WO2016068742A1 - Способ и система позиционирования мобильного терминала внутри зданий - Google Patents

Способ и система позиционирования мобильного терминала внутри зданий Download PDF

Info

Publication number
WO2016068742A1
WO2016068742A1 PCT/RU2014/000822 RU2014000822W WO2016068742A1 WO 2016068742 A1 WO2016068742 A1 WO 2016068742A1 RU 2014000822 W RU2014000822 W RU 2014000822W WO 2016068742 A1 WO2016068742 A1 WO 2016068742A1
Authority
WO
WIPO (PCT)
Prior art keywords
mobile terminal
data
inertial
positions
local coordinate
Prior art date
Application number
PCT/RU2014/000822
Other languages
English (en)
French (fr)
Other versions
WO2016068742A8 (ru
Inventor
Геннадий Михайлович БЕРКОВИЧ
Леонид Викторович ПУРТО
Владимир Александрович СВИРИДЕНКО
Руслан Александрович БУДНИК
Original Assignee
Инвенсенс Интернешнл, Инк.
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 Инвенсенс Интернешнл, Инк. filed Critical Инвенсенс Интернешнл, Инк.
Priority to US15/523,207 priority Critical patent/US10341982B2/en
Priority to PCT/RU2014/000822 priority patent/WO2016068742A1/ru
Publication of WO2016068742A1 publication Critical patent/WO2016068742A1/ru
Publication of WO2016068742A8 publication Critical patent/WO2016068742A8/ru

Links

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
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1654—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with electromagnetic compass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1656—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with passive imaging devices, e.g. cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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
    • G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
    • G01S5/018—Involving non-radio wave signals or 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
    • G01S5/0257—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
    • G01S5/0278—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 involving statistical or probabilistic considerations
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
    • 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
    • G01S2205/01—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

