을 기반으로, 3차원 공간의 태그 신호 정보를 이동형 앵커 세트 기준 3차원 공간으로 변환하여, 이동형 앵커 세트 기준 3차원 공간에서 태그의 좌표를 도출하는 단계를 포함할 수 있다.
이 외에도, 본 발명의 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 개시의 실시 예에 의하면, 실내/외 위치 측위를 위해 WiFi/BLE Scanner나 UWB Anchor들을 일정 장소에 설치하여 구성하지 않고, 마치 여러 라이다(Lidar)를 통합한 배열형 센서(Array Sensor)와 같이, 위치 측위를 위해 입체 센서처럼 이동형 앵커 세트를 구성하여 즉각적인 위치 측위에 적용함으로써, UWB 앵커를 특정 공간의 고정 위치에 설치하여 어떤 공간에서의 태그로부터 수신/수집(또는 송수신)되는 신호에 대한 거리와 상태를 측정하여 태그의 위치를 측위하여야 하는 불편함과 한계를 해결할 수 있으며, UWB 앵커를 사전에 설치할 수 없는 장소(예를 들어, 건물, 산, 바다 및 동굴 등)에서의 UWB 태그의 위치를 파악할 수 있도록 한다.
또한, 본 개시의 실시 예에 의하면, 인공신경망을 사용하여 반사/투과/굴절에 대한 신호 상태 파악과 위치 측위를 수행함으로써, 다양한 환경에 대응할 수 있도록 하여, 위치 측위 정확도를 향상시킬 수 있다.
본 개시의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 위치 측위 시스템을 개략적으로 도시한 도면이다.
도 2는 일 실시 예에 따른 3차원 공간 내 위치 측위를 설명하기 위한 예시도이다.
도 3은 일 실시 예에 따른 이동형 앵커 세트 기반 위치 측위를 설명하기 위해 개략적으로 나타낸 예시도이다.
도 4는 일 실시 예에 따른 위치 측위 장치를 개략적으로 나타낸 블록도이다.
도 5는 일 실시 예에 따른 이동형 앵커 세트를 개략적으로 나타낸 예시도이다.
도 6은 일 실시 예에 따른 2개의 셋으로 분리 가능한 이동형 앵커 세트 기반 위치 측위를 설명하기 위한 예시도이다.
도 7은 일 실시 예에 따른 위치 측위 방법을 설명하기 위한 흐름도이다.
도 2는 일 실시 예에 따른 3차원 공간 내 위치 측위를 설명하기 위한 예시도이다.
도 3은 일 실시 예에 따른 이동형 앵커 세트 기반 위치 측위를 설명하기 위해 개략적으로 나타낸 예시도이다.
도 4는 일 실시 예에 따른 위치 측위 장치를 개략적으로 나타낸 블록도이다.
도 5는 일 실시 예에 따른 이동형 앵커 세트를 개략적으로 나타낸 예시도이다.
도 6은 일 실시 예에 따른 2개의 셋으로 분리 가능한 이동형 앵커 세트 기반 위치 측위를 설명하기 위한 예시도이다.
도 7은 일 실시 예에 따른 위치 측위 방법을 설명하기 위한 흐름도이다.
본 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다.
그러나 본 개시는 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 개시의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 개시가 완전하도록 하며, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 개시를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 개시에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시 예에 따른 위치 측위 시스템을 개략적으로 도시한 도면이고, 도 2는 일 실시 예에 따른 3차원 공간 내 위치 측위를 설명하기 위한 예시도이며, 도 3은 일 실시 예에 따른 이동형 앵커 세트 기반 위치 측위를 설명하기 위해 개략적으로 나타낸 예시도이다.
도 1을 참조하면, 위치 측위 시스템(1)은 위치 측위 장치(100), 사용자 단말(200), 서버(300) 및 네트워크(400)를 포함할 수 있다.
일 실시 예의 위치 측위 시스템(1)은 이동 가능한 UWB 앵커 세트(이하, 앵커 세트)를 기반으로 임의의 공간에 대한 UWB 태그(이하, 태그) 위치 측위를 수행하는 시스템이다. UWB는 정밀한 위치 측위를 가능하게 해주는 기술이다. 하지만, 어떤 공간에서의 위치를 측위하기 위해 신호를 수신/수집하는 앵커들을 고정 위치에 설치해야 하며, 설치한 위치를 기록하여 태그로부터 수신되는 신호에 대한 거리와 상태를 측정하는 불편함과 한계를 가지고 있다.
대부분 앵커들은 태그의 위치를 측위 하고자 하는 공간의 가장자리 또는 모퉁이에 설치되어, 측정할 공간을 규정하게 된다. 하지만 신호가 도달하는 공간 외부에 대해서도 특별한 차폐(장애물)가 없는 경우 태그의 측정이 가능할 수 있다.
이에, 일 실시 예에서는, 태그의 위치 측위를 위해 도 2에 도시된 바와 같이 앵커 세트를 구성하되, 도 3에 도시된 바와 같이 이동 가능한 작은 공간으로 축소하고, 이를 실제 측정하고자 하는 공간으로 투영(Projection)하여, 태그의 위치 측위를 수행할 수 있다.
즉, 위치 측위 시스템(1)은 UWB를 기반으로 위치 측위를 수행하는 것으로, 일반적으로 앵커들을 특정 위치에 설치하고 공간을 구성하여 공간 내 태그의 위치를 예측하는 방법과 달리, 앵커 세트를 휴대 가능하게 구성하여 태그를 측정하고자 하는 공간의 외부에서 투영 및 호모그래피(Homography) 알고리즘을 기반으로 공간을 구성할 수 있다.
또한, 위치 측위 시스템(1)은 위치 측위 및 신호의 진행을 방해하는 재질(예를 들어, 시맨트, 유리, 나무 등)에 대해 심층신경망(deep learing)을 기반으로 재질에 따른 신호의 특징을 분류함으로써 목적한 공간에서의 UWB 태그의 위치를 측위할 수 있다. 이때 심층신경망에 선형 회귀(Linear Regression) 신경망이 적용될 수 있으나, 이에 한정되지 않는다.
한편, 일 실시 예에서는, 전파의 공기 중 이동속도를 기반으로 앵커들에 수신된 시간차를 통해 거리를 예측하는 TDoA(Time Difference of Arrival) 방식과 앵커/태그간 송수신 시간을 기반으로 거리를 예측하는 TWR(Two Way Ranging) 방식을 기반으로 위치 측위를 수행할 수 있는데, TDoA 방식이 적용되는 경우 앵커에서 신호를 수신(또는 수집)하고, TWR 방식이 적용되는 경우에는 앵커에서 신호를 송수신할 수 있다.
