Bakalárska práca

Názov práce

Využitie časticového filtra na lokalizáciu v indoor prostredí

Súbory

Vedúci práce

RNDr. Miroslav Opiela

Motivácia

Stalo sa vám už, že ste vošli do obrovského nákupného centra s cieľom kúpiť jedinú vec v konkrétnom obchode a trvalo vám polhodinu, kým ste daný obchod našli? Niektoré ženy s tým možno nemajú problém, keďže pri nakupovaní sa veľmi nezvyknú držať plánu, skôr sú spontánne v rozhodovaní, či vstúpiť do niektorého z obchodov, ktorý im vošiel do cesty, a teda prešli by sa po celom nákupnom centre tak či tak. Tento ženský globálny problém ale nie je to, čomu sa budem venovať v mojej bakalárskej práci.

Áno, v mnohých veľkých budovách existujú rôzne značenia určené pre navigáciu ľudí, ako napr. zvislé, či aj vodorovné značky, šípky, veľké informačné tabule, mapy... Aj keď existencia týchto značení je nápomocná, štruktúra budovy je niekedy tak zložitá, že aj pre nás mužov, ktorí máme zmysel pre orientáciu, môže byť náročné zorientovať sa v danom priestore. Teraz si predstavte, že sa ocitnete v nejakej budove a chcete sa dostaviť na konkrétne miesto. Vytiahnete si mobil, zapnete aplikáciu, zobrazí sa vám 3D mapa budovy s označením vašej aktuálnej pozície, zadáte miesto, kam si prajete ísť a aplikácia vás tam zavedie s príslušnou vizualizáciou a hlasovými navigačnými pokynmi. Je to celkom príjemná predstava.

Teda študovať a vyvíjať rôzne technológie, princípy, algoritmy, súvisiace s indoor lokalizáciou, má význam. Je to oblasť relatívne mladá, nie úplne preskúmaná, ktorá má budúcnosť.

Keďže GPS signál je v budovách nedostupný, muselo sa prísť na nové riešenie, ako zistiť aktuálnu pozíciu používateľa v budove. Existuje na to viacero metód, no nijaká z nich nie je dokonalá, každá má svoje výhody aj nevýhody. Jedným z riešení je využitie existujúcej infraštruktúry (napr. metóda WiFi fingerprinting) alebo prístup založený na kinematike chôdze, nazývaný PDR (Pedestrian Dead Reckoning). Reálne sa využívajú rôzne kombinácie týchto metód.

PDR je založený na detekcii krokov používateľa, na čo využíva rôzne senzory (akcelerometer, kompas, gyroskop...), ktoré má dané zariadenie v sebe zabudované. S nepresnosťou prijatých dát zo senzorov sa vysporiadal využitím Bayesovských filtrov a jednou z ich implementácií je aj časticový filter, ktorý je skúmaným objektom mojej bakalárskej práce.

Ciele

1. Preskúmať a analyzovať rôzne implementácie a voľbu parametrov časticového filtra

2. Preskúmať a porovnať známe prístupy lokalizácie v indoor prostredí s využitím časticového filtra

3. Implementovať a prakticky overiť použiteľnosť časticového filtra na lokalizáciu používateľa smartfónu vybaveného senzormi v indoor prostredí

Literatúra

1. Arulampalam, M.S., Maskell, S., Gordon, N. and Clapp, T., 2002. A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking. IEEE Transactions on signal processing, 50(2), pp.174-188.

2. Chen, Z., 2003. Bayesian filtering: From Kalman filters to particle filters, and beyond. Statistics, 182(1), pp.1-69.

3. Radu, V. and Marina, M.K., 2013, October. Himloc: Indoor smartphone localization via activity aware pedestrian dead reckoning with selective crowdsourced wifi fingerprinting. In Indoor Positioning and Indoor Navigation (IPIN), 2013 International Conference on (pp. 1-10). IEEE.