Definitions

  • the invention relates to navigation, and more particularly, to navigation within buildings.
  • Positioning by the signals of navigation satellites has worked well in open areas, but it is practically inoperative in rooms. The reason is that the satellite signal is so weakened after passing through the walls and overlapping buildings that in most cases its level is insufficient for the satellite receiver to receive it. Even in cases where the satellite signal is not so weak, it is distorted by reflections from walls and other objects indoors (the effect of multipath propagation of radio waves), which leads to unacceptably large positioning errors.
  • Data from non-inertial sensors in this method can be considered Wi-Fi signal levels from access points monitored by a mobile terminal, magnetometer readings, an image received from a mobile phone’s camcorder, and any other information available on a mobile device to directly or indirectly identify a user's location.
  • the disadvantage of this method is the need for full mapping of the room, which is unprofitable and not always possible.
  • Another disadvantage of this method is the need to indicate the coordinates of known positions during the training, which requires the use of a different, more accurate method for determining the coordinates of a mobile terminal in a room.
  • the indicated technical solution describes a positioning device consisting of passive sensors of a mobile terminal, a laptop computer and a module for assessing the probability of matching an unknown position of one of the known positions.
  • the system described in this technical solution is closest to the proposed one and is selected as a prototype.
  • This analysis is to refine the trajectory calculated using inertial data, to compare the tracks thus collected and to link them into a continuous map by combining those sections of the tracks where similar non-inertial data were observed.
  • the advantage of this approach is more accurate mapping, achieved through analysis and refinement of the navigation data used.
  • Another advantage of the method is the ability to map large rooms that cannot be quickly reached from the outside (in particular, from the street).
  • the disadvantage of this method is a slightly better, but still weak protection against low-quality data, as well as the unresolved question of how to determine and coordinate the coordinates of the mapped data. noisysy map data with inaccurate linkage to the plan when coupling them into a single map lead to an increase in the mapping error. Using such a card leads to large positioning errors.
  • the said application also describes a positioning device for a mobile terminal, consisting of a set of comparators analyzing isolated streams of inertial and non-inertial data for the repetition of the same or similar values spaced over a certain time interval and detecting the excess of similarity of data of a certain threshold.
  • the objective of the present invention is to provide a method for positioning a mobile terminal inside buildings, as well as a system for implementing this method.
  • a feature of the proposed solution is the lack of a priori information before starting positioning, such as, for example, a map of the distribution of a radio field or a magnetic field in a building. Creating maps of the distribution of parameters of physical fields in the room is carried out directly in the process of the proposed method of positioning. Moreover, in one of the implementations of the proposed method does not even require a building plan.
  • the technical result achieved as a result of the implementation of the proposed method is to prevent the accumulation of mapping errors as you link some mapping data with other data.
  • the error accumulation is prevented by linking the data being mapped to local coordinate systems associated with well identifiable positions, the relative position of which is determined with greater accuracy than the relative position between other positions. Greater accuracy in determining the relative position between well-identified positions can be achieved by statistical averaging of a large amount of data collected by different users using mobile terminals with inertial sensors of various types. An additional advantage is that this does not imply the availability of a building plan.
  • the advantage of the proposed system is the distinction between locally mapped fragments of the room, implemented through the introduction of data warehousing into the system.
  • Each of the storages is uniquely associated with a well-identifiable position and its identifying trait, or with a group of well-identifiable positions and traits. Due to this, data collection is effectively implemented from many users moving around the building with various mobile terminals, since data from different users are identified by a unique feature and end up in the corresponding storage, after which they jointly participate in further processing. This reduces the computational cost when implementing the proposed method.
  • the method for positioning a mobile terminal inside buildings includes the following steps: identifying signs identifying the location of the mobile terminal at a specific position based on data received from at least one inertial and non-inertial sensor during the movement of at least one mobile terminal; determine and save the trajectory of the motion of the aforementioned mobile terminal in a local coordinate system associated with the aforementioned position and data from non-inertial sensors; form statistically averaged transformation parameters of the local coordinate systems of the mobile terminal at the positions determined during terminal movement; form at least one map of the distribution of the output values of non-inertial sensors based on the data obtained in the previous step; determine the position of the above mobile terminal based on the data obtained in the previous step.
  • the parameters of the transformation of the local coordinate system for positions corresponding to the above signs are determined, and these actions are repeated one and more than once;
  • At least one map of the distribution of output values is generated, and the coordinates of the positions estimated in local coordinate systems obtained during the movement of at least one terminal are converted into a global coordinate system;
  • the position of the mobile terminal is further refined.
  • a sign identifying the location of the mobile terminal at a specific position is a sequence of measurements over a specific time interval.
  • the number of local coordinate systems is less than the number of identified features.
  • the positions associated with them are combined into a common zone.
  • position estimation is performed using a particle filter.
  • the mobile terminal is a device capable of providing information and moving with the user.
  • the mobile terminal is a smartphone or tablet, or laptop, or car navigator.
  • the inertial sensor is a gyroscope or accelerometer
  • the non-inertial sensor is a magnetometer or a compass, or a barometer, or a video sensor, or a microphone, or a radio receiver.
  • the invention can be implemented as a device for positioning a mobile terminal inside buildings, including: one or more command processing devices, one or more data storage devices, one or more programs, where one or more programs are stored on one or more data storage device and are executed on one or more processors, moreover, one or more programs includes the following instructions: identify signs identifying the location of the mobile terminal in a certain position, based on data received from at least one inertial and non-inertial sensor during the movement of at least one mobile terminal; determining and storing the motion path of the aforementioned mobile terminal in a local coordinate system associated with the aforementioned position and data from non-inertial sensors; form statistically averaged transformation parameters of the local coordinate systems of the mobile terminal at the positions determined during terminal movement; form at least one map of the distribution of the output values of non-inertial sensors based on the data obtained in the previous step; determine the position of the above mobile terminal based on the data obtained in the previous step.
  • the invention may be implemented as a positioning system for a mobile terminal inside buildings, including:
  • At least one computer system at least one coordinate converter connected to the above computer system;
  • one or more data stores connected to at least one coordinate transformer; at least one feature definition module, connected to one or more of the above data storage; one or more sensors connected by the above computer system and a feature detection module; a module for calculating the probability of finding this device in a certain position, connected to the above computer system.
  • one or more data stores and at least one coordinate transformer are located on a remote server or cloud resource.
  • communication between at least one computer system and at least one feature determination module is carried out via wireless communication.
  • communication between the components of the system is through wireless communication
  • FIG. 1 shows the process of moving a mobile terminal 191 along a continuous path 190 in the room 192 to be mapped.
  • the mobile terminal 191 was in unknown but well identifiable positions 101 and 103, its direction of movement, as well as fragments of the path to and after passing these positions.
  • the mobile terminal was moved along trajectory 1 10 through position 101 in the direction 1 11, and then within the same fragment of the trajectory through position 103 in the direction 1 12.
  • the mobile terminal moved along trajectory 120 first through position 103 in the direction 122, then through position 101 in the direction 121.
  • the mobile terminal was moved through position 101 along the path 130 in the direction 131 and along the path 140 in the direction 141.
  • FIG. 2 illustrates the process of distinguishing features.
  • the trajectory 220 of the mobile terminal in the room 221 is shown.
  • Positions 207 and 208, the corresponding coordinate systems 205 and 206, as well as the directions of movement 209 and 210 are shown.
  • the time axis 200 is shown.
  • Position 207 is designated as unknown with high confidence position P1 (202), and position 208 - as an unknown position P2 (204) identified with high reliability.
  • the mobile terminal identifies a visit to position P1 at time tj (211), and position P2 at time t 2 (212). At these time points, the characteristics are measured from the output of the sensors of the mobile terminal, respectively C (t]), designated as 201, and C (t 2 ), indicated as 203.
  • Curly brackets 213 and 214 show fragments of the trajectory of the mobile terminal in the time interval, including the moment of detection of the sign, that is, at moments t] (21 1) and t 2 (212).
  • FIG. 3 illustrates the process of converting local coordinate systems.
  • a path 301 is shown along which a mobile terminal moves. Shown are the positions of the mobile terminal at successive times. The corresponding entries are designated as P1 (304) and P2 (305).
  • Local (Cartesian) coordinate systems 310 and 31 1 are also shown, the centers of which are respectively in the positions P1 and P2.
  • the axes of the coordinate system 310 are designated as x (312) and y (313), the coordinate systems 311 are designated as x '(314) and y' (315).
  • the transfer parameters of the origin of the coordinates of the second local system relative to the first are denoted as a (320) and b (321), and the angle of rotation of the second local system relative to the first system is denoted as ⁇ (323).
  • FIG. 4 is a block diagram of a positioning system of a mobile terminal indoors.
  • the system consists of many sensors of a mobile terminal 401, a computer 402, and a probability calculation module 403. Additionally, a feature generation module 410, an array of data warehouses 41 1, and a coordinate transformer 412 are included in the system.
  • FIG. 5 illustrates the use of data warehouses in the positioning system of a mobile terminal. Shown are fragments of a mapped room in the form of three regions: a region 503 with a local coordinate system 502 associated with a well-identified position 501, a region 506 with a local coordinate system 505 associated with a well-identified position 504, and a region 509 with a local coordinate system 508 associated with well-identified 507.
  • the orientation of the local coordinate systems 502, 505 and 508 can be unambiguously defined in the global coordinate system 510.
  • Regions 503, 506, and 509 define an approximate demarcation between locally mapped fragments of a room.
  • data related to the local coordinate system 502 is stored in the storage 511
  • data related to the local coordinate system 505 is stored in the storage 512
  • data related to the local coordinate system 508 is stored in the storage 513.
  • the present invention in its various embodiments can be implemented in the form of a method (including that implemented on a computer), in the form of a system, in the form of a device or computer-readable medium containing instructions for performing the above method.
  • a device means a computer device, a computer (electronic computer), CNC (numerical program control), PLC (programmable logic controller) and any other devices that can perform a given, well-defined sequence of operations (actions, instructions).
  • command processing device an electronic unit or an integrated circuit (microprocessor) that executes machine instructions (programs).
  • the command processing device reads and executes machine instructions (programs) from one or more data storage devices.
  • Data storage devices may include, but are not limited to, hard disks (HDDs), flash memory, ROM (read only memory), solid state drives (SSDs), and optical drives.
  • a program is a sequence of instructions intended for execution by a control device of a computer or a device for processing commands.
  • the inventive method of positioning a mobile terminal inside buildings and implementing its system can be implemented as described below.
  • a mobile terminal is understood to mean any device that can move with the user, and which is capable of providing the user with information, in particular information about his position.
  • An example of a mobile terminal is devices such as smartphones, tablet computers, mobile phones, laptops, netbooks, pedestrian and car navigators, trackers, and the like. These also include devices worn on the user's body, among which you can specify "smart glasses” (for example, Google Glass), "smart watches” or smart watches (for example, Samsung Galaxy Gear), devices for sports and fitness, and others.
  • the list of sensors on a mobile terminal may include inertial sensors (for example, gyroscopes and accelerometers), a magnetic field sensor (magnetometer), a compass, a pressure sensor (barometer), an image sensor (camera), a microphone, a touch screen, telecommunication and navigation modules such as WiFi, BLE, NFC, 3G / LTE, GPS / GNSS modules and others.
  • the mobile terminal is equipped with at least part of these sensors and modules, including inertial (e.g. accelerometer and gyroscope) and non-inertial (e.g. WiFi module, magnetometer and others) sensors.
  • inertial e.g. accelerometer and gyroscope
  • non-inertial e.g. WiFi module, magnetometer and others
  • the output signals of these sensors and modules are recorded during terminal movements.
  • these may include accelerations and angular velocities, measured respectively by accelerometers and gyroscopes.
  • they can, for example, include the signal level (RSSI - Receiver Signal Strength Indicator) for the observed WiFi access points, measured by the WiFi module, three projections of the magnetic field induction vector, measured by the magnetometer, and other quantities.
  • RSSI Receiver Signal Strength Indicator
  • the measured values can be supplied with time stamps, which are stored together with the indicated output values of the sensors.
  • time stamp for example, the internal time of the processor of the mobile terminal can be used.
  • FIG. 1 depicts the process of moving a mobile terminal 191 along a continuous path 190 in a room 192.
  • a process for moving one mobile terminal is shown solely as an example, although in the general case the room may simultaneously move more than one mobile terminal. In this case, the description of the positioning process remains unchanged.
  • FIG. Figure 1 shows 5 passes along 5 paths (PO, 120, 130, 140 and 150), although the number of passes can be different. During one of these passes, the mobile terminal was moved along trajectory 110 through position 101 in the direction
  • the mobile terminal moved along trajectory 120, first through position 103 in direction 122, then through position 101 in direction 121. During several more passes, the mobile terminal was moved through position 101 along path 130 in direction 131 and along path 140 in direction 141. These fragments of the trajectory do not contain a passage through position 103. During another passage, the mobile terminal was moved through position 103 along trajectory 150 in direction 151. Directions 111, 121, 131, 141 along which the mobile was moved The terminal through position 101, as well as the motion paths of the mobile terminal 130, 140, are described in the local coordinate system 102 associated with position 101.
  • the directions 112, 122, 152 along which the mobile terminal was moved through position 103, as well as the motion path of the mobile terminal 150 are described in the local coordinate system 104, associated with the position 103.
  • the trajectories of the software and 120 are described both in the coordinate system 102, and in the coordinate system 104.
  • the signs of Ck are detected by the output signals of the non-inertial sensors of the mobile terminal, where k varies in the range from 1 to N, which makes it possible to identify the location of the mobile terminal at a certain position P, the coordinates of which in general can be unknown.
  • the following expression is used: "finding a mobile terminal in the position of Rk.” Since the position Pk can be identified with a certain accuracy, the above expression, as well as similar expressions, means that the mobile terminal is actually located in some neighborhood of the position Pk, and the radius R of the neighborhood depends on the accuracy of determining a well identifiable position. The specific value of R may vary for different applications.
  • the value of R may be one meter or units of meters.
  • the value of R can be units of decimeters or even centimeters. A further description of the proposed method is applicable for any positioning accuracy.