다만, 일 실시 예에서는 TDoA 방식이나 TWR 방식에 한정되지 않으나, TDoA 방식이 적용되는 것을 실시 예로 하여, 앵커에서 신호를 수신하는 것으로 기재하도록 한다. 또한, TDoA 및 TWR뿐만 아니라, Angle of Arrival(AoA), Angle of Departure(AoD) 등의 방식이 적용될 수도 있다.
다시 말하면, 일 실시 예의 위치 측위 시스템(1)은 건물, 산, 바다, 동굴 등과 같이 앵커들을 사전에 설치할 수 없는 장소에 존재하는 태그의 위치를 파악하기 위한 시스템이다.
즉, 위치 측위 시스템(1)은 공사장에서의 작업자 위치 확인, 화재현장에서의 소방관 위치 확인, 자연환경에서의 생존자 수색 등과 같이 앵커의 설치가 어렵거나 위치를 자주 변경해야 하는 장소에서 즉각적인 위치 측위를 목적으로 사용이 가능하다.
따라서, 위치 측위 시스템(1)에서는 앵커들을 사전에 설치할 필요가 없으며, 앵커들의 위치를 이동할 수 있기 때문에 앵커의 재사용이 용이하다.
또한, 일 실시 예의 위치 측위 시스템(1)은 측정하고자 하는 태그가 있는 공간 외부에 앵커들을 이동 위치시켜 태그의 측위를 수행하는 기술을 구현하기 위해 해결해야 하는 반사, 투과, 굴절에 대한 신호 상태 파악과 위치 측위를 수행할 수 있도록 심층신경망 등의 인공신경망을 사용하여 다양한 환경에 대응할 수 있도록 할 수 있다.
한편, UWB는 상술한 바와 같이, 전파의 공기 중 이동속도를 기반으로 앵커들에 수신된 시간차를 통해 거리를 예측하는 TDoA 방식과 TWR 방식 등에 의해 거리가 측정되는데, 이때 일 실시 예에서는, 앵커들이 측위를 위한 공간의 외부에 위치하는 것을 실시 예로 하고 있으므로, 장애물에 대한 수신 신호 상태를 파악하여야 한다.
이에, 일 실시 예에서는, 앵커들이 수신된 신호의 상태를 예측하는 LOS/NLOS(Line of Sight/Non Line of Sight, 가기선/비가시선)에 대해 RSSI(Received Signal Strength Indicator, 수신신호강도) 및 앵커 간 신호 상태를 참조하여 위치 측위 정밀도를 향상시킬 수 있다.
이하에서는, 가기선/비가시선에 대해 간략히 설명하도록 한다.
비가시선 무선 전파(Radio Propagation)는 지상 반사(ground-reflection)와 같이 송신기와 수신기 사이의 일반적인 가시선 외부에서 발생할 수 있다. 근거리 가시선(Near-line-of-sight, NLOS) 조건은 가장 안쪽 프레넬 영역에 존재하는 물리적 물체에 의한 부분적 장애물을 가리킬 수 있다. 여기서, 무선 전파는 전파가 진공 상태에서 한 지점으로부터 다른 지점으로 또는 대기의 다양한 부분으로 이동하거나 전파될 때를 의미하며, 전자기파의 일종으로 광파와 마찬가지로 반사, 굴절, 회절, 흡수, 편광, 산란 현상의 영향을 받을 수 있다.
일반적으로 비가시선 전파를 일으키는 장애물에는 건물, 나무, 언덕, 산, 그리고 경우에 따라 고전압 전력선이 포함될 수 있다. 이러한 장애물 중 일부는 특정 무선 주파수를 반사하는 반면, 일부는 단순히 신호를 흡수하거나 왜곡한다. 그러나 두 경우 모두 특히 전력 예산이 낮을 때 많은 유형의 무선 전송 사용을 제한할 수 있다.
수신기에서의 낮은 전력 레벨은 전송을 성공적으로 수신할 가능성을 감소시킬 수 있다. 낮은 전력 레벨은 낮은 전송 수준, 원거리 송신기 및 송신기와 수신기 사이에 장애물이 있어 경로를 명확히 할 수 없을 때와 같은 세 가지 이유에 의해 발생할 수 있다.
비가시선은 유효 수신 전력을 낮춘다. 근거리 가시선은 일반적으로 더 나은 안테나를 사용하여 처리할 수 있지만 비가시선에는 일반적으로 대체 경로 또는 다중 경로 전파 방법이 필요하다.
효과적인 비가시선 네트워킹을 달성하는 방법은 현대 컴퓨터 네트워킹의 주요 질문 중 하나가 되었다. 현재 무선 컴퓨터 네트워크에서 비가시선 상태를 처리하는 가장 일반적인 방법은 비가시선 상태를 우회하고 추가 위치에 릴레이를 배치하여 장애물 주변에 무선 전송 내용을 보내는 것이다. 일부 더 진보된 비가시선 전송 방식은 다중 경로 신호 전파를 사용하여 수신기에 도달하기 위해 근처의 다른 물체에서 무선 신호를 튕겨낼 수 있다.
비가시선은 무선 통신에서 송신 안테나와 수신 안테나 사이에 시각적 가시선이 없는 무선 채널 또는 링크를 설명하기 위해 자주 사용되는 용어이다. 이러한 맥락에서, 가시선은 육안으로 보기에는 너무 멀더라도 어떤 형태의 시각적 장애도 없는 직선으로, 가상 가시선(예를 들어, 시각 장애물을 통과하는 직선)으로서, 전파가 감지될 수 있도록 충분한 전송을 남겨둘 수 있다. 무선 전파에 영향을 미치는 전송 매체의 전기적 특성은 매우 다양하며, 따라서 비가시선 경로를 통한 무선 채널의 작동 품질에 영향을 미칠 수 있다.
한편, 일 실시 예에서는 사용자들이 사용자 단말(200)에서 구현되는 어플리케이션 또는 웹사이트에 접속하여, 위치 측위 서비스를 요청하고 위치 측위 결과를 제공받을 수 있다.
