Preprint

Praxistaugliche Indoor Navigation für Smartphones auf Grundlage einer messtechnischen Untersuchung

Authors:
  • i3mainz – Institute for Spatial Information and Surveying Technology
To read the file of this research, you can request a copy directly from the authors.

No file available

Request Full-text Paper PDF

To read the file of this research,
you can request a copy directly from the authors.

ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Navigation systems help users access unfamiliar environments. Current technological advancements enable users to encapsulate these systems in handheld devices, which effectively increases the popularity of navigation systems and the number of users. In indoor environments, lack of Global Positioning System (GPS) signals and line of sight with orbiting satellites makes navigation more challenging compared to outdoor environments. Radio frequency (RF) signals, computer vision, and sensor-based solutions are more suitable for tracking the users in indoor environments. This article provides a comprehensive summary of evolution in indoor navigation and indoor positioning technologies. In particular, the paper reviews different computer vision-based indoor navigation and positioning systems along with indoor scene recognition methods that can aid the indoor navigation. Navigation and positioning systems that utilize pedestrian dead reckoning (PDR) methods and various communication technologies, such as Wi-Fi, Radio Frequency Identification (RFID) visible light, Bluetooth and ultra-wide band (UWB), are detailed as well. Moreover, this article investigates and contrasts the different navigation systems in each category. Various evaluation criteria for indoor navigation systems are proposed in this work. The article concludes with a brief insight into future directions in indoor positioning and navigation systems.
Article
Full-text available
Indoor localization has recently witnessed an increase in interest, due to the potential wide range of services it can provide by leveraging Internet of Things (IoT), and ubiquitous connectivity. Different techniques, wireless technologies and mechanisms have been proposed in the literature to provide indoor localization services in order to improve the services provided to the users. However, there is a lack of an up-to-date survey paper that incorporates some of the recently proposed accurate and reliable localization systems. In this paper, we aim to provide a detailed survey of different indoor localization techniques such as Angle of Arrival (AoA), Time of Flight (ToF), Return Time of Flight (RTOF), Received Signal Strength (RSS); based on technologies such as WiFi, Radio Frequency Identification Device (RFID), Ultra Wideband (UWB), Bluetooth and systems that have been proposed in the literature. The paper primarily discusses localization and positioning of human users and their devices. We highlight the strengths of the existing systems proposed in the literature. In contrast with the existing surveys, we also evaluate different systems from the perspective of energy efficiency, availability, cost, reception range, latency, scalability and tracking accuracy. Rather than comparing the technologies or techniques, we compare the localization systems and summarize their working principle. We also discuss remaining challenges to accurate indoor localization.
Article
Full-text available
We present an approach for the localisation of passive receiver nodes in a communication network. The only source of information is the time when environmental sound or ultrasound signals are received. The discrete signals occur at unknown positions and times, but they can be distinguished. The clocks of the receivers are synchronised, so the time differences of arrival TDOA of the signals can be computed. The goal is to determine the relative positions of all receiver nodes and implicitly the positions and times of the environmental signals. Our proposed approach, the Cone Alignment algorithm, solves iteratively a nonlinear optimisation problem of TDOA using a physical spring–mass simulation. We present a geometrical representation of the error function, which is modelled by physical springs. By iterative relaxation of the springs, the error function is minimised. The approach is tested in numerous simulations, whereby our algorithm shows a smaller tendency to get stuck in local minima than a nonlinear least-squares approach using gradient descent. In experiments in a real-world setting, we demonstrate and evaluate a tracking system for a moving ultrasound beacon without the need to initially calibrate the positions of the receivers. Using our algorithm, we estimate the trajectory of a moving model train and of an RC car with a precision in the range of few centimetres.
Thesis
