Исследование и разработка алгоритма внутреннего позиционирования с использованием мобильных устройств на основе МЭМС-технологии
.pdfпомогло откалибровать результаты позиционирования PDR и улучшить их сходство с
фактическими траекториями.
3.Был успешно проведен квадратичный регрессионный анализ для расчета минимальных интервалов компоновки между точками линейной калибровки, что позволило свести к минимуму количество контрольных точек, необходимых для позиционирования внутри помещений. Кроме того, это исследование доказало, что линейная или другие регрессии третьего и четвертого порядка были не самыми подходящими для данных датчиков мобильных телефонов.
4.Установление точек калибровки в соответствии с известной информацией о карте было использовано для повышения близости результатов позиционирования PDR к
фактическим траекториям. Точность результатов PDR улучшилась на 95% и показала среднеквадратичную ошибку 0,6 м после калибровки. Более того, 94% откалиброванных данных показали погрешности <1 м, что свидетельствует о точности позиционирования на уровне стола (~1 метр).
Разработка алгоритма автономной навигации в помещении с использованием мобильных устройств, на базе встроенных ИНС, без использования дорогостоящего ПО,
оборудования и т.п., был одним из главных приоритетов в этом исследовании. Поэтому мобильное устройство со встроенными датчиками адаптировано для позиционирования PDR,
а для написания программы используются бесплатные программы, а именно Andro Sensor и Matlab. Таким образом, подтверждается, что разработка высокоточной системы позиционирования внутри помещений без дорогостоящего аппаратного и программного обеспечения и трудоемкого обучения персонала является осуществимой. В дальнейших исследованиях можно рассмотреть вопрос об использовании дополнительных датчиков мобильных устройств (например, камер, магнитометров и барометров) и различных коммуникационных технологий для повышения точности и диапазона применения технологии позиционирования внутри помещений.
69
Заключение Современное основное навигационное и позиционное оборудование, предназначенное
для обеспечения точных сигналов позиционирования, включает в себя глобальные навигационные спутниковые системы, карты и геопространственные базы данных. Хотя глобальные навигационные спутниковые системы созрели и широко распространены, они не могут обеспечить эффективную навигацию и услуги определения местоположения в покрытых зонах или зонах с недостаточным уровнем сигнала, например, в помещениях.
Чтобы решить проблему позиционирования в условиях отсутствия спутникового сигнала и обеспечить экономичное позиционирование внутри помещений, это исследование было направлено на разработку алгоритма внутреннего позиционирования, в которой позиции пользователей рассчитывались с помощью счисления пути пешеходов (PDR) с
использованием встроенного акселерометра и гироскопа в мобильном устройстве. Кроме того,
были установлены угловые и линейные калибровочные точки для корректировки положения с помощью карты.
Результаты научно-исследовательской работы:
1)проведен обзор и сравнительный анализ подходов, применяемых в системах внутреннего позиционирования, в результате чего была определена подходящая технология внутреннего позиционирования в соответствии с целями исследовательской работы;
2)проведено исследование общей структуры к использованию МЭМС-технологии
всистемах внутреннего позиционирования, а именно в инерциальных навигационных системах (ИНС), в результате были исследованы особенности, преимущества и недостатки этих систем, а также был проведен анализ уже существующих методов и алгоритмов для решения проблем позиционирования;
3)был представлен подход с использованием ИНС мобильного устройства на базе МЭМС-технологии для позиционирования в пространстве;
4)были предложены методы обработки данных от встроенных датчиков (МЭМС)
для построения траектории пройденного пути, которые были применены к разработке
алгоритма позиционирования;
5)разработан алгоритм автономной навигации в замкнутом пространстве на основе ранее исследованных методов обработки данных, который был применен в экспериментальной части работы;
6)представлены результаты эксперимента (построение траектории пройденного пути, сравнительный анализ точности позиционирования) в соответствии с техническим заданием:
70
для позиционирования с использованием только датчиков, встроенных в мобильный телефон (МЭМС-акселерометр и МЭМС-гироскоп), для этого были разработан алгоритм на основе PDR и представлены необходимые методы для расчета курса,
обнаружения шага и оценки длины шага пешехода;
для позиционирования PDR с коррекцией на основе точек коррекции использовались те же методы что и в предыдущем эксперименте, но в дополнении к ним были разработаны и использованы методы коррекции для определения установки точек калибровки,
определения расстояния и обнаружения азимута.
Результаты позиционирования с использованием только датчиков, встроенных в мобильный телефон, показали, что точность позиционирования составила всего 4-5%, что побудило к разработке методов коррекции.