  • Signs that make it possible to determine with high reliability the location of the mobile terminal in a certain place of the premises can be of natural origin, but can also be formed artificially.
  • the signs can be scalar, for example, the pressure measured by the barometer, vector, for example, a three-dimensional vector of the magnetic field strength from the output of the magnetometer, or matrix and even sequences of matrices, for example, an image or video from the output of the camera.
  • a feature may be a sequence of scalar, vector, or matrix measurements over a specific time interval. For example, in a number of places in room 192, a significant change in the magnetic induction vector can be observed.
  • the magnetic induction vector when the mobile terminal 191 moves along a path 190 passing through certain positions will write out a strictly defined curve that differs from similar curves obtained when the mobile terminal moves in other places of the room or in the same place, but along a different path.
  • the unique sequence of values of the magnetic induction vector observed in this place can be considered a signature that unambiguously indicates the sequential passage of certain positions by the mobile terminal.
  • a signature that unambiguously indicates the passage by a user or other moving object of a certain part of the room can be a unique sequence of data from a short-range beacon, for example, an NFC tag.
  • a beacon signal based on BLE technology for example, iBeacon. Identification of the location of the mobile terminal in a certain position can also be provided using other positioning radio beacons, if they are located in the building or outside it.
  • Fixing a specific location of a mobile terminal can also be achieved by decoding a QR code placed as a tag in the room and containing location information, or by determining the image belonging to a characteristic part of the room. In both cases, images are obtained using the camera of the mobile terminal.
  • Another example of position fixation may be entering a position by a user via the touch screen of a mobile terminal.
  • the signs used to identify different well-identifiable indoor positions can have a different physical nature. For example, one is good an identifiable position in the room can be determined by a unique magnetic field strength vector, and another position can be determined by an NFC signal or by a QR code.
  • the position of Pk in the general case, may be unknown.
  • the sign C (ti) is received from the sensors of the mobile terminal, designated 201.
  • the sign C (t 2 ), designated as 203. for example, assume that the measured feature C (ti) at time t coincides with the previously selected feature Cb and the measured feature C (t 2) at time t 2 coincided with the previously selected feature C 2. Then we can conclude that the position of the mobile terminal 207 at the time coincides with previously identified by the position Pj (202), and the position of the mobile terminal 208 at time t 2 coincides with the previously identified position P 2 (204).
  • a fragment of the trajectory of the mobile terminal 213 and 214 is calculated in the time interval including the moment of detection of the sign, respectively, t ⁇ and t 2 .
  • the direction of movement of the mobile terminal 209 and 210 at the time of detection of the sign, respectively, ti and t 2 is determined.
  • the above calculations are performed in the local coordinate system, 205 and 206, respectively, for the positions Pj and P 2 .
  • the calculated fragment of the trajectory, as well as the data collected from non-inertial sensors collected at that time, are stored in the memory device.
  • a local coordinate system we will further consider the Cartesian coordinate system on the plane, although consideration can be carried out both for three-dimensional space and for another coordinate system, for example, polar or spherical.
  • the center of the local coordinate system associated with a well-identified position can be located near the specified position, and in the particular case, it can coincide with the specified position.
  • the axes of the local coordinate system are directed in a known manner. For example, the x-axis direction of the local coordinate system may coincide with the direction of the magnetic induction vector in the center of the local coordinate system.
  • the memory device can be located both on the mobile terminal itself, and on a remote server or cloud resource. The latter is advisable if the room simultaneously moves and participates in the described process of positioning more than one mobile terminal. In this case, communication between the mobile terminal and the remote memory is implemented using a wireless communication line.
  • the shift parameters of the local coordinate systems of the mobile terminal at the positions Pj and Pj corresponding to the identified signs Ci and Q are determined.
  • the possibility of calculating the motion path is checked a mobile terminal between the times at which the first, then the second, sign was subsequently detected. Then, if the opportunity is confirmed, the trajectory of the mobile terminal at a given time interval relative to a certain starting point is calculated and the transformation parameters of the second local coordinate system relative to the first local coordinate system are determined from the received positions.
  • Vt Vt-i + f t sin (0 t ), (2)
  • t is the time, which, without loss of generality, can be put integer
  • xt and Yg are the coordinates of the mobile terminal, calculated in the first local coordinate system (102)
  • Q t is the course (direction of movement) in the local coordinate system 102.
  • step length l t can be implemented based on data from accelerometers, and the direction of motion 9 t can be determined based on data from magnetic compass and gyroscope, as described, for example, in section 10 of the book “Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems", by PD Groves, Artech House, 2008.
  • the transformation of local coordinate systems is illustrated in FIG. 3.
  • the transformation of local coordinate systems is determined by the parameters of the displacement of the origin of the second coordinate system relative to the first, respectively, a (320) and b (321), and the angle of rotation of the second local system relative to the first system ⁇ (322).
  • the displacement parameters can be expressed from the well-known relations given, for example, in section 1.4 of Vaisman I., “Analytical Geometry”, “World Scientific Publishing”, 1997:
  • x 2 and y 2 are the coordinates of the point P 2 in the second coordinate system 311,
  • ⁇ is the angle of rotation of the second local coordinate system relative to the first.
  • the rotation angle ⁇ of the second local coordinate system relative to the first can be determined, for example, as the difference in the measurements of the magnetic compass of the mobile terminal taken at time t 2 and ti.
  • the transformation parameters (a, b, ⁇ ) of the local coordinate systems of the mobile terminal are averaged over the set of trajectories.
  • the specified averaging can be implemented as follows.
  • the calculated shift parameters of the second system the coordinates relative to the first are saved, the previous stored values of the offset parameters for these coordinate systems are searched in the memory device, the found and new offset parameters are averaged.
  • the data collected by different users using mobile terminals with different sensors is subjected to averaging. Due to this, the error in estimating the coordinate transformation parameters is reduced.
  • the spread of the parameters of the sensors of the mobile terminal is detected and, taking into account the revealed statistics, average the data collected from the same sensors. These operations are performed for each pair of detected features from the set Cb ..C. As a result, a set of N points is determined, characterized by unique features, the coordinates of which relative to each other are known with sufficient accuracy.
  • Further coordinates of the positions PI ,. .., PN, estimated in local coordinate systems, are converted to the global coordinate system.
  • the geodetic coordinate system WGS 84 can act as a global coordinate system.
  • the building coordinate system can act as a global coordinate system.
  • at least one of these points can be located outdoors, so that its global coordinates can be determined using the GPS / GNSS receiver, which is part of the mobile terminal.
  • the global coordinates of one of these points can be determined by identifying a signal transmitted from a short-range beacon, for example, an NFC tag, or a beacon operating on the basis of BLE technology, for example, iBeacon, provided that such beacons are installed in the building.
  • the beacon signal is received by the appropriate module (NFC or BLE) of the mobile terminal.
  • Another example is the determination of the global coordinates of one of these points by decoding a QR code located in the room and containing location information.
  • the QR code is read through the camera of the mobile terminal.
  • the global coordinates of at least one of the points from the set of P 1 become known P 2 , PN
  • the calculation of the global coordinates of the remaining points through known relative coordinates is not difficult. Thanks to the operations described above, the stored data from non-inertial sensors along with the calculated fragments of the trajectories of the mobile terminal are in the memory device.
  • the points P P 2 , ..., P N acquire global coordinates.
  • the local coordinates of fragments of trajectories passing through these points are converted into global coordinates.
  • data from non-inertial sensors obtained at different points of the motion paths turn out to be tied to the global coordinates of the room.
  • An example of data from non-inertial sensors can be the induction of a magnetic field, as measured by a magnetometer of a mobile terminal.
  • the set of measurements of the magnetic field at different points in the room is called a magnetic card.
  • Another example of data from non-inertial sensors is the signal strength (RSSI) from various WiFi access points, as measured by the WiFi module of the mobile terminal.
  • the set of measurements of the radio signal level for different WiFi access points at different points in the room is called WiFi radio card.
  • maps and other physical quantities measured by the sensors of the mobile terminal can be compiled. Cards collected in this way are used at the next stage of the described method for positioning a mobile terminal.
  • the position of the mobile terminal is evaluated.
  • PF Particle Filter
  • the essence of the PF algorithm is as follows. Randomly generated M objects called particles (there is no established Russian term yet, you can use the word "particles" or "samples”). Each particle can be considered as the coordinate of the object, i.e. in this example as a pair of Cartesian coordinates (x t> yi.) - D For each particle is assigned weight and / £ depending on the value of the probability density for a given coordinate. Knowing the motion model, on the basis of inertial sensors they generate a new set of particles by moving them to new positions. Thus, the forecast stage in PF is realized. Then a measurement is made (e.g. Wi-Fi radio field induction, magnetic field strength, map) and based on it, correction (refinement) of particles weights is performed.
  • a measurement e.g. Wi-Fi radio field induction, magnetic field strength, map
  • the forecast stage consists in applying (1) and (2) to each particle model of the object’s motion, as a result of which a new set of particles is obtained:
  • N (m, a 2 ) is the probability density function according to the Gaussian law with average m and variance ⁇ 2 .
  • l t is the stride length
  • 0 t is the course (direction of motion) determined by PDR
  • ⁇ ⁇ 2 ⁇ are the variances of the stride length and course.
  • p (z t I ⁇ 'êt,') is the likelihood function obtained on the basis of ⁇ , measurements, which may be the WiFi signal level, magnetic field strength, and other output values of non-inertial sensors.
  • the current position estimate is formed, for example, as a weighted average over all particles:
  • the position of the mobile terminal is evaluated as the mobile terminal moves further in the same room based on measurements of non-inertial sensors and previously generated maps.
  • the form of the functions f x (z t ), f y (z t ) depends on what specific measurements are used for positioning and on the evaluation method used. For example, for the case of using RSSI signal strength measurement, some methods are known from the literature, for example, A. Kushki, K. Plataniotis, A. Venetsanopoulos, "WLAN Positioning Systems", Cambridge University Press, 2012.
  • CN provide further refinement of the position estimation of the mobile terminal. For example, if the sign Ck is revealed, which makes it possible to identify the location of the mobile terminal in the Pk position, then the position refinement is performed by repeated application of the correction procedure (10).
  • the likelihood function may, for example, have the following form:
  • ⁇ is the variance of the coordinate estimate.
  • the variance estimation Oc may be small, whereby re-adjustment (10) from the likelihood function (14) will improve the positioning accuracy (reduce estimation variance).
  • a floor plan is available (previously the plan was not available).
  • Plan displays the following additional possibility of translation of local coordinate points Pi, P 2, ..., ⁇ in global coordinates, in this case, the coordinates of the building plan.
  • Plan imposes restrictions on the location of the points Pi, P2, ..., PN and the moving path of the mobile terminal between these points. Restrictions are caused by the presence of walls whose intersections are prohibited. Also some parts rooms, for example, separate rooms, may not be accessible for visiting.
  • the combination of the trajectories and the plan allows you to position the points P l5 ⁇ 2 , ..., PN and the trajectory of the mobile terminal between these points in such a way as to satisfy the restrictions imposed by the plan, Avoid crossing walls and visiting inaccessible places.
  • P After the location of points on the plane so that the coordinates of the points Pi, P 2, P are known in plan coordinates.
  • the operation of combining trajectories and a plan, taking into account restrictions can be performed in various ways. Consider, for example, a possible implementation of combining trajectories and a plan using PF.
  • Expression (15) takes into account the limitations of the plan by nullifying the weight of the particle that is trying to cross the wall.
  • paragraphs 2 and 3 If during the execution of paragraphs 2 and 3 all the weights are zeroed, then they return to paragraph 1 and set a new starting position for the point Pi in the coordinates of the plan.
  • FIG. 4 is a block diagram of a positioning system of a mobile terminal within a building that implements the positioning method described above.
  • the system operates as follows.
  • Many sensors 401 measure physical quantities during the movement of a mobile terminal inside a building.
  • the output values of the sensors enter the computer 402, which is designed to generate statistical models for measuring sensors in known positions and the current measurement in an unknown position. Examples of statistical models for measuring sensors at known positions can be the radio card described above or the magnetic card of a room. If the computer 402 has successfully generated these statistical models, then the probability calculation module 403 connected to it can estimate the probability of the mobile terminal being in one of the known positions.
  • a feature extraction module 410 a set of data stores 41 1 and a coordinate transformer 412 are added to the system.
  • the feature extraction module 410 is connected to a plurality of sensors 401.
  • the function of this module is to find in the output of the sensors such signs C ... Cm that the occurrence of the CK attribute in the sensor data will most likely identify the location of the mobile terminal at the Pk position.
  • the data from the sensors is stored in the set of data storages 41 1, and each of the storages is uniquely associated with one or more of the signs Ck and the positions of Pk.
  • FIG. 5 illustrates the use of data warehouses in the proposed positioning system of a mobile terminal. Shown are fragments of a mapped room in the form of three regions: a region 503 with a local coordinate system 502 associated with a well-identified position 501, a region 506 with a local coordinate system 505 associated with a well-identified position 504, and a region 509 with a local coordinate system 508 associated with well identified 507.
  • the orientation of the local coordinate systems 502, 505 and 508 can be uniquely determined in the global coordinate system 510. Regions 503, 506 and 509 define an approximate demarcation between the locally tografirovannymi fragments premises. While the data related to the local coordinate system 502, placed in the storage 511, the data related to the local coordinate system 505, placed in storage 512, and data related to the local coordinate system 508, in storage 513.
  • the data accumulated in the set of storages 411 are used in the coordinate transformer 412 to convert local coordinates and to calculate global coordinates, as described above.
  • the coordinates of the positions in which the output of the sensors are collected are known.
  • the specified coordinates along with the data are transmitted to a computer 402, which acquires the ability to build a map of the distribution of the output values of the sensors in the building.
  • the probability calculation module 403 calculates the probability of the mobile terminal being in one of the known positions, for example, in accordance with expressions (13) and (14).
  • a set of data warehouses 411 and a coordinate converter 412 can be located on a mobile terminal, but can also be located on a remote server or on a cloud resource. The latter is advisable if more than one mobile terminal is simultaneously moving and participating in the process of positioning in the room.
  • communication with the feature extraction module 410 and the computer 402 may be implemented via a wireless communication line.
  • Data storages can be implemented as part of random access memory (RAM - Random Access Memory) of a mobile terminal or server, depending on where the data storages are located.
  • a mobile terminal processor for example, an ARM Cortex-Ax type, can be used.
  • Other computing modules may be implemented on a processor or hardware accelerators of a mobile terminal or server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Probability & Statistics with Applications (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