이러한 사용자 단말(200)은 위치 측위 서비스 어플리케이션 또는 위치 측위 서비스 사이트에 접속한 후 인증 과정을 통하여 위치 측위 서비스를 제공받을 수 있다. 인증 과정은 회원가입 등 사용자 정보를 입력하는 인증, 사용자 단말에 대한 인증 등을 포함할 수 있으나, 이에 한정되지 않고, 위치 측위 장치(100) 및/또는 서버(300)에서 전송되는 링크에 접속하는 것만으로 인증 과정이 수행될 수도 있다.
한편, 일 실시 예에서, 사용자 단말(200)은 위치를 측위하고자 하는 태그로 구현될 수도 있다.
이러한 사용자 단말(200)은 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.
또한, 사용자 단말(200)은 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말(200)은 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
한편, 일 실시 예에서, 위치 측위 시스템(1)은 위치 측위 장치(100) 및/또는 서버(300)에 의해 구현될 수 있다. 다시 말하면, 위치 측위 장치(100)는 그 일부 또는 전체가 서버(300)로 구현될 수 있다.
즉, 위치 측위 장치(100)가 서버(300)에서 구현될 수 있는데, 서버(300)는 위치 측위 장치(100)가 포함되는 위치 측위 시스템(1)을 운용하기 위한 서버이거나 위치 측위 장치(100)의 일부분 또는 전 부분을 구현하는 서버일 수 있다.
일 실시 예에서, 서버(300)는 위치 측위 서비스 요청을 수신하여, 기 설정된 알고리즘에 기반하여 UWB를 기반으로 위치 측위를 수행하고 위치 측위 결과를 제공하는 전반의 프로세스에 대한 위치 측위 장치(100)의 동작을 제어하는 서버일 수 있다.
또한, 서버(300)는 예를 들어, 위치 측위 장치(100)의 구성들뿐만 아니라, 관련 디바이스 장치들의 신규등록, 네트워크 환경 등을 관리 관장하여 위치 측위 서비스 플랫폼에서의 서비스 제공 및 관리가 원활하게 수행될 수 있도록 제반 디바이스 운영을 담당하는 서버일 수 있다.
또한, 서버(300)는 위치 측위 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 웹 서버 또는 어플리케이션 서버 또는 딥러닝 네트워크 제공 서버를 포함할 수 있다.
그리고 서버(300)는 각종 인공 지능 알고리즘을 적용하는데 필요한 빅데이터 서버 및 AI 서버, 각종 알고리즘의 연산을 수행하는 연산 서버 등을 포함할 수 있다.
또한 본 실시 예에서, 서버(300)는 상술하는 서버들을 포함하거나 이러한 서버들과 네트워킹 할 수 있다. 즉, 본 실시 예에서, 서버(300)는 상기의 웹 서버 및 AI 서버를 포함하거나 이러한 서버들과 네트워킹 할 수 있다.
위치 측위 시스템(1)에서 위치 측위 장치(100) 및 서버(300)는 네트워크(400)에 의해 연결될 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(Wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 개시의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다.
또한, 네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
다만, 일 실시 예에서, 네트워크(400)는 초광대역 무선기술(Ultra-Wide Band, UWB)로 구현될 수 있다.
도 4는 일 실시 예에 따른 위치 측위 장치를 개략적으로 나타낸 블록도이다.
도 4를 참조하면, 위치 측위 장치(100)는 통신 인터페이스(110), 사용자 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함할 수 있다.
통신부(110)는 네트워크(400)와 연동하여 외부 장치간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
이러한 통신 인터페이스(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
즉, 프로세서(140)는 통신부(110)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다. 그리고, 통신 인터페이스(110)는 UWB 모듈, WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있다.
사용자 인터페이스(120)는 위치 측위 장치(100)에서 제공하는 위치 측위 서비스 플랫폼에 대한 사용자 요청 및 명령들이 입력되는 입력 인터페이스를 포함할 수 있다.
또한, 사용자 인터페이스(120)는 위치 측위 장치(100)의 동작(예컨대, 알고리즘의 학습 파라미터 변경, 이동형 앵커 세트 위치 입력, 위치 측위에 대한 각종 설정 및 조건 변경 등)을 제어하기 위한 사용자 요청 및 명령들이 입력되는 입력 인터페이스를 포함할 수 있다.
그리고 사용자 인터페이스(120)는 위치 측위 결과 등이 출력되는 출력 인터페이스를 포함할 수 있다. 즉, 사용자 인터페이스(120)는 사용자 요청 및 명령에 따른 결과를 출력할 수 있다. 이러한 사용자 인터페이스(120)의 입력 인터페이스와 출력 인터페이스는 동일한 인터페이스에서 구현될 수 있다.
메모리(130)는 위치 측위 장치(100) 및/또는 서버(300)의 동작의 제어(연산)에 필요한 각종 정보들을 저장하고, 제어 소프트웨어를 저장할 수 있는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다.
메모리(130)는 하나 이상의 프로세서(140)와 전기적 또는 내부 통신 인터페이스로 연결되고, 프로세서(140)에 의해 실행될 때, 프로세서(140)로 하여금 위치 측위 장치(100)를 제어하도록 야기하는(cause) 코드들을 저장할 수 있다.
여기서, 메모리(130)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media) 등의 비 일시적 저장매체이거나 램(RAM) 등의 일시적 저장매체를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(130)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
그리고, 메모리(130)에는 본 개시에 따른 학습을 수행하기 위한 알고리즘에 관련된 정보가 저장될 수 있다. 그 밖에도 본 개시의 목적을 달성하기 위한 범위 내에서 필요한 다양한 정보가 메모리(130)에 저장될 수 있으며, 메모리(130)에 저장된 정보는 서버 또는 외부 장치로부터 수신되거나 사용자에 의해 입력됨에 따라 갱신될 수도 있다.
프로세서(140)는 위치 측위 장치(100)의 전반적인 동작을 제어할 수 있다. 구체적으로, 프로세서(140)는 메모리(130)를 포함하는 위치 측위 장치(100)의 구성과 연결되며, 메모리(130)에 저장된 적어도 하나의 명령을 실행하여 위치 측위 장치(100)의 동작을 전반적으로 제어할 수 있다.
이러한, 프로세서(140)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(140)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(Hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다.
프로세서(140)는 일종의 중앙처리장치로서 메모리(130)에 탑재된 제어 소프트웨어를 구동하여 위치 측위 장치(100)의 동작을 제어할 수 있다. 프로세서(140)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.