Результаты позиционирования PDR с коррекцией показали, что точность позиционирования PDR была повышена более чем на 90% со среднеквадратической ошибкой
0,6 м. Девяносто четыре процента скорректированных данных в результате позиционирования
PDR с коррекцией показали ошибки <1 м, что свидетельствует о точности позиционирования на уровне стола (1 метр).
Также в результате исследования в таблице 4.3 была представлена сравнительная характеристика точности позиционирования от критерия ошибки в интервале 0.5 метра до достижения 100% точности позиционирования для обоих экспериментальных полей. В
результате стопроцентная точность позиционирования достигается при алгоритме PDR с
коррекцией при критериях ошибки 2,4 и 2,5 метра для экспериментальных полей 1 и 2
соответственно.
71
Список использованных источников
1.Mautz, R. Indoor Positioning Technologies. Habilitation Thesis, ETH Zurich, Zurich, Switzerland, 2012.
2.Пелант, Дж.; Тламса, З.; Бенеш, В.; Полак, Л.; Келлер, О.; Болечек, Л.; Куфа,
Дж.; Себеста, Дж.; Краточвил, Т. Локализация устройства BLE внутри помещений на основе отпечатков пальцев RSS, отображенных по режимам распространения. В материалах 27-й
Международной конференции по радиоэлектронике (РАДИОЭЛЕКТРОНИКА), Брно,
Чешская Республика, 19-20 апреля 2017 г.; стр. 1-5.
3.Лю, Х.; Дараби, Х.; Банерджи, П.; Лю, Дж. Обзор методов и систем беспроводного позиционирования внутри помещений. IEEE Trans. Система. Человек Кибернетический.—Часть C Приложение. Rev. 2007, 37, 1067-1080.
4.Ни, Л.М.; Лю, Ю.; Лау, Ю.К.; Патил, А.П. LANDMARC: Определение местоположения в помещении с использованием активной RFID. В материалах 1-й
Международной конференции IEEE по повсеместным вычислениям и коммуникациям 2003
года (PerCom 2003), Форт-Уэрт, Техас, США, 26 марта 2003 года; стр. 1-9.
5.Ду, Ю.; Ян, Д.; Сю, С. Новый метод построения системы позиционирования WiFi с эффективной рабочей силой. Датчики 2015, 15, 8358-8381.
6.Ян, С.С.; Йех, С.Дж.; Лю, Ю.В. Интерполяция базы данных уровня полученного сигнала с помощью кригинга для системы позиционирования Wi-Fi внутри помещений.
Датчики 2015, 15, 21377-21393.
7.Ма, Л.; Сюй, Ю. Восстановление уровня принятого сигнала в системе позиционирования green WLAN в помещении с использованием порогового значения сингулярного значения. Датчики 2015, 15, 1292-1311.
8.Ма, Р.; Го, К.; Ху, К.; Сюэ, Дж. Улучшенный алгоритм позиционирования Wi-Fi
впомещении с помощью взвешенного слияния. Датчики 2015, 15, 21824-21843.
9.Caso, G.; Le, M.T.P.; Nardis, L.D.; Benedetto, M.D. Performance comparison of WiFi and UWB fingerprinting indoor positioning systems. Technologies 2018, 6, 14.
10.Блюменталь Дж.; Гроссманн Р.; Голатовски Ф.; Тиммерманн Д. Взвешенная центроидная локализация в сенсорных сетях на основе Zigbee. В материалах Международной
конференции IEEE 2007 года по интеллектуальной обработке сигналов, Алькала-де-Энарес,
Испания, 3-5 октября 2007 года; стр. 1-6.
11. Bianchi, V.; Ciampolini, P.; De Munari, I. RSSI-Based Indoor Localization and Identification for ZigBee Wireless Sensor Networks in Smart Homes. IEEE Trans. Instrum. Meas. 2018, 1–10.
72
12.Yu, K.; Oppermann, I. UWB positioning for wireless embedded networks. In Proceedings of the 2004 IEEE Radio and Wireless Conference (IEEE Cat. No.04TH8746), Atlanta, GA, USA, 22 September 2004; pp. 459–462.
13.Yua, K.; Montilleta, J.; Rabbachin, A.; Cheonga, P.; Oppermann, I. UWB location and tracking for wireless embedded networks. Signal Process. 2006, 86, 2153–2171.
14.El-Sheimy, N.; Niu, X. The promise of MEMS to the navigation community. Inside GNSS 2007, 2, 46–56.
15.Абдель-Хамид, У. Повышение точности интегрированных систем MEMS-IMU /GPS для наземных транспортных навигационных приложений. Докторская диссертация, Университет Калгари, Калгари, AB, Канада, 2004.