Mit der Lokalisierung von Personen oder Objekten wird üblicherweise die Bestimmung des Aufenthaltsortes in Form einer Position in einem Bezugssystem bezeichnet. Im Außenbereich wird dies in der Regel mithilfe satellitenbasierter Systeme (Global Navigation Satellite System, GNSS) in einem globalen Bezugssystem realisiert. Die automatische Positionierung von Personen und/oder Objekten in Gebäuden stellt jedoch eine enorme Herausforderung dar. Im Inneren von Gebäuden werden die Satellitensignale durch Bauteile (z. B. Wände oder Decken) abgeschirmt bzw. reflektiert oder stark gedämpft, sodass sie nicht mehr für eine flächendeckende Positionsbestimmung genutzt werden können. Für ausgewählte Anwendungen erfolgt die Positionierung im Gebäudeinneren bereits auf Basis verschiedener Technologien (z. B. WLAN, RFID, Ultraschall oder UWB), eine Standardlösung existiert jedoch nicht. Viele Indoor-Positionierungssysteme sind meist nur für konkrete Anwendungen geeignet oder können lediglich unter gewissen Voraussetzungen, zum Beispiel zusätzlicher Infrastrukturen und/oder Sensorik, verwendet werden. Das Smartphone, ein weitverbreitetes low-cost Multisensorsystem, scheint eine vielversprechende Plattform für die Indoor-Lokalisierung für den Massenmarkt zu sein und tritt zunehmend in den Fokus. Die heutigen Endgeräte verfügen über eine Vielzahl von Sensoren, die für die Indoor-Positionierung ohne großen technischen Aufwand genutzt werden können.In der vorliegenden Arbeit wird ein Ansatz zur Smartphone-basierten Echtzeit-Fußgängerpositionierung im Innenbereich vorgestellt. Die Idee ist es, mithilfe der in den Smartphones eingebetteten Sensoren und auf Grundlage eines Gebäudemodells die eigene 2,5D-Position in Echtzeit mit einer Lageabweichung kleiner als fünf Metern zu schätzen. Hierfür werden Untersuchungen betreffend der barometrischen Höhenschätzung durchgeführt, um anhand der Luftdruckdaten das Stockwerk abzuleiten, in welchem sich der Smartphone-Benutzer aufhält. Im Anschluss der Stockwerksbestimmung wird die 2D-Position nach dem Prinzip der Koppelnavigation auf Basis der aus den Sensordaten extrahierten Nutzerbewegungen geschätzt. Zur Einschränkung der starken Fehlerakkumulation in der Lagebestimmung, hervorgerufen durch diverse Sensorfehler, werden zusätzliche Informationen, u. a. ein Gebäudemodell, in die Positionsschätzung integriert. Das Gebäudemodell dient zur Identifizierung von zulässigen (z. B. Räume, Durchgänge) und unzulässigen (z. B. Wände) Gebäudebereichen. Für die Zusammenführung verschiedener Informationen wird eine sequenzielle Monte Carlo Methode genutzt. Neben der eigentlichen Gebäudestruktur werden zudem Informationen weiterer Positionierungssysteme, basierend auf z. B. BLE-Beacons, magnetischen Anomalien oder WLAN Access Points, eingebunden, um die Echtzeit-Positionsschätzung zu stützen bzw. zu optimieren.
Chapter
Im Brandschutz ist die schnellstmögliche Rettung von Menschen durch die Einsatzkräfte ein primäres Ziel. In komplexen Gebäuden – insbesondere bei beeinträchtigten Sichtverhältnissen durch Rauch – ist die Bestimmung der Position der Einsatzkraft und die Wegfindung zu den zu rettenden Personen sowie das schnelle Verlassen des Gebäudes zeitkritisch. Um diesen Prozess zu unterstützen, sind Methoden zur Ortung und Wegberechnung (Navigation) in Gebäuden erforderlich (indoor). Die Navigationsmethoden, die außerhalb von Gebäuden verwendet werden, sind indoor nicht geeignet. Für den Aufbau einer Indoor-Funk-Infrastruktur zur Ortung und Wegberechnung bietet die Radio-Frequency-Identification (RFID) Sensortechnologie in Kombination mit BIM eine hervorragende Ausgangsbasis. Für den Bereich der Wegfindung können Wegegraphen (auch Routingnetze genannt) auf Grundlage des BIM berechnet werden. Dafür sind Informationen über die Topologie und Topografie des Gebäudes mit zusätzlicher Semantik über begehbare Wege (z. B. Flure, Treppen, Türen) erforderlich. Diese Informationen sind in BIM grundsätzlich vorhanden und können für diesen Anwendungsfall – angereichert um die Positionen der im Gebäude verteilten RFID-Sensoren – effizient weiterverwendet werden. Die neuen Methoden zur BIM-basierten Ortung und Wegberechnung mit RFID-Sensoren in Gebäuden für den Anwendungsfall Brandschutz werden in diesem Beitrag vorgestellt.
The Levenberg-Marquardt algorithm for nonlinear least squares curvefitting problems
  • H P Gavin
Gavin, H. P. (2020). The Levenberg-Marquardt algorithm for nonlinear least squares curvefitting problems, http://people.duke.edu/~hpgavin/ce281/lm.pdf, abgerufen am 26.01.2021.
Indoor Positioning and Navigation Market -Forecast
  • Industryarc
IndustryARC(2019). Indoor Positioning and Navigation Market -Forecast(2021 -2026), https://www.industryarc.com/Report/43/global-indoor-positioning-navigationmarket.html, Zusammenfassung abgerufen am 18.01.2021
How to Calculate Distance from the RSSI value of the BLE Beacon
  • Iotbymukund
IOTBYMUKUND (2016). How to Calculate Distance from the RSSI value of the BLE Beacon, https://iotandelectronics.wordpress.com/2016/10/07/how-to-calculate-distancefrom-the-rssi-value-of-the-ble-beacon/, abgerufen am 26.01.2021.
Dead reckoning methods for pedestrian navigation
  • D Kiran
Kiran, D. (2017). Dead reckoning methods for pedestrian navigation. Masterarbeit. Chalmers University of Technology, Göteborg, https://odr.chalmers.se/handle/20.500.12380/252179.
Calibrating your Beacons
  • Kontakt
  • Support
Kontakt.io Support (2021). Calibrating your Beacons, https://support.kontakt.io/hc/engb/articles/115000091764-Calibrating-your-Beacons-, abgerufen am 26.01.2021.
New indoor navigation system for visually impaired people using visible light communication
  • Ss O H Madgwick
  • S Haruyama
Madgwick, SS O.H. (2010): An efficient orientation filter for inertial and inertial/magnetic sensor arrays. Online verfügbar unter https://www.xio.co.uk/res/doc/madgwick_internal_report.pdf zuletzt geprüft am 30.01.2021. Nakajima, M.; Haruyama, S. (2013). New indoor navigation system for visually impaired people using visible light communication. EURASIP Journal on Wireless Communications and Networking 2013(1)
Android Beacon Library
  • Radius Networks
Radius Networks (2020). Android Beacon Library, https://altbeacon.github.io/androidbeacon-library/, abgerufen am 26.01.2021.