Способ и система могут быть использованы для позиционирования внутри зданий, где недоступны сигналы навигационных спутников. Согласно способу выявляют признаки, идентифицирующие нахождение мобильного терминала в определенной позиции, на основании данных, полученных от, по крайней мере, одного инерциального и неинерциального сенсора во время перемещения, по крайней мере, одного мобильного терминала; определяют и сохраняют траекторию движения вышеупомянутого мобильного терминала в связанной с вышеупомянутой позицией локальной системе координат и данные с неинерциальных сенсоров; формируют статистически усредненные параметры преобразования локальных систем координат мобильного терминала в позициях, определенных во время перемещения терминала; формируют, по крайней мере, одну карту распределения выходных величин неинерциальных сенсоров на основании данных, полученных на предыдущем шаге; определяют позицию вышеуказанного мобильного терминала на основе данных, полученных на предыдущем шаге. Система состоит из множества сенсоров мобильного терминала, компьютера, модуля расчета вероятности, модуля выделения признаков, набора хранилищ данных и преобразователя координат.

Description

СПОСОБ И СИСТЕМА ПОЗИЦИОНИРОВАНИЯ МОБИЛЬНОГО ТЕРМИНАЛА ВНУТРИ ЗДАНИЙ.
ОБЛАСТЬ ТЕХНИКИ
Изобретение относится к навигации, более конкретно, к навигации внутри зданий.
УРОВЕНЬ ТЕХНИКИ
Позиционирование по сигналам навигационных спутников хорошо зарекомендовало себя на открытой местности, но оно практически неработоспособно в помещениях. Причина заключается в том, что спутниковый сигнал настолько сильно ослабляется после прохождения через стены и перекрытия зданий, что в большинстве случаев его уровень оказывается недостаточным для того, чтобы спутниковый приемник мог его принять. Даже в тех случаях, когда сигнал спутника ослабевает не столь заметно, он искажается отражениями от стен и других предметов внутри помещений (эффект многолучевого распространения радиоволн), что приводит к недопустимо большим ошибкам позиционирования .
В уровне техники известно техническое решение US6323807, «Indoor Navigation with wearable passive sensors», Mitsubishi Electric Research Laboratories, опубликовано 27.11.2001. В указанном решении описан способ позиционирования внутри помещений по альтернативным, не спутниковым источникам навигационных данных, согласно которому сначала составляется карта соответствия между позициями с известными координатами позиционируемого объекта, каковым может быть мобильный терминал, и собираемыми в этих позициях данными с неинерциальных сенсоров, затем в процессе дальнейшего движения аналогичные неинерциальные данные собираются в неизвестных позициях, сравниваются с данными, собранными в известных позициях, определяется известная позиция с данными, максимально близкими данным, собранным в неизвестной позиции, после чего неизвестная позиция мобильного терминала считается равной найденной известной позиции. Неинерциальные данные, собранные в моменты времени, когда позиция мобильного терминала была известна, совместно с информацией об этих позициях, образуют специальную карту или базу данных, отличающуюся от обычного плана помещения только спецификой картографируемых данных. Подобные карты в литературе принято называть "fingerprinting" (отпечатками). Данными с неинерциальных сенсоров в рассматриваемом методе могут считаться уровни сигнала Wi-Fi с обозреваемых мобильным терминалом точек доступа, показания магнитометра, изображение, получаемое с видеокамеры мобильного телефона и любые другие доступные для мобильного устройства сведения, позволяющие прямо или косвенно идентифицировать местоположение пользователя. Для повышения точности позиционирования в описьшаемом способе также допускается использование данных с инерциальных датчиков по принципу навигационного счисления пути (англоязычный термин "Dead Reckoning"). Недостатком данного способа является необходимость полного картографирования помещения, что накладно и не всегда возможно. Другим недостатком данного способа является необходимость указывать во время тренинга координаты известных позиций, что требует использования иного, притом более высокоточного метода определения координат мобильного терминала в помещении.
Одновременно со способом позиционирования, в указанном техническом решении описывается позиционирующее устройство, состоящее из пассивных сенсоров мобильного терминала, переносного компьютера и модуля оценки вероятности соответствия неизвестной позиции одной из известных позиций. Система, описанная в данном техническом решении, наиболее близка к предлагаемой и выбрана в качестве прототипа.
Известно техническое решение, описанное в заявке WO2013038005, «Method for localisation and mapping of pedestrians or robots using wireless access points », Deutsches Zentrum fur Luft- und Raumfahrt e.V., опубликовано 21.03.2013. В указанной заявке описан способ построения карты и последующего позиционирования в помещении с помощью качественного алгоритма Dead Reckoning, основанного на инерциальных датчиках и одометре. Достоинством этого метода является самостоятельное определение позиций во время сбора данных для картографирования. Недостатком описанного технического решения является использование специального оборудования в процессе сбора картографических данных, а также сама необходимость проведения картографических работ, затратная и не всегда возможная.
Известно техническое решение, описанное в заявке US20130293416А1 , « Apparatus and method for indoor positioning)), Texas Instruments Incorporated, опубликовано 07.11.2013. В указанной заявке описан способ построения карты и позиционирования в помещении, согласно которому известные позиции определяются до входа в помещение по спутниковым сигналам, затем при помощи инерциальных датчиков вычисляются позиции внутри помещения, для этих позиций в базу данных заносятся данные с неинерциальных сенсоров, после чего в процессе дальнейшего движения осуществляется вычисление координат мобильного терминала в неизвестной позиции методом сопоставления новых неинерциальных данных с данными в карте. Достоинством данного метода является полный автоматизм и возможность снятия карт без дополнительного оборудования. Картографирование осуществляют люди в процессе повседневного движения. Теоретически данный метод, называемый в литературе "краудсорсингом", позволяет картографировать все помещения, а не только отдельно взятые, где проведена специальная работа описанными выше способами. Недостатком данного подхода является деградация точности позиции, вычисленной по инерциальным датчикам, по мере движения мобильного терминала внутри помещения, а также отсутствие достаточной информации для оценки точности счисления пути по данным от инерциальных сенсоров. Как следствие, в карту попадает множество неинерциальных данных с неточно определёнными позициями, что затрудняет процесс картографирования и делает последующее позиционирование менее точным.
Известно техническое решение, описанное в заявке WO2013165391A1, «Simultaneous localization and mapping using spatial and temporal coherence for indoor location)), Intel Corporation, опубликовано 07.1 1.2013. В данной заявке описан способ построения карты по фрагментам случайного хождения пользователей, образующим замкнутые траектории. Для детектирования самопересечения траектории (возврата в уже пройденную позицию в терминологии патента) ищутся моменты времени, когда новые данные от неинерциальных сенсоров (назовем их «неинерциальными» данными) в достаточной степени коррелированны с аналогичными данными, полученными некоторое время назад, также ищутся моменты времени, когда посчитанная с помощью данных от инерциальных сенсоров (назовем их далее «инерциальными данными») траектория пересекает сама себя либо содержит близко расположенные участки, и в случае совпадения моментов предполагаемого самопересечения, посчитанных по неинерциальным данным, с моментами, посчитанными по инерциальным данным, делается заключение о пригодности собранных навигационных данных для дальнейшего анализа. Этот анализ заключается в уточнении траектории, посчитанной с помощью инерциальных данных, в сопоставлении собранных таким образом треков и в связывании их в непрерывную карту путём совмещения тех участков треков, где наблюдались схожие неинерциальные данные. Достоинством данного подхода является более точное картографирование, достигаемое за счёт анализа и уточнения используемых навигационных данных. Другим достоинством метода является возможность картографирования крупных помещений, в которые невозможно быстро попасть извне (в частности, с улицы). Недостатком метода является чуть лучшая, но всё равно слабая защита от некачественных данных, а также нерешённый вопрос, каким образом определять и увязывать координаты картографированных данных. Зашумлённые картографированные данные с неточной привязкой к плану при сцеплении их в единую карту приводят к нарастанию ошибки картографирования. Использование такой карты приводит к большим ошибкам позиционирования.
В указанной заявке также описано устройство позиционирования мобильного терминала, состоящее из набора компараторов, анализирующих изолированные потоки инерциальных и неинерциальных данных на предмет повторения одних и тех же или схожих значений, разнесенных на некоторый интервал времени, и детектирующее превышение схожести данных некоего порога.
Так же в уровне техники известно большое количество способов позиционирования мобильного терминала в помещении без привязки к координатам помещения. К таким способам относится, например, позиционирование по маякам Bluetooth Low Energy (BLE), тегам Near Field Communication (NFC), передатчикам Indoor Messaging System (IMES), двумерным матричным Quick Response (QR) кодам. В ряде случаев можно обойтись уже созданной инфраструктурой. Данные способы не требуют картографирования, что является их достоинством. При этом обеспечивается позиционирование лишь в отдельных областях помещения, что вкупе с низкой точностью позиционирования является недостатком подобных методов.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Задачей настоящего изобретения является предложение способа позиционирования мобильного терминала внутри зданий, а также системы для осуществления данного способа. Особенностью предлагаемого решения является отсутствие априорной информации перед началом позиционирования, такой, например, как карта распределения радио поля или магнитного поля в здании. Создание карт распределения параметров физических полей в помещении производится непосредственно в процессе предлагаемого способа позиционирования. Более того, в одной из реализаций предлагаемого способа даже не требуется наличие плана здания.
Технический результат, достигаемый в результате осуществления предлагаемого способа, заключается в предотвращении накопления ошибки картографирования по мере увязывания одних картографируемых данных с другими данными. Предотвращение накопления ошибки обеспечивается привязкой картографируемых данных к локальным системам координат, ассоциируемым с хорошо идентифицируемыми позициями, взаимное расположение которых определяется с большей точностью, чем взаимное расположение между остальными позициями. Большая точность определения взаимного расположения между хорошо идентифицируемыми позициями может быть достигнута за счёт статистического усреднения большого количества данных, собранных разными пользователями с помощью мобильных терминалов с инерциальными сенсорами разных типов. Дополнительным преимуществом является то, что при этом не предполагается доступность плана здания.
Достоинством предложенной системы является разграничение между локально картографированными фрагментами помещения, реализованное благодаря введению в состав системы хранилищ данных. Каждое из хранилищ однозначно связывается с хорошо идентифицируемой позицией и идентифицирующим её признаком либо с группой хорошо идентифицируемых позиций и признаков. Благодаря этому эффективно реализуется сбор данных от множества пользователей, перемещающихся по зданию с различными мобильными терминалами, поскольку данные от разных пользователей идентифицируются по уникальному признаку и попадают в соответствующие хранилища, после чего совместно участвуют в дальнейшей обработке. При этом уменьшаются вычислительные затраты при осуществлении предложенного способа.
В одном из вариантов реализации способ позиционирования мобильного терминала внутри зданий, включает следующие шаги: выявляют признаки, идентифицирующие нахождение мобильного терминала в определенной позиции, на основании данных, полученных от, по крайней мере, одного инерциального и неинерциального сенсора во время перемещения, по крайней мере, одного мобильного терминала; определяют и сохраняют траекторию движения вьплеупомянутого мобильного терминала в связанной с вышеупомянутой позицией локальной системе координат и данные с неинерциальных сенсоров; формируют статистически усредненные параметры преобразования локальных систем координат мобильного терминала в позициях, определенных во время перемещения терминала; формируют, по крайней мере, одну карту распределения выходных величин неинерциальных сенсоров на основании данных, полученных на предыдущем шаге; определяют позицию вышеуказанного мобильного терминала на основе данных, полученных на предыдущем шаге.
В некоторых вариантах реализации, при формировании статистически усредненных параметров преобразования локальных координат для различных пар признаков, выявленных в процессе перемещения, по крайней мере, одного терминала, определяют параметры преобразования локальной системы координат для позиций, соответствующих вышеуказанным признакам, при этом указанные действия повторяются один и более раз;
В некоторых вариантах реализации, формируют, по крайней мере, одну карту распределения выходных величин, при этом координаты позиций, оцененные в локальных системах координат, полученные в ходе перемещения, по крайней мере, одного терминала, пересчитывают в глобальную систему координат;
В некоторых вариантах реализации, дополнительно, вначале получают план здания, при этом пересчет локальных позиций в глобальные производят с учетом ограничений налагаемых планом;
В некоторых вариантах реализации, при выявлении более одного признака, идентифицирующего нахождение мобильного терминала в определенной позиции, дополнительно уточняют оценку позиции мобильного терминала.