16.S.P. Timoshenkov, A.P. Kulchitsky. Application of MEMS sensors in navigation systems and orientation of moving objects. MIET. News of universities. ELECTRONICS No. 6(98) 2012.
17.Vtorushin S.E., Arshinova A.A., Nesterenko T.G. Temperature drift of natural frequencies of micromechanical gyroscope // Bulletin of Science of Siberia. 2014. No. 1(11). pp. 3 - 5.
18.Фонтанелла Р., Аккардо Д., Карикати Э., Чиммино С., Де Симоне Д. Обширный анализ использования нейронных сетей обратного распространения для выполнения калибровки теплового дрейфа смещения гироскопа MEMS // IEEE/ION Position, Location and Navigation Symposium (PLANS 2016), 11-14 апреля 2016 г., Стр. 672 - 680.
19.Popova I.V., Lestev A.M., Semenov A.A., Ivanov V.A., Rakityansky O.I., Burtsev V.A. Encapsulated micromechanical gyroscopes and accelerometers for navigation and control systems // Gyroscopy and navigation. 2008. No. 3(62). pp. 27-36.
20.Евстафьев С.Д., Ракитянский О.И., Северов Л.А., Семенов А.А. Калибровка информационных характеристик микромеханического гироскопа // Известия Тульского государственного университета. Технические науки. 2012. № 7. С. 167 - 172.
21.Веремеенко К.К., Галай И.А. Разработка алгоритма калибровки инерциальной навигационной системы на двухосном испытательном стенде // Труды МАИ. 2013. № 63.
22.Krijnen B., Brouwer D.M., Abelmann L., Herder J.L. Vacuum behavior and control of a MEMS stage with integrated thermal displacement sensor // Sensors & Actuators: A. Physical, 2016
23.E.J. Ng, Vu A. Hong, Y. Yang, C. Hyuck Ahn, Camille L.M. Everhart, and Thomas W. Kenny. Temperature Dependence of the Elastic Constants of Doped Silicon // Journal of microelectromechanical systems, June 2015, vol. 24, no. 3, pp. 730 - 741.
73
24. Лысенко И.Е. Влияние температурных и технологических погрешностей на
динамику трехосевого микромеханического гироскопа // Гироскопия и навигация. 2006. №
2(53). C. 91 – 92.
25.J. Du, C. Gerdtman, M. Lindén. Signal Quality Improvement Algorithms for MEMS
Gyroscope-Based Human Motion Analysis Systems: A Systematic Review // Sensors, 2018, vol. 18,
issue 4, pp. 1123, doi: 10.3390/s18041123
26.Feng Y., Li X., Zhang X. An Adaptive Compensation Algorithm for Temperature Drift of Micro-Electro-Mechanical Systems Gyroscopes Using a Strong Tracking Kalman Filter // Sensors, 2015.
27.Lomakin M.A. Features of constructing a model of the error of microelectromechanical sensors in solving a navigation problem // Engineering Bulletin of the Don. 2014. No. 2 (29). p. 84.
28.Pazychev D.B. Temperature calibration of a strapless inertial navigation system built on the basis of micromechanical sensing elements // Science and Education. 2011. No. 1. pp. 9-12.
29.Shaimardanov I.H. Method of calibration of a strapless inertial navigation system on
micromechanical accelerometers and gyroscopes // XIII Conference of young scientists “Navigation
and motion control” – Moscow: Publishing house Internavigation, 2011. – 48 s.
30.Selivanova L.M., Shevtsova E.V. Inertial navigation systems Part 1 Single-channel inertial navigation systems., textbook., Moscow, Publishing House of Bauman Moscow State Technical University 2012. p.8.
31.Борза П. В. Распознавание физических упражнений :дис. - Магистерская диссертация, Университет Бабесболяй, факультет математики и компьютерных наук, 2010;
32.Петтерссон Г., Тайск Дж., Халлгрен Х. Преобразование вычисления скрытой марковской модели в C#, Университет Уппсалы. – 2013.
33.Реноден В.; Комбетт С. Магнитные поля, поля ускорения и кватернион гироскопа (MAGYQ) на основе оценки ориентации с помощью датчиков смартфона для навигации пешеходов внутри помещений. Датчики 2014, 14, 22864-22890.
34.Castañón–Puga, M.; Salazar, A.S.; Aguilar, L.; Gaxiola-Pacheco, C.; Licea, G. A novel hybrid intelligent indoor location method for mobile devices by zones using Wi-Fi signals. Sensors 2015, 15, 30142–30164.