도 5는 일 실시 예에 따른 이동형 앵커 세트를 개략적으로 나타낸 예시도이고, 도 6은 일 실시 예에 따른 2개의 셋으로 분리 가능한 이동형 앵커 세트 기반 위치 측위를 설명하기 위한 예시도이다.
프로세서(140)는 측정 공간에서 취득된 데이터에 대해서 3차원 위치 또는 해당 사물에 대한 거리를 측정하거나 예측하기 위해 측정하고자 하는 3차원 공간을 센서(즉, 앵커)의 평면 공간에 투영할 수 있는데, 이는 프로젝션 기술이라고도 한다. 예를 들어, 프로젝션 기술은 디지털 카메라, 마이크로소프트사의 키넥트와 같은 제품에서 구현되고 있다.
이러한 프로젝션 기술은 취득하고자 하는 3차원 공간에 대한 정보를 센서(즉, 앵커)의 평면에 투영하여 위치와 거리 정보를 기록하게 된다. 다만, 카메라와 같이 상대적 평면공간의 경우 깊이(또는 거리)값을 기록할 수 없어 다수의 영상을 사용하거나, 물체의 크기를 규정하여 거리를 예측할 수 있다.
이와 같은 기술에 기반하여, 일 실시 예에서는, 여러 개의 앵커들을 사용하여 입체적인 공간을 구성하고, 측정하고자 하는 3차원 공간으로부터 취득된 태그의 신호 정보를 기반으로 위치를 측정할 수 있다.
즉, 프로세서(140)는 이동 가능하도록 구성된 입체적 앵커 세트를 이용하여, 측정하고자 하는 3차원 공간을 프로젝션 기술(즉, 투영 행렬 기반 기술)로 취득하고, 호모그래피 알고리즘(호모그래피 행렬 기반)을 통해 앵커 세트가 놓인 평면을 기준으로 3차원 공간을 재구성할 수 있다.
따라서, 일 실시 예에서는, 태그가 발산하는 신호를 수신하는 앵커를 투영 가능하도록 구성할 수 있다. 이러한 방법은 전파의 공기 중에 이동하는 속도 차를 이용하는 AOA와 흡사한 방법이나, AOA 기반 앵커는 구현하기 복잡하기 때문에, 일 실시 예에서는, TDoA방식의 앵커가 사용될 수 있다.
한편, 일 실시 예에서는, 도 5에 도시된 바와 같이, 측정하고자 하는 공간에 대하여, 카메라와 같이 거리를 측정하기 위해 두 세트로 구분된 앵커를 사용할 수 있다(예를 들어, 'A와 B' 및 'C와 D'의 두 세트).
이때, 제1 앵커 세트는 평면에 대한 위치 측위를 담당할 수 있고, 제2 앵커 세트는 제1 앵커 세트에서 수신하는데 있어 반사, 투과, 굴절에 대한 보정을 담당하며 동시에 측정된 평면에 대한 공간(높이)을 구성할 수 있다.
즉, 일 실시 예에서는, 태그의 신호를 수신하여 투영(Projective)공간을 구성하기 위해, 2개의 평면 측위용 앵커 세트와 2개의 평면 보정 및 공간 구성용 앵커 세트를 포함하는 이동형 앵커 세트를 사용할 수 있다.
다만 이에 한정되지 않고, 각각의 앵커 세트는 3개 이상 구비될 수 있으며, 적어도 하나의 앵커가 동일한 앵커로서 구현될 수도 있다.
한편, 기존 AOA방식의 앵커의 문제점은 측정 방식으로 인해 일반적으로 근거리 측정이 수행되며, 원거리 측정에는 장애물, 예각으로 인한 시간차 측정이 어려워 오차가 심할 수 있다. 이 기술은 AOA용 UWB Anchor와 같이 제작에 따른 고 비용과 측정 오류로 인해 원거리 위치 측위의 문제를 해결한다.
프로세서(140)는 도 6에 도시된 바와 같이, 태그 P에 대해 A, B 앵커(제1 앵커 세트)는 가로에 대한 평면상 거리(D)인 제1 거리 값을 측정할 수 있다. 그리고 프로세서(140)는 상기 A, B 앵커 보다 뒤쪽에 위치한 C, D 앵커(제2 앵커 세트)는 세로에 대한 평면상 거리(D')인 제2 거리 값을 측정할 수 있다. 여기서 뒤쪽이란, 태그 P를 향하는 방향을 기준으로 뒤에 위치한다는 것을 의미한다.
이때, 제1 앵커 세트와 제2 앵커 세트의 깊이 차이는 측정하려는 공간에서의 장애물로 인해 LOS/NLOS의 신호 차이로 발생할 수 있다. 이에 프로세서(140)는 함께 수신한 RSSI값을 기반하여 깊이를 조정할 수 있다. 깊이 값은 실제 태그의 위치와 앵커 세트 간의 지정된 투영 레이어로 정의될 수 있다.
일 실시 예에서, 프로세서(140)는 제1 앵커 세트(A, B간)의 수신된 신호에 의해 투영된 평면에서 x 좌표를 도출하고, 제2 앵커 세트(C, D간)의 수신된 신호에 의해 투영된 평면에서 치환하여 y 좌표를 도출할 수 있다.
또한, 프로세서(140)는 제1 앵커 세트의 제1 거리 값 및 제2 앵커 세트의 제2 거리 값을 기반으로 z 좌표를 도출할 수 있으며, 최종적으로 태그가 위치한 공간의 좌표를 도출할 수 있다.
이때, 일 실시 예에서는, 투영하려는(측위하려는) 공간의 크기, 또는 위치 측위 정밀도에 따라 앵커 세트 내의 앵커 간 거리가 조정될 수 있으며, 앵커 간 거리 조정에 따라 투영하려는 레이어의 해상력을 향상시킬 수 있다.
한편, 태그에서 발산하는 신호는 직접적으로 수신되는 LOS(가시선)와 반사, 투과, 굴절되어 수신되는 NLOS(비가시선)로 나눌 수 있다.
이러한 LOS/NLOS로 구성된 신호는 공기 중에 전달되는 전파의 일반적인 속도 보다 느리며, 이로 인해 예측된 거리는 실제보다 늘어날 수 있다. 즉, LOS/NLOS로 구성된 신호는 측량 방식에 따라 위치 예측의 오차를 발생시키는 주 원인이다.
이처럼 어떤 장애물 또는 신호의 굴절을 변화시키는 재질로 인해, 측정하고자 하는 공간에 대해 올바른 거리 또는 도달 속도를 계산하기 어려울 수 있다. 즉, 다양한 환경으로 인해 삼각측량/삼변측량 등의 알고리즘으로는 위치 측정이 어려울 수 있다.