В некоторых вариантах реализации, признак, идентифицирующий нахождение мобильного терминала в определенной позиции, представляет собой последовательность измерений за определенный интервал времени.
В некоторых вариантах реализации, количество локальных систем координат меньше числа выявленных признаков.
В некоторых вариантах реализации, для схожих признаков объединяют связанные с ними позиции в общую зону.
В некоторых вариантах реализации, оценку позиции осуществляют с помощью партикл-фильтра. В некоторых вариантах реализации, мобильный терминал представляет собой устройство, способное снабжать информацией и перемещающееся вместе с пользователем.
В некоторых вариантах реализации, мобильный терминал представляет собой смартфон или планшетный компьютер, или ноутбук, или автомобильный навигатор.
В некоторых вариантах реализации, инерциальный сенсор представляет собой гироскоп или акселерометр
В некоторых вариантах реализации, неинерциальный сенсор представляет собой магнетометр или компас, или барометр, или видеосенсор, или микрофон или приёмник радиосигнала.
В некоторых вариантах реализации, данное изобретение может быть осуществлено в виде устройства позиционирования мобильного терминала внутри зданий, включающего: одно или более устройств обработки команд, одно или более устройств хранения данных, одну или более программ, где одна или более программ хранятся на одном или более устройстве хранения данных и исполняются на одном и более процессоре, причем одна или более программ включает следующие инструкции: выявляют признаки, идентифицирующие нахождение мобильного терминала в определенной позиции, на основании данных, полученных от, по крайней мере, одного инерциального и неинерциального сенсора во время перемещения, по крайней мере, одного мобильного терминала; определяют и сохраняют траекторию движения вышеупомянутого мобильного терминала в связанной с вышеупомянутой позицией локальной системе координат и данные с неинерциальных сенсоров; формируют статистически усредненные параметры преобразования локальных систем координат мобильного терминала в позициях, определенных во время перемещения терминала; формируют, по крайней мере, одну карту распределения выходных величин неинерциальных сенсоров на основании данных, полученных на предыдущем шаге; определяют позицию вышеуказанного мобильного терминала на основе данных, полученных на предыдущем шаге.
В некоторых вариантах реализации данное изобретение может быть осуществлено в виде системы позиционирования мобильного терминала внутри зданий, включающей:
по крайней мере, одну компьютерную систему; по крайней мере, один преобразователь координат, соединенный с вышеуказанной компьютерной системой;
одно и более хранилище данных, соединенное с, по крайней мере, одним преобразователем координат; по крайней мере, один модуль определения признаков, соединенный с одним и более вышеуказанным хранилищем данных; один и более сенсор, соединённый вышеуказанной компьютерной системой и модулем определения признаков; модуль расчета вероятности нахождения данного устройства в определенной позиции, соединенный с вышеуказанной компьютерной системой.
В некоторых вариантах реализации системы, одно и более хранилище данных и по крайней мере, один преобразователь координат, располагаются на удаленном сервере или облачном ресурсе.
В некоторых вариантах реализации системы, связь между, по крайней мере, одной компьютерной системой и по крайней мере, одним модулем определения признаков осуществляется посредством беспроводной связи.
В некоторых вариантах реализации системы, связь между компонентами системы осуществляется посредством беспроводной связи;
ОПИСАНИЕ ЧЕРТЕЖЕЙ
На фиг. 1 изображен процесс перемещения мобильного терминала 191 по непрерывной траектории 190 в подлежащем картографированию помещении 192. В моменты времени, когда мобильный терминал 191 с высокой достоверностью находился в неизвестных, но хорошо идентифицируемых позициях 101 и 103, определены направления его движения, а также фрагменты траектории до и после прохождения данных позиций. Во время одного из таких проходов мобильный терминал был перемещён по траектории 1 10 через позицию 101 в направлении 1 11, а затем в рамках этого же фрагмента траектории через позицию 103 в направлении 1 12. Во время другого прохода произошло перемещение мобильного терминала по траектории 120 сначала через позицию 103 в направлении 122, затем через позицию 101 в направлении 121. Во время ещё нескольких проходов мобильный терминал перемещали через позицию 101 по траектории 130 в направлении 131 и по траектории 140 в направлении 141. Данные фрагменты траектории не содержат прохода через позицию 103. Во время ещё одного прохода мобильный терминал переместили через позицию 103 по траектории 150 в направлении 152. Направления 1 1 1, 121, 131, 141, по которым перемещали мобильный терминал через позицию 101, а также траектории перемещения мобильного терминала 130, 140 описываются в локальной системе координат 102, связанной с позицией 101. Направления 112, 122, 152, по которым перемещали мобильный терминал через позицию 103, а также траектория перемещения мобильного терминала 150 описываются в локальной системе координат 104, связанной с позицией 103. Траектории ПО и 120 описываются как в системе координат 102, так и в системе координат 104.
Фиг. 2 поясняет процесс выделения признаков. Изображена траектория 220 движения мобильного терминала в помещении 221. Показаны позиции 207 и 208, относящиеся к ним системы координат, соответственно, 205 и 206, а также направления движения 209 и 210. Показана ось времени 200. Позиция 207 обозначена как идентифицируемая с высокой достоверностью неизвестная позиция Р1 (202), а позиция 208 - как идентифицируемая с высокой достоверностью неизвестная позиция Р2 (204). Мобильный терминал идентифицирует посещение позиции Р1 в момент времени tj (211), а позиции Р2 в момент времени t2 (212). В эти моменты времени производится измерение признаков с выхода сенсоров мобильного терминала, соответственно C(t]), обозначенное как 201, и C(t2), обозначенное как 203. Фигурными скобками 213 и 214 показаны фрагменты траектории движения мобильного терминала в интервале времени, включающие момент обнаружения признака, то есть в моменты t] (21 1) и t2 (212).
Фиг. 3 поясняет процесс преобразования локальных систем координат. Изображена траектория 301, по которой перемещается мобильный терминал. Показаны положения мобильного терминала в последовательные моменты времени. Соответствующие позиции обозначены как Р1 (304) и Р2 (305). Также показаны локальные (декартовы) системы координат 310 и 31 1, центры которых соответственно находятся в позициях Р1 и Р2. Оси системы координат 310 обозначены как х (312) и у (313), системы координат 311 обозначены как х' (314) и у' (315). Параметры переноса начала координат второй локальной системы относительно первой обозначены как а (320) и b (321), а угол поворота второй локальной системы относительно первой системы - как φ (323).
Фиг. 4 изображает блок схему системы позиционирования мобильного терминала внутри помещения. Система состоит из множества сенсоров мобильного терминала 401, компьютера 402 и модуля вычисления вероятности 403. Дополнительно в систему включены модуль формирования признаков 410, массив хранилищ данных 41 1 и преобразователь координат 412.
Фиг. 5 поясняет использование хранилищ данных в системе позиционирования мобильного терминала. Изображены фрагменты картографированного помещения в виде трёх областей: область 503 с локальной системой координат 502, связанной с хорошо идентифицируемой позицией 501, область 506 с локальной системой координат 505, связанной с хорошо идентифицируемой позицией 504, и область 509 с локальной системой координат 508, связанной с хорошо идентифицируемой позицией 507. Ориентация локальных систем координат 502, 505 и 508 может быть однозначно определена в глобальной системе координат 510. Области 503, 506 и 509 определяют примерное разграничение между локально картографированными фрагментами помещения. При этом данные, относящиеся к локальной системе координат 502, помещены в хранилище 511, данные, относящиеся к локальной системе координат 505, помещены в хранилище 512, а данные, относящиеся к локальной системе координат 508, - в хранилище 513.
ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ
Данное изобретение в различных своих вариантах осуществления может быть выполнено в виде способа (в т.ч. реализуемого на компьютере), в виде системы, в виде устройства или машиночитаемого носителя, содержащего инструкции для выполнения вышеупомянутого способа.
В данном изобретении под устройством подразумевается компьютерное устройство, ЭВМ (электронно-вычислительная машина), ЧПУ (числовое программное управление), ПЛК (программируемый логический контроллер) и любые другие устройства, способные выполнять заданную, чётко определённую последовательность операций (действий, инструкций).
Под устройством обработки команд подразумевается электронный блок либо интегральная схема (микропроцессор), исполняющая машинные инструкции (программы).
Устройство обработки команд считывает и выполняет машинные инструкции (программы) с одного или более устройства хранения данных. В роли устройства хранения данных могут выступать, но, не ограничиваясь, жесткие диски (HDD), флеш- память, ПЗУ (постоянное запоминающее устройство), твердотельные накопители (SSD), оптические приводы.
Программа - последовательность инструкций, предназначенных для исполнения устройством управления вычислительной машины или устройством обработки команд.
Заявляемый способ позиционирования мобильного терминала внутри зданий и реализующая его система могут быть осуществлены описанным ниже образом.
В дальнейшем изложении под мобильным терминалом понимается любое устройство, которое может перемещаться вместе с пользователем, и которое способно снабжать пользователя информацией, в частности информацией о его позиции. Примером мобильного терминала могут служить такие устройства, как смартфоны, планшетные компьютеры, мобильные телефоны, ноутбуки, нетбуки, пешеходные и автомобильные навигаторы, трекеры и тому подобные. К ним также относятся устройства, носимые на теле пользователя, среди которых можно указать "умные очки " (например, Google Glass), "умные часы" или smart watch (например, Samsung Galaxy Gear), устройства для спорта и фитнеса и другие.
Говоря о позиционировании внутри зданий, далее имеется в виду позиционирование во всех сооружениях, как искусственных, так и естественных, как наземных, так и подземных, где невозможно позиционирование по сигналам навигационных спутников из- за значительного затухания сигнала в стенах и перекрытиях здания.
Для решения поставленной задачи внутри предполагаемого для позиционирования здания производят серию перемещений как минимум одного мобильного терминала, во время которых инерциальные сенсоры мобильного терминала измеряют характеристики движения терминала, а неинерциальные сенсоры мобильного терминала измеряют физические характеристики среды внутри здания. Для примера, список сенсоров мобильного терминала может включать инерциальные датчики (например, гироскопы и акселерометры), датчик напряженности магнитного поля (магнетометр), компас, датчик давления (барометр), датчик изображения (камера), микрофон, сенсорный экран, телекоммуникационные и навигационные модули, такие как модули WiFi, BLE, NFC, 3G/LTE, GPS/GNSS и другие. Предполагается, что мобильный терминал укомплектован, по меньшей мере, частью указанных сенсоров и модулей, включая инерциальные (например, акселерометр и гироскоп) и неинерциальные (например, модуль WiFi, магнетометр и другие) сенсоры. Данное предположение не является ограничительным, так как, например, смартфоны и планшетные компьютеры обладают, как правило, полным набором указанных сенсоров.
Выходные сигналы указанных сенсоров и модулей подвергаются регистрации в процессе перемещений терминала. В случае инерциальных датчиков к ним могут относиться ускорения и угловые скорости, измеряемые соответственно акселерометрами и гироскопами. В случае неинерциальных датчиков к ним могут, например, относиться уровень сигнала (RSSI - Receiver Signal Strength Indicator) для наблюдаемых точек доступа WiFi, измеряемый модулем WiFi, три проекции вектора индукции магнитного поля, измеряемые магнетометром, и другие величины. Для последующего использования измеренные величины могут снабжаться метками времени (time stamp), которые хранятся вместе с указанными выходными величинами сенсоров. В качестве метки времени может быть использовано, например, внутреннее время процессора мобильного терминала.
На фиг. 1 изображен процесс перемещения мобильного терминала 191 по непрерывной траектории 190 в помещении 192. Исключительно для примера показан процесс перемещения одного мобильного терминала, хотя в общем случае в помещении может одновременно перемещаться более одного мобильного терминала. При этом описание процесса позиционирования остается неизменным.
Для примера на фиг. 1 показано 5 проходов по 5 траекториям (ПО, 120, 130, 140 и 150), хотя количество проходов может быть другим. Во время одного из таких проходов мобильный терминал был перемещён по траектории 110 через позицию 101 в направлении
11 1, а затем в рамках этого же фрагмента траектории через позицию 103 в направлении
112. Во время другого прохода произошло перемещение мобильного терминала по траектории 120 сначала через позицию 103 в направлении 122, затем через позицию 101 в направлении 121. Во время ещё нескольких проходов мобильный терминал перемещали через позицию 101 по траектории 130 в направлении 131 и по траектории 140 в направлении 141. Данные фрагменты траектории не содержат прохода через позицию 103. Во время ещё одного прохода мобильный терминал переместили через позицию 103 по траектории 150 в направлении 151. Направления 111, 121, 131 , 141, по которым перемещали мобильный терминал через позицию 101, а также траектории перемещения мобильного терминала 130, 140 описываются в локальной системе координат 102, связанной с позицией 101. Направления 112, 122, 152, по которым перемещали мобильный терминал через позицию 103, а также траектория перемещения мобильного терминала 150 описываются в локальной системе координат 104, связанной с позицией 103. Траектории ПО и 120 описываются как в системе координат 102, так и в системе координат 104.