35.Дэн, З.-А.; Ван, Г.; Ху, Ю.; Ву, Д. Оценка направления движения для пешеходной навигации внутри помещений с помощью смартфона в кармане. Датчики 2015,
15, 21517-21536.
36. Xu, Z.; Wei, J.; Zhang, B.; Yang, W. A robust method to detect zero velocity for improved 3D personal navigation using inertial sensors. Sensors 2015, 15, 7708–7727.
74
37.Wang, B.; Liu, X.; Yu, B.; Jia, R.; Gan, X. Pedestrian Dead Reckoning Based on Motion Mode Recognition Using a Smartphone. Sensors (Basel) 2018, 18, 1811.
38.Ляо, Дж.К.; Чианг, К.У.; Чжоу, З.М.; Ли, З.Х. Использование онлайн-алгоритмов сглаживания и ограничения для повышения точности навигации пешеходов внутри помещений // J. Photogramm. Дистанционный сенсор 2016, 21, 107-123.
39.Али, А.С.; Сиддхарт, С.; Эль-Шейми, Н.; Сайед, З.Ф. Улучшенный персональный алгоритм подсчета времени для динамического изменения режимов пользователя смартфона. В материалах 25-го Международного технического совещания Спутникового отдела Института навигации (ION GNSS 2012), Нэшвилл, Теннесси, США, 17-
21 сентября 2012 г.; стр. 2432-2439.
40.Ning, F.S.; Wu, D.C. The study of using smart mobile device for step length estimation and step detection. Taiwan J. Geoinform. 2013, 4, 103–116.
41.Lee-Fang Anga, J.; Lee, W.-K.; Ooi, B.-Y.; Wei-Min Ooi, T.; Hwang, S.O. Pedestrian Dead Reckoning with correction points for indoor positioning and Wi-Fi fingerprint mapping. J. Intell. Fuzzy Syst. 2018.
42.Татено, С.; Чо, Ю.; Ли, Д.; Тянь, Х.; Сяо, П. Улучшение подсчета мертвых точек пешеходов путем коррекции курса на основе метода выбора оптимальных точек доступа. В
материалах 56-й ежегодной конференции Общества инженеров по приборам и управлению Японии (SICE) 2017 года, Канадзава, Япония, 19-22 сентября 2017 года.
43.Шин С.Х.; Парк К.Г.; Ким Дж.У.; Хонг Х.С.; Ли Дж.М. Адаптивный алгоритм оценки длины шага с использованием недорогих МЭМС-инерциальных датчиков. В
материалах симпозиума IEEE Sensors Applications 2007 года, Сан-Диего, Калифорния, США,
6-8 февраля 2007 года; стр. 1-5.
44.Jayalath, S.; Abhayasinghe, N. A gyroscopic data based pedometer algorithm. In Proceedings of the International Conference on Computer Science & Education, Colombo, Sri Lanka, 26–28 April 2013; pp. 551–555.
45.Каппи, Дж.; Сирьяринне, Дж.; Сааринен, Дж. Пешеходный навигатор на базе
MEMS-IMU для портативных устройств. В материалах 14-го Международного
технологического совещания Спутникового отдела Института навигации и GPS, Солт-Лейк-
Сити, Юта, США, 11-14 сентября 2001 г.
46.Ailisto, H.J.; Lindholm, M.J.; Mantyjarvi, J.; Vildjiounaite, E.; Makela, S.-M. Identifying people from gait pattern with accelerometers. In Proceedings of the SPIE 5779, Biometric Technology for Human Identification II, Orlando, FL, USA, 28 March 2005.
47.Рай, А.; Чинталапуди, К.К.; Падманабхан, В.Н.; Сен, Р.З. Краудсорсинг с нулевыми усилиями для локализации внутри помещений. В материалах 18-й ежегодной
75
Международной конференции по мобильным вычислениям и сетям, Стамбул, Турция, 22-26
августа 2012 г.; стр. 293-304.
48. Ин, Х.; Силекс, С.; Шницер, А.; Леонхардт, С.; Шик, М. Автоматическое определение шага в сигнале акселерометра. В материалах 4-го Международного семинара по носимым и имплантируемым сенсорным сетям тела (BSN 2007), Ахен, Германия, 26-28 марта
2007 г.; Springer: Берлин/Гейдельберг, Германия; стр. 80-85.
49.Zhao, X.; Syed, Z.; Wright, D.B.; El-Sheimy, N. An economical and effective multi sensor integration for portable navigation system. In Proceedings of the 22nd International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS 2009), Savsannah, GA, USA, 22–25 September 2009; pp. 2088–2095.
