Echtzeit-Positionierung für Fußgänger innerhalb von Gebäuden auf Basis von Smartphone-Sensoren

Real Ehrlich, Catia Maria; Blankenbach, Jörg; Eichhorn, Andreas

doi:10.18154/RWTH-2018-231487

Echtzeit-Positionierung für Fußgänger innerhalb von Gebäuden auf Basis von Smartphone-Sensoren = Indoor positioning for pedestrians in real-time based on smartphone sensors

Real Ehrlich, Catia Maria^RWTH*

2018 & 2019

VerantwortlichkeitsangabeCatia Maria Real Ehrlich

ImpressumAachen 2018

Umfang1 Online-Ressource (XXVIII, 260 Seiten) : Illustrationen, Diagramme

ReiheVeröffentlichung des Geodätischen Instituts der Rheinisch-Westfälischen Technischen Hochschule Aachen ; 69

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2018

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2019

Genehmigende Fakultät
Fak03

Hauptberichter/Gutachter
Blankenbach, Jörg (Thesis advisor)^RWTH* ; Eichhorn, Andreas (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2018-11-02

Online
DOI: 10.18154/RWTH-2018-231487
URL: http://publications.rwth-aachen.de/record/751606/files/751606.pdf

Einrichtungen

Lehrstuhl für Bauinformatik und Geoinformationssysteme und Geodätisches Institut (316210)

Inhaltliche Beschreibung (Schlagwörter)
BLE-Beacons (frei) ; Indoor Positioning (frei) ; Magnetische Anomalien (frei) ; Partikelfilter (frei) ; Sensorfusion (frei) ; Smartphone (frei)

Thematische Einordnung (Klassifikation)
DDC: 624

Kurzfassung
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.

Knowing the position of an object or person inside buildings would be useful for many fields of application such as pedestrian navigation (e.g. visitor guidance), facility management (e.g. supporting maintenance), disaster management (e.g. localization of rescue teams) or mobile robotics. In outdoor environments, satellite-based positioning systems (Global Navigation Satellite System, GNSS) are typically used for localization purposes. Inside of buildings, the satellite signals are reflected or attenuated by building components (e.g. walls or ceilings), consequently, it is hardly feasible for continuous and reliable indoor positioning. For selected applications, the positioning inside of buildings is already based on various technologies (e.g. WLAN, RFID, ultrasound or UWB), but a standard solution does not exist. Many indoor positioning systems are only suitable for specific applications or can only be used under certain conditions, for example with additional infrastructures and / or sensor technology. The smartphone, a widely used low-cost multi sensor system, appears to be a promising platform for indoor localization for the mass market and is increasingly coming into focus. Today's end devices have a variety of sensors that can be used for indoor positioning with low technical effort. In this work, a real-time indoor pedestrian tracking system based on smartphone sensors is presented which is independent from any additional infrastructure in the basic set up. The idea is to use the sensors embedded in the smartphones to estimate the 2,5D position in real-time with a positional deviation of less than five meters. For this purpose, measurements concerning the barometric altitude estimation are carried out in order to derive the floor on which the user resides. After the floor determination, the 2D position is estimated using the principle of dead reckoning based on the users' movements extracted from the smartphone sensors. In order to minimize the strong error accumulation in the localization caused by various sensor errors, additional information such as building models is integrated into the position estimation. The building model is used to identify permissible (e.g. rooms, passageways) and impermissible (e.g. walls) building areas. For the fusion of different information (linear and nonlinear) a sequential Monte Carlo method is used. In addition to the actual building structure, information from other positioning systems based on e.g. BLE beacons, magnetic anomalies or WLAN access points, is integrated to support or optimize the real-time position estimation respectively.

OpenAccess:
PDF
(additional files)