Во время перемещений мобильного терминала по выходным сигналам неинерциальных сенсоров мобильного терминала выявляют признаки Ск, где к меняется в диапазоне от 1 до N, позволяющие с высокой вероятностью идентифицировать нахождение мобильного терминала в определённой позиции Р , координаты которой в общем случае могут быть неизвестны. В дальнейшем исключительно для удобства изложения употребляется, например, следующее выражение: «нахождение мобильного терминала в позиции Рк». Поскольку позиция Рк может быть идентифицирована с определенной точностью, приведенное выше выражение, а также ему подобные выражения, означает, что мобильный терминал в действительности находится в некоторой окрестности позиции Рк, причем радиус R окрестности зависит от точности определения хорошо идентифицируемой позиции. Конкретная величина R может меняться для разных приложений. Например, для случая некоторых геоинформационных сервисов (или Location-Based Services, LBS) величина R может составлять один метр или единицы метров. Для случая высокоточного позиционирования величина R может составлять единицы дециметров или даже сантиметров. Дальнейшее описание предлагаемого способа применимо для любой точности позиционирования.
Признаки, позволяющие с высокой достоверностью определить нахождение мобильного терминала в определённом месте помещения, могут иметь естественное происхождение, но также могут формироваться искусственно. Также признаки могут быть скалярными, например, давление, измеряемое барометром, векторными, например, трехмерный вектор напряженности магнитного поля с выхода магнетометра, или матричными и даже последовательностями матриц, например, изображение или видео с выхода камеры. Кроме того, признак может представлять собой последовательность скалярных, векторных или матричных измерений за определенный интервал времени. К примеру, в ряде мест помещения 192 может наблюдаться значительное изменение вектора магнитной индукции. При этом вектор магнитной индукции при движении мобильного терминала 191 по траектории 190, проходящей через определенные позиции, будет выписывать строго определённую кривую, отличающуюся от аналогичных кривых, получаемых при движении мобильного терминала в других местах помещения либо в том же месте, но по другой траектории. Наблюдаемую в данном месте уникальную последовательность значений вектора магнитной индукции можно считать сигнатурой, однозначно указывающей на последовательное прохождение мобильным терминалом определенных позиций.
Другим примером сигнатуры, однозначно свидетельствующей о прохождении пользователем или иным подвижным объектом определённой части помещения, может быть получение уникальной последовательности данных с радиомаяка малого радиуса действия, например тега NFC. Еще одним примером может быть сигнал радиомаяка, работающего на основе технологии BLE, например, iBeacon. Идентификация нахождения мобильного терминала в определённой позиции может также обеспечиваться с помощью других позиционирующих радиомаяков, если они размещены в здании или вне него.
Фиксация определённого местоположения мобильного терминала также может быть обеспечена при помощи декодирования QR-кода, размещенного в виде метки в помещении и содержащего информацию о местоположении, или путем определения принадлежности изображения характерной части помещения. В обоих случаях изображения получают с помощью камеры мобильного терминала. Еще одним примером фиксации местоположения может быть ввод позиции пользователем посредством сенсорного экрана мобильного терминала.
Признаки, используемые для выявления разных хорошо идентифицируемых позиций в помещении, могут иметь различную физическую природу. Например, одна хорошо идентифицируемая позиция в помещении может быть определена по уникальному вектору напряженности магнитного поля, а другая позиция - по сигналу NFC или по QR- коду.
Обнаружение выделяющихся признаков может быть реализовано на основе известных из литературы способов выявления признаков, изложенных, например, в главе 7 книги J. Т. Той, R. С. Gonzalez "Pattern recognition principles", Addison- Wesley, 1977.
Спустя определенное время после начала перемещения мобильного терминала (терминалов), будет выделено N признаков Сь..См, таких, что возникновение в данных с сенсоров признака Ск с высокой вероятностью идентифицирует нахождение мобильного терминала в позиции Рк, где k=l...N, a N>=2. При этом позиция Рк, в общем случае может быть неизвестной.
Продолжим рассмотрение примера перемещения мобильного терминала 191 в помещении 190. Всякий раз, когда мобильный терминал оказывается в позиции 101 или 103, с сенсоров мобильного терминала поступают данные, характеризуемые соответствующим уникальным признаком. Данный признак не возникает при нахождении мобильного терминала в любом другом месте. На фиг. 1 исключительно для примера показаны только две хорошо идентифицируемые позиции 101 и 103, хотя в общем случае их количество N может быть больше, т.е. N>2. В моменты времени, когда мобильный терминал 191 с высокой достоверностью находился в неизвестных, но хорошо идентифицируемых позициях 101 и 103, определены направления его движения, а также фрагменты траектории до и после прохождения данных позиций. Эти величины описываются в локальных системах координат, соответственно 102 и 104.
По мере перемещения мобильного терминала в помещении производят проверку измерений, проступающих с сенсоров мобильного терминала, на наличие в них одного из признаков Ci .. CN- ЭТОТ процесс показан на фиг. 2, где представлена траектория 220 перемещения мобильного терминала в помещении 221. Исключительно для примера рассмотрен случай N=2, при этом рассмотрение остается верным для общего случая N>2.
При прохождении позиции 207 в момент времени t\ (21 1) с сенсоров мобильного терминала поступает признак C(ti), обозначенный как 201. При прохождении позиции 208 в момент времени t2 (212) с сенсоров мобильного терминала поступает признак C(t2), обозначенный как 203. Предположим для примера, что измеренный признак C(ti) в момент времени t совпал с ранее выделенным признаком Сь а измеренный признак C(t2) в момент времени t2 совпал с ранее выделенным признаком С2. Тогда можно сделать вывод, что позиция мобильного терминала 207 в момент времени совпадает с ранее идентифицированной позицией Pj (202), а позиция мобильного терминала 208 в момент времени t2 совпадает с ранее идентифицированной позицией Р2 (204).
Далее по данным, получаемым с инерциальных сенсоров мобильного терминала, вычисляют фрагмент траектории движения мобильного терминала 213 и 214 в интервале времени, включающем момент обнаружения признака, соответственно t\ и t2. Кроме того определяют направление движения мобильного терминала 209 и 210 в момент обнаружения признака, соответственно ti и t2. Перечисленные расчёты производят в локальной системе координат, соответственно 205 и 206 для позиций Pj и Р2. Затем рассчитанный фрагмент траектории, а также собранные в это время данные с неинерциальных сенсоров сохраняют в устройстве памяти.
В качестве примера локальной системы координат далее будет рассматриваться декартова система координат на плоскости, хотя рассмотрение может быть проведено как для трехмерного пространства, так и для другой системы координат, например, полярной или сферической. Центр локальной системы координат, связанной с хорошо идентифицируемой позицией, может быть расположен вблизи указанной позиции, а в частном случае, может совпадать с указанной позицией. Оси системы локальной системы координат направлены известным образом. Например, направление оси х локальной системы координат может совпадать с направлением вектора магнитной индукции в центре локальной системы координат.
Устройство памяти может быть расположено как на самом мобильном терминале, так и на удаленном сервере или облачном ресурсе. Последнее целесообразно, если в помещении одновременно перемещается и участвует в описываемом процессе позиционирования более одного мобильного терминала. В этом случае связь между мобильным терминалом и удаленной памятью реализуется с помощью беспроводной линии связи.
Возможны ситуации, когда хорошо идентифицируемые позиции находятся вблизи друг от друга. В этом случае нет необходимости связывать каждую позицию Рк с отдельной локальной системой координат. Такая ситуация отражена в одной из реализаций предлагаемого способа, в которой количество локальных систем координат может быть меньше N. Для того чтобы связать несколько позиций с общей для них локальной системой координат, выявляют схожесть признаков, и для похожих признаков объединяют несколько позиций Рк в общую зону. Например, в общую зону можно объединить все позиции вокруг конкретного маяка, к примеру, iBeacon с определенным идентификатором. Для этого примера признаками могут быть уровни сигнала указанного маяка, измеренные в разных позициях, а критерий схожести признаков может заключаться в том, что уровень сигнала превышает некоторое заданное значение.
Продолжим описание работы предлагаемой системы. Для разных пар признаков и Cj, , из множества CI,... ,CN, определяют параметры сдвига локальных систем координат мобильного терминала в позициях Pj и Pj, соответствующих выявленным признакам Ci и Q. Вначале для выбранной пары обнаруженных признаков проверяется возможность вычисления траектории движения мобильного терминала между моментами времени, в которые произошло последовательное обнаружение сначала первого, а затем второго признака. Затем, если возможность подтверждена, вычисляют траекторию движения мобильного терминала на заданном интервале времени относительно некой исходной точки и определяют по полученным позициям параметры преобразования второй локальной системы координат относительно первой локальной системы координат.
Положим для определенности, что мобильный терминал находится в позиции Pj в момент времени ti, а в позиции Р2— в момент времени t2. Вычисление траектории между двумя последовательными точками ? и Р2, пройденными в моменты времени соответственно ti и t2, может быть выполнено на основе известного алгоритма счисления пути (Dead Reckoning или DR) по инерциальным данным. Эта же задача может быть решена при помощи более подходящей для данной задачи разновидности этого алгоритма - счисления пути пешехода (Pedestrian Dead Reckoning или PDR).
Для примера рассмотрим вкратце вычисление фрагмента траектории на основе PDR для случая N=2. Возможность расчета траектории между точками Pi и Р2 может быть определена исходя из разности t2 - ti, которая не должна быть больше некоторой допустимой величины, связанной с ошибкой расчета PDR или иной реализации DR. В простейшем виде, алгоритм последовательного расчета траектории на основе PDR выглядит следующим образом:
xt = xt_i + it cos(0t), (1)
Vt = Vt-i + ftsin(0t), (2)
где t - время, которое, не уменьшая общности, можно положить целочисленным, xt и Уг - координаты мобильного терминала, рассчитанные в первой локальной системе координат (102),
lt - длина шага,
Qt - курс (направление движения) в локальной системе координат 102.
Расчет длины шага lt может быть реализован на основе данных от акселерометров, а направление движения 9t может быть определено на основе данных от магнитного компаса и гироскопа, как описано, например, в разделе 10 книги "Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems", by P.D. Groves, Artech House, 2008.
Расчет на основе выражений (1) и (2) с момента времени t= и до момента времени t= t2 позволяет выразить координаты локальной системы 206 в координатах локальной системы 205, т.е. найти параметры смещения системы 206 относительно системы 205. Координаты позиции Pi в системе координат 205 обозначим xt , yt] ), а координаты позиции Р2 в той же системе координат - (xt2, yt2).
Преобразование локальных систем координат поясняется на фиг. 3. В рассматриваемом примере преобразование локальных систем координат задается параметрами смещения начала второй системы координат относительно первой, соответственно а (320) и b (321), и углом поворота второй локальной системы относительно первой системы φ (322).
В общем случае параметры смещения можно выразить из известных соотношений, приведенных, например, в разделе 1.4 книги Vaisman I., "Analytical Geometry", "World Scientific Publishing", 1997:
a = xt2 - xt'z cos(<p) + yt'2 sin(<p), (3)
b = yt2 ~ xt'2 sin(<p) - yt'2 cos(<p), (4)
где xt2 и yt2 - координаты точки P2 в первой системе координат 310,
х 2 и у 2 - координаты точки Р2 во второй системе координат 311,
φ - угол поворота второй локальной системы координат относительно первой.
Удобно совместить центр локальной системы координат с соответствующей хорошо идентифицируемой позицией. Пример на фиг. 3 соответствует этому случаю. Тогда точка Р2 оказывается в центре второй системы координат 311, где ее координаты равны нулю, или xt'2= , yt'2 = 0. Благодаря этому обстоятельству параметры смещения второй системы координат относительно первой выражаются без использования угла поворота φ следующим простым образом:
a = xt2, (5)
Ь = Уг2, (6)
Угол поворота φ второй локальной системы координат относительно первой может быть определен, например, как разность измерений магнитного компаса мобильного терминала, взятых в моменты времени t2 и ti.
Далее параметры преобразований (а, Ъ, φ) локальных систем координат мобильного терминала усредняют по множеству траекторий. Указанное усреднение может быть реализовано следующим образом. Вычисленные параметры сдвига второй системы координат относительно первой сохраняют, ищут в устройстве памяти предыдущие сохранённые значения параметров смещения для данных систем координат, усредняют найденные и новые параметры смещения. Таким образом формируют оценки координат хк, ук для позиций Pk, k=l,...N. В одном из вариантов реализации усреднению подвергают данные, собранные разными пользователями с помощью мобильных терминалов с разными сенсорами. Благодаря этому происходит уменьшение ошибок оценки параметров преобразования координат. В другом варианте реализации выявляют разброс параметров сенсоров мобильного терминала и с учётом выявленной статистики усредняют данные, собранные с одних и тех же сенсоров. Эти операции выполняют для каждой пары обнаруженных признаков из множества Сь ..С . В итоге определяют множество N точек, характеризующихся уникальными признаками, координаты которых друг относительно друга известны с достаточной точностью.
Далее координаты позиций PI,. .. ,PN, оцененные в локальных системах координат, пересчитывают в глобальную систему координат. В качестве глобальной системы координат может выступать, например, геодезическая система координат WGS 84. В некоторых приложениях в качестве глобальной системы координат может выступать система координат здания. Рассмотрим возможные пример реализации пересчета в ту или иную глобальную систему координат.