50.Lan, K.C.; Shih, W.Y. Using smart-phones and floor plans for indoor location tracking. IEEE Trans. Hum. Mach. Syst. 2014, 44, 211–221.
51.Chen, G.L.; Fei, L.I.; Zhang, Y.Z. Pedometer method based on adaptive peak detection algorithm. J. Chin. Inertial Technol. 2015, 23, 315–321.
52.Yang, X.; Huang, B. An accurate step detection algorithm using unconstrained smartphones. In Proceedings of the 27th Chinese Control and Decision Conference, Qingdao, China, 23–25 May 2015; pp. 5682–5687.
53.Savitzky, A.; Golay, M.J.E. Soothing and differentiation of data by simplified least squares procedures. Anal. Chem. 1964, 36, 1627–1639. Sensors 2018, 18, 4285 18 of 18
54.Riordon, J.; Zubritsky, E.; Newman, A. Top 10 articles. Anal. Chem. 2000, 72, 324A–
329A.
55.Schafer, R.W. What Is a savitzky-golay filter? IEEE Signal Process. Mag. 2011, 28,
111–117.
56.Groves P. D. Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems [Text]. –– Artech House, 2013.
57.Salychev O. S. Applied inertial navigation: problems and solutions [Text]. –– BMSTU press, 2004. –– 302 p.
58.Алгоритмы корректируемых инерциальных навигационных систем, решающих задачу топопривязки [Текст] / Н. Парусников, А. Голован, А. Горицкий, В. Тихомиров // М.:
Изд-во МГУ, Механико-математический факультет, Препринт. –– 1994. –– Т. 2.
59.MEMS and FOG technologies for tactical and navigation grade inertial sensors—
Recent improvements and comparison [Text] / O. Deppe, G. Dorner, S. König, T. Martin, [et al.] //
Sensors. –– 2017. –– Vol. 17, no. 3. –– P. 567.
60.King A. Inertial navigation-forty years of evolution [Text] // GEC review. –– 1998. –
–Vol. 13, no. 3. –– P. 140––149.
76
61.Fitzgerald A. M. MEMS Inertial Sensors [Text] // Position, Navigation, and Timing Technologies in the 21st Century: Integrated Satellite Navigation, Sensor Systems, and Civil Applications. –– 2020. –– P. 1435––1446.
62.Sensortec B. Intelligent 9-axis absolute orientation sensor [Electronic Resource]. ––
2019. –– URL: https: / / www. bosch - sensortec. com / media / boschsensortec / downloads /
datasheets / bst - bno055 - ds000. pdf (visited on 01/10/2021).
63.Invensense T. MPU-9250 Datasheet [Electronic Resource]. –– 2015. –– URL: https://invensense.tdk.com/download-pdf/mpu-9250-register-map/ (visited on 01/15/2021).
64.Kempe V. Inertial MEMS: principles and practice [Text]. –– Cambridge University
Press, 2011.
65.Sola J. Quaternion kinematics for the error-state Kalman filter [Text] // arXiv preprint arXiv:1711.02508. –– 2017.
66.Foxlin E. Pedestrian tracking with shoe-mounted inertial sensors [Text] // IEEE Computer graphics and applications. –– 2005. –– Vol. 25, no. 6. –– P. 38––46.
67.Farrell J. Aided navigation: GPS with high rate sensors [Text]. –– McGraw-Hill, Inc.,
2008.
68.Fossen T. I. Handbook of marine craft hydrodynamics and motion control [Text]. ––
John Wiley & Sons, 2011.
69. Vitali R. V., McGinnis R. S., Perkins N. C. Robust error-state Kalman filter for estimating IMU orientation [Текст] // IEEE Sensors Journal. –– 2020. –– Т. 21, № 3. –– С. 3561––
3569.
70.Roumeliotis S. I., Sukhatme G. S., Bekey G. A. Circumventing dynamic modeling: Evaluation of the error-state kalman filter applied to mobile robot localization [Text] // Proceedings 1999 IEEE International Conference on Robotics and Automation (Cat. No. 99CH36288C). Vol. 2.
––IEEE. 1999. –– P. 1656––1663.
71.Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Hadri Omar, Farhana Syed Omar and Nurfarah Ain Limin (2019). Robust Special Strategies Resampling for Mobile Inertial Navigation Systems. International Journal of Innovative Technology and Exploring Engineering. Vol. 9(2), pp. 3196-3024.
72.Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Raja Zahilah Raja Mohd Radzi, Sheikh Hussain Shaikh Salleh (2019). Vol. 11432, pp. 555-563.
77