이에, 프로세서(140)는 심층신경망을 기반으로, 신호의 상태를 파악하고, 투영된 공간에서의 위치를 도출할 수 있다.
앵커 세트를 사용하여 태그의 위치를 파악하려는 공간에 따른 투영 공간과 장애물(시멘트, 유리, 나무 등)로 인해, 앵커가 수신하는 신호는 LOS/NLOS 및 RSSI에 노이즈나 오류가 포함되어 있을 수 있다.
이를 처리하기 위해 신호대 잡음비나 수신된 신호 강도, 장애물에 따른 지연 처리 등의 알고리즘이 사용될 수 있으나, 이러한 알고리즘은 다양한 환경에 대응하기 어려우며, 일부 알고리즘의 파라미터는 인간에 의해 수동으로 정의된다.
따라서, 프로세서(140)는 실험과 학습을 통해 장애물 재질에 따른 수신 신호의 거리, RSSI 및 앵커 세트 위치의 환경에 대한 학습 데이터를 수집하여, 장애물 재질에 따른 보정을 기반으로 하는 심층신경망의 위치 측위 모델을 훈련할 수 있다.
즉, 프로세서(140)는 위치 측위 모델을 통해, 수신된 신호의 상대적 관계와 앵커가 위치하는 장소를 기준으로 태그의 위치를 산출할 수 있다.
이러한 위치 측위 모델은, {앵커 세트의 구조적 위치}, {태그로부터의 수신 신호, 공기 중에 전파의 속도에 따른 태그로부터의 예상 거리}, {태그로부터의 RSSI}, {앵커 세트 내 앵커 간 신호성분: 전파 속도}를 입력 데이터로 입력 받아, {태그의 위치: x, y, z}, {위치 신뢰도, 전파 성분 품질}이 출력되도록 학습된 학습 모델일 수 있다. 여기서, 입력 데이터 중 앵커 세트의 구조적 위치에 대해, 각 앵커들의 위치는 기 설정된 앵커 세트의 구조에 따라 자동으로 산출될 수 있다. 기 설정된 앵커 세트의 구조는 앵커 세트 기준의 좌표계를 의미할 수도 있다.
즉, 프로세서(140)는 앵커 세트의 구조적 위치, 태그로부터의 수신 신호, 공기 중에 전파의 속도에 따른 태그로부터의 예상 거리, RSSI 및 앵커 세트 내 앵커 간 신호성분 중 적어도 하나 이상을 입력 데이터로 하여, 태그의 위치, 위치 신뢰도 및 전파 성분 품질이 출력되도록 미리 훈련된 심층신경망 기반 위치 측위 모델을 이용하여, 태그의 위치 측위를 수행할 수 있다.
이때, 위치 측위 모델은 수신 신호의 거리, RSSI 및 앵커 세트 위치의 환경에 대한 학습 데이터 중 적어도 하나 이상을 장애물 재질로 레이블링한 훈련 데이터를 통해 훈련된 것일 수 있다.
한편, 일 실시 예에서는, 예를 들어, 위치 측위 모델의 테스트는 일반적인 6개의 Full Connected Layer와 2개의 Dropout이 적용될 수 있으며, 제1 앵커 세트(A, B) 및 제2 앵커 세트(C, D)에 대한 MSE Loss, A, B, C, D 통합 MSE Loss이 적용될 수 있다. 또한 일 실시 예에서는, 보다 많은 환경적 요소(예: 날씨에 따른 영향, 계절에 따른 영향 등)에 따라 신경망을 변경 적용할 수 있다.
또한, 실시 예에 따라서, 기 학습된 심층신경망 기반 위치 측위 모델은, 제1 앵커 세트 및 제2 앵커 세트를 포함하는 이동형 앵커 세트의 구조적 위치와 상기 이동형 앵커 세트의 제1 앵커 세트 및 제2 앵커 세트 각각에 대한 태그로부터의 수신 신호가 입력되면, 상기 앵커 세트의 구조적 위치와 태그로부터의 수신 신호를 기반으로 도출된 투영 평면에서의 태그 위치를 입력으로 쿼리(query)하여, 상기 투영 평면에서의 태그 위치에 대한 앵커 세트를 기준으로 하는 3차원 공간에서의 태그 위치 측위 결과가 출력되도록 학습된 학습 모델일 수 있다.
여기서, 심층신경망 학습(딥러닝) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 일 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 즉 위치 측위 시스템(1)에는 인공신경망(artificial neural network)이 탑재될 수 있으며, 즉 본 실시 예의 프로세서(140)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 본 실시 예에서는 설정에 따라 학습 후 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 7은 일 실시 예에 따른 위치 측위 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, S100단계에서, 프로세서(140)는 3차원 공간으로부터 설정 범위 이내에서 이동 가능하도록 구비되는 이동형 앵커 세트에서 태그로부터의 신호를 수신한다.
일 실시 예는, 사전 설치가 필요 없는 이동형 앵커 세트를 통해 위치 측위를 수행하는 것으로, 위치 측위를 위해 적용된 카메라/컴퓨터 비전 알고리즘인 Projection(투영) 방식과 Homography(호모그래피)를 적용한 공간 해석((x, y, z)가 아닌 (x, y, depth)로 분해) 및 다중 투영 레이어(Multi Projective Layer)를 통해 위치 측위를 수행할 수 있다.
즉 일 실시 예의 이동형 앵커 세트는, 적어도 4개 이상의 앵커를 포함하며, 평면 측위용 제1 앵커 세트와, 평면 보정 및 공간 구성용 제2 앵커 세트로 구성될 수 있다.
S200단계에서, 프로세서(140)는 호모그래피 알고리즘을 기반으로, 3차원 공간의 태그 신호 정보를 이동형 앵커 세트 기준 3차원 공간으로 변환하여, 이동형 앵커 세트 기준 3차원 공간에서 태그의 좌표를 도출한다.
이때, 프로세서(140)는 투영 행렬을 이용하여 3차원 공간의 태그 신호 정보를 이동형 앵커 세트 기준 평면에 투영하고, 호모그래피 행렬을 이용하여 이동형 앵커 세트 기준 평면을 기반으로 이동형 앵커 세트 기준 3차원 공간에 태그 신호 정보를 재구성할 수 있다.