Одна из реализаций основывается на предположении, что одна или несколько точек из совокупности Р Р2, ..., PN имеет известные глобальные координаты. Например, по меньшей мере, одна из таких точек может быть расположена вне помещения, благодаря чему ее глобальные координаты могут быть определены посредством GPS/GNSS приемника, входящего в состав мобильного терминала. В другом примере глобальные координаты одной из таких точек могут быть определены посредством идентификации сигнала, передаваемого с радиомаяка малого радиуса действия, например тега NFC, или радиомаяка, работающего на основе технологии BLE, например, iBeacon, при условии, что такие радиомаяки установлены в здании. Сигнал радиомаяка принимается соответствующим модулем (NFC или BLE) мобильного терминала. Еще одним примером является определение глобальных координат одной из таких точек при помощи декодирования QR-кода, размещенного в помещении и содержащего информацию о местоположении. QR-код считывается посредством камеры мобильного терминала. После того, как становятся известными глобальные координаты хотя бы одной из точек из совокупности Р1? Р2, PN, расчет глобальных координат остальных точек через известные относительные координаты не представляет труда. Благодаря описанным выше операциям в устройстве памяти оказываются сохраненные данные с неинерциальных сенсоров вместе с рассчитанными фрагментами траекторий движения мобильного терминала. При этом как было показано выше точки Р Р2, ..., PN приобретают глобальные координаты. Аналогичным образом, выполняют пересчет локальных координат фрагментов траекторий, проходящих через указанные точки, в глобальные координаты. Таким образом, данные с неинерциальных сенсоров, полученные в разных точках траекторий движения, оказываются привязанными к глобальным координатам помещения.
Примером данных с неинерциальных сенсоров может быть индукция магнитного поля, измеряемая магнетометром мобильного терминала. Совокупность измерений магнитного поля в разных точках помещения носит название магнитной карты. Другим примером данных с неинерциальных сенсоров является мощность сигнала (RSSI) от различных точек доступа WiFi, измеряемая модулем WiFi мобильного терминала. Совокупность измерений уровня радиосигнала для различных точек доступа WiFi в разных точках помещения носит название WiFi радио-карты. Аналогично приведенным примерам могут быть составлены карты и других физических величин, измеряемых сенсорами мобильного терминала. Собранные указанным образом карты используются на последующем этапе работы описываемого способа позиционирования мобильного терминала.
Затем, в процессе дальнейшего перемещения мобильного терминала в том же помещении, на основе измерений неинерциальных сенсоров и сформированных ранее карт, оценивают позицию мобильного терминала.
Оценку позиции можно получить, например, с помощью использования т.н. Particle Filter (PF, партикл-фильтр). Устоявшегося русскоязычного аналога этому термину пока нет, поэтому далее он обозначается как PF (партикл-фильтр). Теория PF изложена в литературе, например, F. Gustafsson, "Particle Filter Theory and Practice with Positioning Applications", IEEE A&E SYSTEMS MAGAZINE Vol. 25, No. 7, July 2010, Part 2, p. 53-81.
Сущность алгоритма PF заключается в следующем. Генерируется случайным образом М объектов, называемых particles (устоявшегося русского термина пока нет, можно использовать слово «частицы» или «сэмплы»). Каждый particle можно рассматривать как координату объекта, т.е. в рассматриваемом примере как пару декартовых координат (.xt> yi )- Для каждого particle назначается вес и/£ в зависимости от значения плотности вероятности для данной координаты. Зная модель движения, на основе инерциальных датчиков генерируют новый набор particles путем их перемещения в новые позиции. Таким образом реализуется этап прогноза в PF. Затем производится измерение (например, индукция радиополя Wi-Fi, напряженность магнитного поля, карта) и на его основе производится коррекция (уточнение) весов particles.
Для рассмотренного выше примера, этап прогноза заключается в применении к каждому particle модели движения объекта (1) и (2), в результате чего получают новый набор particles:
Figure imgf000022_0001
y[ = y[-i + l't sin(e0, (8)
где i - номер particle, i=l ,...,Μ,
Г, « *Ы) (9)
θ; к Ν(θ„σθ 2)
N(m,a2) - функция плотности вероятности по гауссову закону со средним т и дисперсией σ2.
lt - длина шага, 0t - курс (направление движения), определяемые посредством PDR, , σθ 2 ι - дисперсии длины шага и курса.
На этапе коррекции вычисляют новые значения весов:
wt i = wt i_l - p(zl \ xi,yi), i = \,...,M , (Ю)
где p(zt I х' у,') - функция правдоподобия, получаемая на основе измерений ζ, , в качестве которых может выступать уровень сигнала WiFi, напряженность магнитного поля и другие выходные величины неинерциальных датчиков.
Далее осуществляется нормировка весов: = 1 ^ / = 1,~, (11)
Текущую оценку позиции формирует, например, как взвешенное среднее по всем particles:
Figure imgf000022_0002
Еще одна особенность PF - проце дура ресэмлирования - изв естна из литературы, например из указанной выше публикации, и потому здесь не рассматривается.
Позицию мобильного терминала оценивают по мере дальнейшего перемещения мобильного терминала в том же помещении на основе измерений неинерциальных сенсоров и сформированных ранее карт. Для этого выполняют коррекцию весов в соответствии с формулой (10), в которой функция правдоподобия
Figure imgf000023_0001
yf) может иметь, например, следующий вид:
Figure imgf000023_0002
где fx(zt), fy(zt~) - функции, возвращающие оценки координат мобильного терминала на основе измерения zt и сформированной на предьщущем шаге карте распределения выходных величин неинерциальных сенсоров в помещении,
- дисперсия указанной оценки.
Вид функций fx(zt), fy(zt) зависит от того, какие конкретно измерения используется для позиционирования и от используемого способа оценки. К примеру, для случая использования измерения уровня сигнала RSSI некоторые способы известны из литературы, например, A. Kushki, К. Plataniotis, A. Venetsanopoulos, "WLAN Positioning Systems", Cambridge University Press, 2012.
В одной из реализаций предлагаемого способа в случае выявления в измерениях одного или нескольких признаков C15.. . ,CN вьшолняют дополнительное уточнение оценки позиции мобильного терминала. Например, если выявлен признак Ск, позволяющий с высокой вероятностью идентифицировать нахождение мобильного терминала в позиции Рк, то уточнение позиции вьшолняют повторным применением процедуры коррекции (10). При этом функция правдоподобия может иметь, например, следующий вид:
Figure imgf000023_0003
где хк, ук - оценка координат позиции Рк, полученная ранее,
σ - дисперсия оценки координат.
Так как оценку координат х к, ук формируют по большому объему данных, дисперсия оценки Ос может быть небольшой, благодаря чему повторная коррекция (10) с функцией правдоподобия (14) позволит повысить точность позиционирования (уменьшить дисперсию оценки).
В одной из реализаций заявляемой системы предполагается, что доступен план помещения (ранее доступность плана не предполагалась). В этом случае появляется следующая дополнительная возможность пересчета локальных координат точек Pi, Р2, ..., Ρ в глобальные координаты, в данном случае в координаты плана здания. План накладывает ограничения на расположение точек Pi, Р2, ..., PN и на траектории перемещения мобильного терминала между этими точками. Ограничения вызваны наличием стен, пересечения которых запрещены. Кроме того, некоторые части помещения, например, отдельные комнаты, могут быть недоступны для посещения. Совмещение траекторий и плана с учетом ограничений позволяет расположить точки Pl5 Р2, ..., PN и траектории перемещения мобильного терминала между этими точками таким образом, чтобы удовлетворить ограничениям, налагаемым планом, т.е. избежать пересечения стен и посещения недоступных мест. После расположения точек на плане таким образом, координаты точек Pi, Р2, P становятся известными в координатах плана. Операцию совмещения траекторий и плана с учетом ограничений можно выполнить различными способами. Рассмотрим для примера возможную реализацию совмещения траекторий и плана с помощью PF.
Например, найти расположение точек Pi, Р2, P И траектории перемещения мобильного терминала между этими точками, удовлетворяющие ограничениям плана, можно в результате описываемой ниже последовательности действий. При этом будем для определенности полагать, что известны сдвиги всех позиций относительно одной из них, например позиций Р2, PN относительно Рь Обозначим запрещенную область плана как W (от английского wall, т.е. стена).
1) Задают начальную позицию одной из точек, например Pi, в координатах плана в разрешенной области плана. Пересчитывают координаты остальных точек Р2,
P в координаты плана.
2) Применяют уравнения прогноза (7) и (8) для расчета траектории перемещения мобильного терминала от точки Pi до другой точки, например, Р2. Применяют уравнение коррекции (10), при этом функция правдоподобия имеет вид:
Figure imgf000024_0001
Выражение (15) учитывает ограничения плана тем, что обнуляет вес того particle, который пытается пересечь стену.
3) Повторяют п.2 для других пар точек Pj, Pj.
4) Если в процессе выполнения п.2 и 3 произошло обнуление всех весов, то возвращаются к п.1 и задают новую начальную позицию для точки Pi в координатах плана.
5) Повторяют предшествующие пункты, перебирая с некоторым шагом различные начальные позиции точки Рь В результате остаются только те начальные позиции, для которых рассчитанные траектории избежали пересечения стен. Выбирают наилучшую начальную позицию, например, по критерию близости траекторий, оцениваемых по выражениям (12) для двух случаев: с учетом ограничения (15) и без него. Таким образом, определяется начальная позиция одной точки в координатах плана, относительно которой становятся известны координаты на плане всех остальных точек.
Фиг. 4 изображает блок схему системы позиционирования мобильного терминала внутри здания, реализующей описанный выше способ позиционирования. Система функционирует следующим образом. Множество сенсоров 401 производит измерение физических величин в процессе перемещения мобильного терминала внутри здания. Выходные величины сенсоров поступают в компьютер 402, который предназначен для формирования статистических моделей измерений сенсоров в известных позициях и текущего измерения в неизвестной позиции. Примерами статистических моделей измерений сенсоров в известных позициях может быть описанная выше радио карта или магнитная карта помещения. Если компьютер 402 успешно сформировал указанные статистические модели, то соединенный с ним модуль расчета вероятности 403 может оценить вероятность нахождения мобильного терминала в одной из известных позиций.
Поскольку первоначально позиции мобильного терминала в процессе перемещения неизвестны, необходимо их определить, чтобы компьютер был в состоянии выполнить свою задачу. С этой целью в систему добавлен модуль выделения признаков 410, набор хранилищ данных 41 1 и преобразователь координат 412.
Модуль выделения признаков 410 соединен с множеством сенсоров 401. Функцией этого модуля является нахождение в выходных данных сенсоров таких признаков Сь..См, что возникновение в данных с сенсоров признака Ск с высокой вероятностью идентифицирует нахождение мобильного терминала в позиции Рк.
После выявления признаков данные с сенсоров сохраняются в наборе хранилищ данных 41 1, причем каждое из хранилищ однозначно связывается с одним или несколькими признаками Ск и позициями Рк.
Фиг. 5 поясняет использование хранилищ данных в предлагаемой системе позиционирования мобильного терминала. Изображены фрагменты картографированного помещения в виде трёх областей: область 503 с локальной системой координат 502, связанной с хорошо идентифицируемой позицией 501, область 506 с локальной системой координат 505, связанной с хорошо идентифицируемой позицией 504, и область 509 с локальной системой координат 508, связанной с хорошо идентифицируемой позицией 507. Ориентация локальных систем координат 502, 505 и 508 может быть однозначно определена в глобальной системе координат 510. Области 503, 506 и 509 определяют примерное разграничение между локально картографированными фрагментами помещения. При этом данные, относящиеся к локальной системе координат 502, помещены в хранилище 511, данные, относящиеся к локальной системе координат 505, помещены в хранилище 512, а данные, относящиеся к локальной системе координат 508, - в хранилище 513.
Накопленные в наборе хранилищ 411 (фиг. 4) данные используются в преобразователе координат 412 для преобразования локальных координат и для расчета глобальных координат, как описано выше. В результате становятся известны координаты позиций, в которых собраны выходные данные сенсоров. Указанные координаты вместе с данными передаются в компьютер 402, который приобретает возможность построить карту распределения выходных величин сенсоров в здании.
Модуль расчета вероятности 403 выполняет расчеты вероятности нахождения мобильного терминала в одной из известных позиций, например, в соответствии с выражениями (13) и (14). Набор хранилищ данных 411 и преобразователь координат 412 могут быть расположены на мобильном терминале, но также могут быть расположены на удаленном сервере или на облачном ресурсе. Последнее целесообразно, если в помещении одновременно перемещается и участвует в процессе позиционирования более одного мобильного терминала. В этом случае связь с модулем выделения признаков 410 и компьютером 402 может быть реализована посредством беспроводной линии связи. Хранилища данных могут быть реализованы в виде части оперативной памяти (RAM - Random Access Memory) мобильного терминала или сервера, в зависимости от того, где размещены хранилища данных. В качестве компьютера может быть использован процессор мобильного терминала, например, типа ARM Cortex-Ax. Другие вычислительные модули могут быть реализованы на процессоре или на аппаратных ускорителях мобильного терминала или сервера.
Специалисту в данной области, очевидно, что конкретные варианты осуществления данного изобретения были описаны здесь в целях иллюстрации, допустимы различные модификации, не выходящие за рамки и сущности объема изобретения.