또한, 프로세서(140)는 제1 앵커 세트로 평면에 대한 위치 측위를 수행하고, 태그 방향을 기준으로 제1 앵커 세트 보다 뒤에 위치하는 제2 앵커 세트로 측정된 평면에 대한 높이 측위를 수행할 수 있다.
보다 구체적으로, 프로세서(140)는 제1 앵커 세트로 가로에 대한 평면상 거리인 제1 거리 값을 측정하고, 제2 앵커 세트로 세로에 대한 평면상 거리인 제2 거리 값을 측정할 수 있다.
그리고 프로세서(140)는 제1 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 태그의 x 좌표를 도출하고, 제2 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 태그의 y 좌표를 도출하며, 제1 거리 값 및 제2 거리 값을 기반으로 태그의 z 좌표를 도출할 수 있다.
S300단계에서, 프로세서(140)는 도출한 태그의 좌표를 기반으로. 장애물에 따른 손실을 보정하여 위치 측위를 수행한다.
예를 들어, 일 실시 예에서는, 두 개의 세트로 구성된 앵커에 수신된 신호 처리, 각 앵커 세트에서 2차원 위치를 측정하기 위한 신호 처리, 두 개의 앵커 세트를 통합한 신호 처리 및 3차원 좌표를 얻기 위한 신경망을 적용할 수 있다.
프로세서(140)는 제2 앵커 세트에서 태그로부터 수신한 신호의 가시선/비가시선(LOS/NLOS) 비율에 기반하여 제2 앵커 세트에서 태그로부터 수신한 신호 상태를 예측할 수 있다. 그리고 프로세서(140)는 제2 앵커 세트에서의 RSSI 값 및 앵커 간 신호 상태를 기반으로 장애물에 의한 손실을 보정할 수 있다.
이때, 프로세서(140)는 기 학습된 심층신경망 기반 위치 측위 모델을 기반으로, 장애물에 의한 손실을 반영하여 태그의 위치 측위를 수행할 수 있다.
프로세서(140)는 이동형 앵커 세트의 구조적 위치, 태그로부터의 수신 신호, 공기 중에 전파의 속도에 따른 태그로부터의 예상 거리, RSSI 및 이동형 앵커 세트 내 앵커 간 신호성분 중 적어도 하나 이상을 입력 데이터로 하여, 상기 태그의 위치, 위치 신뢰도 및 전파 성분 품질이 출력되도록 미리 훈련된 심층신경망 기반 위치 측위 모델을 기반으로, 상기 태그의 위치 측위를 수행할 수 있다.
이때, 심층신경망 기반 위치 측위 모델은, 수신 신호의 거리, RSSI 및 이동형 앵커 세트 위치의 환경에 대한 학습 데이터 중 적어도 하나 이상을 장애물 재질로 레이블링한 훈련 데이터를 통해 훈련된 것일 수 있다.
한편, 일 실시 예에서, 기 학습된 심층신경망 기반 위치 측위 모델은, 제1 앵커 세트 및 제2 앵커 세트를 포함하는 이동형 앵커 세트의 구조적 위치와 이동형 앵커 세트의 제1 앵커 세트 및 제2 앵커 세트 각각에 대한 태그로부터의 수신 신호가 입력되면, 이동형 앵커 세트의 구조적 위치와 태그로부터의 수신 신호를 기반으로 도출된 투영 평면에서의 태그 위치를 입력으로 쿼리(query)하여, 투영 평면에서의 태그 위치에 대하여 이동형 앵커 세트를 기준으로 하는 3차원 공간에서의 태그 위치 측위 결과가 출력되도록 학습된 학습 모델일 수도 있다.
즉, 일 실시 예에서의 위치 측위 기술은, 태그를 기준으로 산업 현장에서 붕괴 사고가 발생했을 때 즉시적인 작업자 위치를 파악할 수 있다. 또한, 산에서 조난자를 찾기 위해 앵커 세트를 통해 투영하려는 공간에 대해 회전 또는 이동을 하면서 조난 위치를 찾거나, 반대로 산에서 길을 잃은 등산객에게 올바른 위치를 안내 해 줄 수 있다. 무엇보다 화재가 발생 했을 때, 건물 내 투입된 소방관의 실시간 위치 파악을 위해 화재 현장에 위치시켜 공간을 투영함으로써 소방관의 안전과 소방 활동을 실시간으로 지휘할 수 있다.
상술한 바와 같이, 일 실시 예의 위치 측위 장치(100)는 UWB를 기반으로 위치를 측위하는 방법과 아이디어, 하드웨어 제작 방법을 통해 활용 범위를 넓힐 수 있을 것이다.
특히, 실내 위치 측위에 있어서 UWB 앵커의 설치에 대한 불편함을 해소할 수 있을 것이다.
이상 설명된 본 개시에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 개시를 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 개시의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 개시에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 개시가 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 개시를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 개시의 범위가 한정되는 것은 아니다. 또한, 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 개시의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 개시의 사상의 범주에 속한다고 할 것이다.
1 : 위치 측위 시스템
100 : 위치 측위 장치
110 : 통신 인터페이스
120 : 사용자 인터페이스
130 : 메모리
140 : 프로세서
200 : 사용자 단말
300 : 서버
400 : 네트워크
100 : 위치 측위 장치
110 : 통신 인터페이스
120 : 사용자 인터페이스
130 : 메모리
140 : 프로세서
200 : 사용자 단말
300 : 서버
400 : 네트워크
Claims (19)
- 각 단계의 적어도 일부가 프로세서에 의해 수행되는, 초광대역 무선기술(ultra-wide band, UWB)를 기반으로 임의의 3차원 공간에서의 태그의 위치 측위를 수행하는 위치 측위 방법으로서,
상기 3차원 공간으로부터 설정 범위 이내에서 이동 가능하도록 구비되는 이동형 앵커 세트에서 상기 태그로부터의 신호를 수신하는 단계; 및
호모그래피 알고리즘을 기반으로, 상기 3차원 공간의 태그 신호 정보를 상기 이동형 앵커 세트 기준 3차원 공간으로 변환하여, 상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 단계를 포함하는,
위치 측위 방법. - 제 1 항에 있어서,
상기 이동형 앵커 세트는, 적어도 4개 이상의 앵커를 포함하며, 평면 측위용 제1 앵커 세트와, 평면 보정 및 공간 구성용 제2 앵커 세트로 구성되는,
위치 측위 방법. - 제 2 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 단계는,
투영 행렬을 이용하여 상기 3차원 공간의 상기 태그 신호 정보를 상기 이동형 앵커 세트 기준 평면에 투영하는 단계; 및
호모그래피 행렬을 이용하여 상기 이동형 앵커 세트 기준 평면을 기반으로 상기 이동형 앵커 세트 기준 3차원 공간에 상기 태그 신호 정보를 재구성하는 단계를 포함하는,
위치 측위 방법. - 제 2 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 단계는,
상기 제1 앵커 세트로 평면에 대한 위치 측위를 수행하는 단계; 및
상기 태그 방향을 기준으로 상기 제1 앵커 세트 보다 뒤에 위치하는 상기 제2 앵커 세트로 측정된 평면에 대한 높이 측위를 수행하는 단계를 포함하는,
위치 측위 방법. - 제 4 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 단계는,
상기 제1 앵커 세트로 가로에 대한 평면상 거리인 제1 거리 값을 측정하는 단계;
상기 제2 앵커 세트로 세로에 대한 평면상 거리인 제2 거리 값을 측정하는 단계;
상기 제1 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 상기 태그의 x 좌표를 도출하는 단계;
상기 제2 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 상기 태그의 y 좌표를 도출하는 단계; 및
상기 제1 거리 값 및 제2 거리 값을 기반으로 상기 태그의 z 좌표를 도출하는 단계를 포함하는,
위치 측위 방법. - 제 5 항에 있어서,
상기 도출한 태그의 좌표를 기반으로. 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 단계를 더 포함하고,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 단계는,
상기 제2 앵커 세트에서 상기 태그로부터 수신한 신호의 가시선/비가시선(LOS/NLOS) 비율에 기반하여 상기 제2 앵커 세트에서 상기 태그로부터 수신한 신호 상태를 예측하는 단계; 및
상기 제2 앵커 세트에서의 RSSI(수신신호강도) 값 및 앵커 간 신호 상태를 기반으로 장애물에 의한 손실을 보정하는 단계를 포함하는,
위치 측위 방법. - 제 6 항에 있어서,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 단계는,
기 학습된 심층신경망 기반 위치 측위 모델을 기반으로, 상기 장애물에 의한 손실을 반영하여 상기 태그의 위치 측위를 수행하는 단계를 포함하는,
위치 측위 방법. - 제 7 항에 있어서,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 단계는,
이동형 앵커 세트의 구조적 위치, 태그로부터의 수신 신호, 공기 중에 전파의 속도에 따른 태그로부터의 예상 거리, RSSI 및 이동형 앵커 세트 내 앵커 간 신호성분 중 적어도 하나 이상을 입력 데이터로 하여, 상기 태그의 위치, 위치 신뢰도 및 전파 성분 품질이 출력되도록 미리 훈련된 심층신경망 기반 위치 측위 모델을 기반으로, 상기 태그의 위치 측위를 수행하는 단계를 포함하고,
상기 심층신경망 기반 위치 측위 모델은, 수신 신호의 거리, RSSI 및 이동형 앵커 세트 위치의 환경에 대한 학습 데이터 중 적어도 하나 이상을 장애물 재질로 레이블링한 훈련 데이터를 통해 훈련된 것인,
위치 측위 방법. - 제 7 항에 있어서,
상기 기 학습된 심층신경망 기반 위치 측위 모델은, 제1 앵커 세트 및 제2 앵커 세트를 포함하는 이동형 앵커 세트의 구조적 위치와 상기 이동형 앵커 세트의 제1 앵커 세트 및 제2 앵커 세트 각각에 대한 태그로부터의 수신 신호가 입력되면, 상기 이동형 앵커 세트의 구조적 위치와 태그로부터의 수신 신호를 기반으로 도출된 투영 평면에서의 태그 위치를 입력으로 쿼리(query)하여, 상기 투영 평면에서의 태그 위치에 대하여 상기 이동형 앵커 세트를 기준으로 하는 3차원 공간에서의 태그 위치 측위 결과가 출력되도록 학습된 학습 모델인,
위치 측위 방법. - 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금 제 1 항 내지 제 9 항 중 어느 하나의 항의 방법을 수행하게 하는 프로그램이 기록된, 컴퓨터에서 판독 가능한 기록 매체.
- 초광대역 무선기술(ultra-wide band, UWB)를 기반으로 임의의 3차원 공간에서의 태그의 위치 측위를 수행하는 위치 측위 장치로서,
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
상기 3차원 공간으로부터 설정 범위 이내에서 이동 가능하도록 구비되는 이동형 앵커 세트에서 상기 태그로부터의 신호를 수신하는 동작, 및
호모그래피 알고리즘을 기반으로, 상기 3차원 공간의 태그 신호 정보를 상기 이동형 앵커 세트 기준 3차원 공간으로 변환하여, 상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 동작을 수행하도록 설정되는,
위치 측위 장치. - 제 11 항에 있어서,
상기 이동형 앵커 세트는, 적어도 4개 이상의 앵커를 포함하며, 평면 측위용 제1 앵커 세트와, 평면 보정 및 공간 구성용 제2 앵커 세트로 구성되는,
위치 측위 장치. - 제 12 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 동작은,
투영 행렬을 이용하여 상기 3차원 공간의 상기 태그 신호 정보를 상기 이동형 앵커 세트 기준 평면에 투영하는 동작, 및
호모그래피 행렬을 이용하여 상기 이동형 앵커 세트 기준 평면을 기반으로 상기 이동형 앵커 세트 기준 3차원 공간에 상기 태그 신호 정보를 재구성하는 동작을 포함하는,
위치 측위 장치. - 제 12 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 동작은,
상기 제1 앵커 세트로 평면에 대한 위치 측위를 수행하는 동작, 및
상기 태그 방향을 기준으로 상기 제1 앵커 세트 보다 뒤에 위치하는 상기 제2 앵커 세트로 측정된 평면에 대한 높이 측위를 수행하는 동작을 포함하는,
위치 측위 장치. - 제 14 항에 있어서,
상기 이동형 앵커 세트 기준 3차원 공간에서 상기 태그의 좌표를 도출하는 동작은,
상기 제1 앵커 세트로 가로에 대한 평면상 거리인 제1 거리 값을 측정하는 동작,
상기 제2 앵커 세트로 세로에 대한 평면상 거리인 제2 거리 값을 측정하는 동작,
상기 제1 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 상기 태그의 x 좌표를 도출하는 동작,
상기 제2 앵커 세트의 앵커 간의 수신된 신호에 의해 투영된 평면에서 상기 태그의 y 좌표를 도출하는 동작, 및
상기 제1 거리 값 및 제2 거리 값을 기반으로 상기 태그의 z 좌표를 도출하는 동작을 포함하는,