Claims

ФОРМУЛА ИЗОБРЕТЕНИЯ
1. Способ позиционирования мобильного терминала внутри зданий, включающий следующие шаги:
• Выявляют признаки, идентифицирующие нахождение мобильного терминала в определенной позиции, на основании данных, полученных от, по крайней мере, одного инерциального и неинерциального сенсора во время перемещения, по крайней мере, одного мобильного терминала;
• Определяют и сохраняют траекторию движения вышеупомянутого мобильного терминала в связанной с вышеупомянутой позицией локальной системе координат и данные с неинерциальных сенсоров;
• Формируют статистически усредненные параметры преобразования локальных систем координат мобильного терминала в позициях, определенных во время перемещения терминала;
• Формируют, по крайней мере, одну карту распределения выходных величин неинерциальных сенсоров на основании данных, полученных на предыдущем шаге;
• Определяют позицию вышеуказанного мобильного терминала на основе данных, полученных на предыдущем шаге.
2. Способ по п. 1, в котором при формировании статистически усредненных параметров преобразования локальных координат для различных пар признаков, выявленных в процессе перемещения, по крайней мере, одного терминала, определяют параметры преобразования локальной системы координат для позиций, соответствующих вышеуказанным признакам, при этом указанные действия повторяются один и более раз.
3. Способ по п. 2, в котором формируют, по крайней мере, одну карту распределения выходных величин, при этом координаты позиций, оцененные в локальных системах координат, полученные в ходе перемещения, по крайней мере, одного терминала, пересчитывают в глобальную систему координат.
4. Способ по п. 3, в котором, дополнительно, вначале получают план здания, при этом пересчет локальных позиций в глобальные производят с учетом ограничений налагаемых планом.
5. Способ по п. 1 или п. 2 или п. 3, в котором при выявлении более одного признака, идентифицирующего нахождение мобильного терминала в определенной позиции, дополнительно уточняют оценку позиции мобильного терминала.
6. Способ по п. 1 или п. 2 или п. 3, в котором признак, идентифицирующий нахождение мобильного терминала в определенной позиции, представляет собой последовательность измерений за определенный интервал времени.
7. Способ по п. 1, в котором количество локальных систем координат меньше числа выявленных признаков.
8. Способ по п. 7, в котором для схожих признаков объединяют связанные с ними позиции в общую зону.
9. Способ по п. 1, в котором оценку позиции осуществляют с помощью партикл- фильтра.
10. Способ по п. 1, в котором мобильный терминал представляет собой устройство, способное снабжать информацией и перемещающееся вместе с пользователем.
11. Способ по п. 8, в котором мобильный терминал представляет собой смартфон или планшетный компьютер, или ноутбук, или автомобильный навигатор.
12. Способ по п. 1, в котором инерциальный сенсор представляет собой гироскоп или акселерометр.
13. Способ по п. 1, в котором неинерциальный сенсор представляет собой магнетометр или компас, или барометр, или видеосенсор, или микрофон или приёмник радиосигнала.
14. Устройство позиционирования мобильного терминала внутри зданий, включающее:
■ одно или более устройств обработки команд;
одно или более устройств хранения данных;
одну или более программ, где одна или более программ хранятся на одном или более устройстве хранения данных и исполняются на одном и более процессоре, причем одна или более программ включает следующие инструкции:
• Выявляют признаки, идентифицирующие нахождение мобильного терминала в определенной позиции на основании данных, полученных от инерциальных и неинерциальных сенсоров во время перемещения, по крайней мере, одного мобильного терминала.
• Определяют и сохраняют траекторию движения вышеупомянутого мобильного терминала, в связанной с вышеупомянутой позицией локальной системе координат, и данные с неинерциальных сенсоров; • Формируют статистически усредненные параметры преобразования локальных систем координат мобильного терминала в позициях, определенных во время перемещения терминала;
• Формируют, по крайней мере, одну карту распределения выходных величин неинерциальных сенсоров на основании данных, полученных на предыдущем шаге;
Определяют позицию вышеуказанного мобильного терминала на основе данных, полученных на предыдущем шаге.
15. Система позиционирования мобильного терминала внутри зданий, включающая: a. по крайней мере, одну компьютерную систему;
b. по крайней мере, один преобразователь координат, соединенный с вышеуказанной компьютерной системой;
c. одно и более хранилище данных, соединенное с, по крайней мере, одним преобразователем координат;
d. по крайней мере, один модуль определения признаков, соединенный с одним и более вышеуказанным хранилищем данных;
e. один и более сенсор, соединённый вышеуказанной компьютерной системой и модулем определения признаков;
f. модуль расчета вероятности нахождения данного устройства в определенной позиции, соединенный с вышеуказанной компьютерной системой.
16. Система по п.15, в которой одно и более хранилище данных и, по крайней мере, один преобразователь координат, располагаются на удаленном сервере или облачном ресурсе.
17. Система по 15, в которой связь между, по крайней мере, одной компьютерной системой и, по крайней мере, одним модулем определения признаков осуществляется посредством беспроводной связи.
18. Система по п.15, в которой связь между компонентами системы осуществляется посредством беспроводной связи.
PCT/RU2014/000822 2014-10-28 2014-10-28 Способ и система позиционирования мобильного терминала внутри зданий WO2016068742A1 (ru)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US15/523,207 US10341982B2 (en) 2014-10-28 2014-10-28 Technique and system of positioning a mobile terminal indoors
PCT/RU2014/000822 WO2016068742A1 (ru) 2014-10-28 2014-10-28 Способ и система позиционирования мобильного терминала внутри зданий

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2014/000822 WO2016068742A1 (ru) 2014-10-28 2014-10-28 Способ и система позиционирования мобильного терминала внутри зданий

Publications (2)

Publication Number Publication Date
WO2016068742A1 true WO2016068742A1 (ru) 2016-05-06
WO2016068742A8 WO2016068742A8 (ru) 2016-07-21

Family

ID=55857907

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2014/000822 WO2016068742A1 (ru) 2014-10-28 2014-10-28 Способ и система позиционирования мобильного терминала внутри зданий

Country Status (2)

Country Link
US (1) US10341982B2 (ru)
WO (1) WO2016068742A1 (ru)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107582062A (zh) * 2017-08-31 2018-01-16 南京华苏科技有限公司 一种室内人体运动轨迹及姿态采集呈现方法和装置
CN109862546A (zh) * 2019-01-21 2019-06-07 中天宽带技术有限公司 基于低功耗蓝牙定位的onu智能网关系统及其服务方法
CN110082716A (zh) * 2019-04-29 2019-08-02 徐州医科大学 一种医院复杂环境室内定位系统及定位方法
WO2023071615A1 (zh) * 2021-10-26 2023-05-04 上海瑾盛通信科技有限公司 定位方法、装置、终端和存储介质

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6806049B2 (ja) * 2015-04-09 2021-01-06 日本電気株式会社 情報処理装置、情報処理システム、位置報知方法及びプログラム
US20180180706A1 (en) * 2015-06-26 2018-06-28 Ent. Services Development Corporation Lp Mobile device locator
EP3314960B1 (en) * 2015-06-29 2020-01-08 HERE Global B.V. Use of encryption to provide positioning support services
US10891029B2 (en) * 2016-10-14 2021-01-12 Here Global B.V. Reporting locations being associated with a problem
US10365111B1 (en) * 2018-07-09 2019-07-30 Mapsted Corp. Method and system for crowd- sourced barometric fingerprint data repository
CN110780325B (zh) * 2019-08-23 2022-07-19 腾讯科技（深圳）有限公司 运动对象的定位方法及装置、电子设备
CN110530370A (zh) * 2019-09-02 2019-12-03 苏士龙 井工矿地面调查导航方法
CN113970328B (zh) * 2020-07-22 2024-03-15 中国电信股份有限公司 室内定位方法、装置及系统
CN111970639B (zh) * 2020-09-02 2023-03-24 Tcl通讯（宁波）有限公司 保持安全距离的方法、装置、终端设备和存储介质
US20220136832A1 (en) 2020-10-30 2022-05-05 Invensense, Inc. Method and system for magnetic-based collaborative positioning
CN114579679A (zh) * 2020-12-01 2022-06-03 中移(成都)信息通信科技有限公司 空间定位数据融合方法、系统、设备及计算机存储介质
CN113048977B (zh) * 2021-03-09 2023-04-18 杭州十域科技有限公司 一种融合无线电波及惯性传感器的室内地磁定位方法
CN113884097A (zh) * 2021-09-27 2022-01-04 漳州立达信光电子科技有限公司 全空间动态侦测风险区域划定方法、系统及安全预警方法
WO2024186942A1 (en) 2023-03-07 2024-09-12 Invensense, Inc. Method and system for crowdsourced creation of magnetic map

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6323807B1 (en) * 2000-02-17 2001-11-27 Mitsubishi Electric Research Laboratories, Inc. Indoor navigation with wearable passive sensors
US20130196684A1 (en) * 2012-01-31 2013-08-01 International Business Machines Corporation Generating indoor radio map, locating indoor target
CN103281778A (zh) * 2013-06-03 2013-09-04 上海北大方正科技电脑系统有限公司 基于无线传感网络的物联网智能手机室内定位方法及系统
US20140073345A1 (en) * 2012-09-07 2014-03-13 Microsoft Corporation Locating a mobile computing device in an indoor environment
US20140080514A1 (en) * 2011-11-16 2014-03-20 Qualcomm Incorporated Characterizing an indoor structure based on detected movements and/or position locations of a mobile device

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030114169A1 (en) * 2001-12-14 2003-06-19 Hitachi, Ltd. Method and system for detecting the position of mobile station
US20100095251A1 (en) * 2008-10-15 2010-04-15 Sony Ericsson Mobile Communications Ab Linkage between motion sensing and position applications in a portable communication device
US9794984B2 (en) * 2013-09-17 2017-10-17 Qualcomm Incorporated Techniques for utilizing access point vicinity information

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6323807B1 (en) * 2000-02-17 2001-11-27 Mitsubishi Electric Research Laboratories, Inc. Indoor navigation with wearable passive sensors
US20140080514A1 (en) * 2011-11-16 2014-03-20 Qualcomm Incorporated Characterizing an indoor structure based on detected movements and/or position locations of a mobile device
US20130196684A1 (en) * 2012-01-31 2013-08-01 International Business Machines Corporation Generating indoor radio map, locating indoor target
US20140073345A1 (en) * 2012-09-07 2014-03-13 Microsoft Corporation Locating a mobile computing device in an indoor environment
CN103281778A (zh) * 2013-06-03 2013-09-04 上海北大方正科技电脑系统有限公司 基于无线传感网络的物联网智能手机室内定位方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107582062A (zh) * 2017-08-31 2018-01-16 南京华苏科技有限公司 一种室内人体运动轨迹及姿态采集呈现方法和装置
CN109862546A (zh) * 2019-01-21 2019-06-07 中天宽带技术有限公司 基于低功耗蓝牙定位的onu智能网关系统及其服务方法
CN109862546B (zh) * 2019-01-21 2022-03-01 中天宽带技术有限公司 基于低功耗蓝牙定位的onu智能网关系统及其服务方法
CN110082716A (zh) * 2019-04-29 2019-08-02 徐州医科大学 一种医院复杂环境室内定位系统及定位方法
WO2023071615A1 (zh) * 2021-10-26 2023-05-04 上海瑾盛通信科技有限公司 定位方法、装置、终端和存储介质

Also Published As

Publication number Publication date
US20180288728A1 (en) 2018-10-04
US10341982B2 (en) 2019-07-02
WO2016068742A8 (ru) 2016-07-21

Similar Documents

Publication Publication Date Title
WO2016068742A1 (ru) Способ и система позиционирования мобильного терминала внутри зданий
Xia et al. Indoor localization on smartphones using built-in sensors and map constraints
Chen et al. A data-driven inertial navigation/Bluetooth fusion algorithm for indoor localization
US10126134B2 (en) Method and system for estimating uncertainty for offline map information aided enhanced portable navigation
EP3213031B1 (en) Simultaneous localization and mapping by using earth&#39;s magnetic fields
Zhuang et al. Evaluation of two WiFi positioning systems based on autonomous crowdsourcing of handheld devices for indoor navigation
US9797732B2 (en) Method and apparatus for using map information aided enhanced portable navigation
Chung et al. Indoor location sensing using geo-magnetism
EP3414524A1 (en) Method and system for using offline map information aided enhanced portable navigation
JP6054535B2 (ja) 歩行者モーション認識基盤の歩行者位置推定装置、及びその方法
Ali et al. Tightly coupling fusion of UWB ranging and IMU pedestrian dead reckoning for indoor localization
US11035915B2 (en) Method and system for magnetic fingerprinting
TW201440013A (zh) 基於虛擬地標之定位及地圖繪製技術
Li et al. Real-time indoor navigation using smartphone sensors
US20180292216A1 (en) Method, device and system for determining an indoor position
He et al. WiFi based indoor localization with adaptive motion model using smartphone motion sensors
Fentaw et al. Indoor localization using magnetic field anomalies and inertial measurement units based on Monte Carlo localization
Retscher et al. An intelligent personal navigator integrating GNSS, RFID and INS for continuous position determination
KR20150046819A (ko) 단말의 위치 정보를 획득하는 방법 및 그에 따른 단말, 그에 따른 시스템
Hu et al. Research on indoor localization method based on PDR and Wi-Fi
Shoushtari et al. L5in+: From an analytical platform to optimization of deep inertial odometry
Ji et al. Towards commercially applicable indoor positioning on smartphones through geomagnetic sensing
Yu et al. An LSTM Approach for Modelling Error of Smartphone-reported GNSS Location Under Mixed LOS/NLOS Environments
Johansson et al. Estimation of Orientation in a Dual-Tag Ultra Wideband Indoor Positioning System
Zhang et al. HCCNet: Hybrid Coupled Cooperative Network for Robust Indoor Localization

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14904825

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 15523207

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 14904825

Country of ref document: EP

Kind code of ref document: A1