위치 측위 장치. - 제 15 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 도출한 태그의 좌표를 기반으로. 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 동작을 더 수행하도록 설정되고,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 동작은,
상기 제2 앵커 세트에서 상기 태그로부터 수신한 신호의 가시선/비가시선(LOS/NLOS) 비율에 기반하여 상기 제2 앵커 세트에서 상기 태그로부터 수신한 신호 상태를 예측하는 동작, 및
상기 제2 앵커 세트에서의 RSSI(수신신호강도) 값 및 앵커 간 신호 상태를 기반으로 장애물에 의한 손실을 보정하는 동작을 포함하는,
위치 측위 장치. - 제 16 항에 있어서,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 동작은,
기 학습된 심층신경망 기반 위치 측위 모델을 기반으로, 상기 장애물에 의한 손실을 반영하여 상기 태그의 위치 측위를 수행하는 동작을 포함하는,
위치 측위 장치. - 제 17 항에 있어서,
상기 장애물에 따른 손실을 보정하여 위치 측위를 수행하는 동작은,
이동형 앵커 세트의 구조적 위치, 태그로부터의 수신 신호, 공기 중에 전파의 속도에 따른 태그로부터의 예상 거리, RSSI 및 이동형 앵커 세트 내 앵커 간 신호성분 중 적어도 하나 이상을 입력 데이터로 하여, 상기 태그의 위치, 위치 신뢰도 및 전파 성분 품질이 출력되도록 미리 훈련된 심층신경망 기반 위치 측위 모델을 기반으로, 상기 태그의 위치 측위를 수행하는 동작을 포함하고,
상기 심층신경망 기반 위치 측위 모델은, 수신 신호의 거리, RSSI 및 이동형 앵커 세트 위치의 환경에 대한 학습 데이터 중 적어도 하나 이상을 장애물 재질로 레이블링한 훈련 데이터를 통해 훈련된 것인,
위치 측위 장치. - 제 17 항에 있어서,
상기 기 학습된 심층신경망 기반 위치 측위 모델은, 제1 앵커 세트 및 제2 앵커 세트를 포함하는 이동형 앵커 세트의 구조적 위치와 상기 이동형 앵커 세트의 제1 앵커 세트 및 제2 앵커 세트 각각에 대한 태그로부터의 수신 신호가 입력되면, 상기 이동형 앵커 세트의 구조적 위치와 태그로부터의 수신 신호를 기반으로 도출된 투영 평면에서의 태그 위치를 입력으로 쿼리(query)하여, 상기 투영 평면에서의 태그 위치에 대하여 상기 이동형 앵커 세트를 기준으로 하는 3차원 공간에서의 태그 위치 측위 결과가 출력되도록 학습된 학습 모델인,
위치 측위 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220075757A KR20230174610A (ko) | 2022-06-21 | 2022-06-21 | 위치 측위 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220075757A KR20230174610A (ko) | 2022-06-21 | 2022-06-21 | 위치 측위 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230174610A true KR20230174610A (ko) | 2023-12-28 |
Family
ID=89385153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220075757A KR20230174610A (ko) | 2022-06-21 | 2022-06-21 | 위치 측위 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230174610A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100954169B1 (ko) | 2008-02-27 | 2010-04-20 | 부산대학교 산학협력단 | Ｔｄｏａ 기반 측위 시스템, 이를 이용한 태그 측위 방법 |
| KR102009791B1 (ko) | 2018-08-23 | 2019-08-13 | 주식회사 에이치랩 | Uwb를 이용한 3차원 측위 시스템 |
-
2022
- 2022-06-21 KR KR1020220075757A patent/KR20230174610A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100954169B1 (ko) | 2008-02-27 | 2010-04-20 | 부산대학교 산학협력단 | Ｔｄｏａ 기반 측위 시스템, 이를 이용한 태그 측위 방법 |
| KR102009791B1 (ko) | 2018-08-23 | 2019-08-13 | 주식회사 에이치랩 | Uwb를 이용한 3차원 측위 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Asaad et al. | A comprehensive review of indoor/outdoor localization solutions in IoT era: Research challenges and future perspectives | |
| Li et al. | Top 10 technologies for indoor positioning on construction sites | |
| US10192416B2 (en) | Indoor positioning and tracking using a multi-band wireless networking system | |
| EP3101818B1 (en) | Wireless access service method and device | |
| Farid et al. | Recent advances in wireless indoor localization techniques and system | |
| US11960028B2 (en) | Determining specular reflectivity characteristics using LiDAR | |
| TWI557420B (zh) | 用於定位/導航演算法的方法及其設備 | |
| Liu et al. | HAWK: An unmanned mini-helicopter-based aerial wireless kit for localization | |
| WO2019036939A1 (zh) | 一种定位方法及装置 | |
| KR20150018827A (ko) | 액세스 포인트들의 위치들을 결정하기 위한 방법 및 장치 | |
| CN111741431B (zh) | 室内定位方法及装置、终端、存储介质 | |
| CN107172592B (zh) | 室内定位方法及移动设备 | |
| TWI525333B (zh) | 室內定位系統、定位伺服器與室內定位方法 | |
| US10405196B1 (en) | System and method for identifying wireless coverage for multi-occupant structures | |
| KR101597437B1 (ko) | 무선신호의 상대적 수신세기 비율정보를 이용한 실내측위시스템 및 방법 | |
| US10077984B2 (en) | Indoor positioning system training | |
| Hyun et al. | UWB-based indoor localization using ray-tracing algorithm | |
| Rose et al. | 3D trilateration localization using RSSI in indoor environment | |
| CN107636983B (zh) | 用于无线网络中有效链路发现的系统与方法 | |
| KR20230174610A (ko) | 위치 측위 방법 및 장치 | |
| EP3229534A1 (en) | Position estimation | |
| Kanrar et al. | Pedestrian localisation in the typical indoor environments | |
| KR102465550B1 (ko) | Gps 스푸핑 방지를 위한 uav 관제 시스템 및 그 방법 | |
| Lemieux et al. | WHLocator: hybrid indoor positioning system | |
| KR102485086B1 (ko) | 스마트 시계를 이용한 실내 위치추적 경로 패턴인식 방법 |