Indoor Navigation Performance Analysis Pierre-Yves Gilliéron, Daniela Büchel, Ivan Spassov,...

Post on 05-Apr-2015

104 views 0 download

Transcript of Indoor Navigation Performance Analysis Pierre-Yves Gilliéron, Daniela Büchel, Ivan Spassov,...

Indoor Navigation Performance Analysis

Pierre-Yves Gilliéron, Daniela Büchel, Ivan Spassov, Bertrand Merminod

Referenten: Tino Stein, Helge Neven

Motivation/Ziel

• Definition und Implementierung eines Datenmodells für Indoor-Navigation

• Spezielle Ansprüche:– Anforderungen der Benutzer, z.B.

körperbehinderte Personen– Spezielles Design der Karten-Datenbank

• Performance-Test der Algorithmen

Geodaten-Modellierung

• Knoten und Kanten georeferenziert

• Attribute der Knoten:– X,Y-Koordinate für die Lage– Z-Koordinate = Etage

• Attribute der Kanten:– Typ (horizontal, vertikal)– Länge– Zutrittsprivilegien

Geodaten-ModellierungKnoten/Kanten-Darstellung des Campus:

Geodaten-ModellierungVertikale Verbindungen:

Geodaten-Modellierung

• Shortest Path-Algorithmus:– Dijkstra´s Algorithmus– Zugangsbeschränkung bekommen hohe

Kostenwerte– Kosten der vertikalen Verbindung:

costi = fi(l,s,a,t)l: Länge der Verbindungs: Geschwindigkeit (m/s)a: Zugangsberechtigungt: Personentyp

Map-Matching-Verfahren

• Bestimmung der aktuellen Position auf der Karte

• Bekannte Methoden:– Punkt-zu-Punkt:

– Punkt-zu-Kurve:

Map-Matching-Verfahren

• Kombination der beiden Verfahren

• Zusätzlich: Gewichtung der Kandidaten-Verbindungen

• Bestandteile des Algorithmus:– Initiale Phase– Gewichtungssystem– Vertikale Bewegung

Map-Matching-Verfahren

• Initiale Phase:– Beginnt mit Punkt-zu-Punkt-Abgleich– Bestimmung einer korrekten Verbindung:

• „Gleiche Ebene“-Bedingung• „Ausreichende Nähe“-Bedingung• „Optimale Lage“-Bedingung

Map-Matching-Verfahren

• Gewichtungssystem:– Gewicht für die Nähe zur Verbindung:

• Kriterium: Rechtwinklige Entfernung zum Link (je kleiner die Distanz, desto näher ist der Punkt)

• Gleichung: WSPD = Ap / c(Ap: Gewichtungsparameter > 0, c: Distanz)

– Gewicht für Orientierungsähnlichkeit• Kriterium: Differenz zwischen 2 Azimuten

• Gleichung: WSh = Ah * k(Ah: Gewichtungsparameter > Ap, k: |cos(Δβ)|)

Map-Matching-Verfahren

• Vertikale Bewegung:– Kürzere Schritte

als 45 cm– Höhenänderung um

mehr als 15 cm

Map-Matching-Verfahren

• Vertikale Bewegung:– Kürzere Schritte

als 45 cm– Höhenänderung um

mehr als 15 cm

Algorithmus führtvertikale Bewegung aus

Map-Matching-Verfahren

• Definition der Position:– entspricht der Position auf dem Modell– Projektion des gemessenes Wertes auf die

korrekte Kante

Pedestrian Navigation Module (PNM)

•Beinhaltet:-GPS – Receiver

- dient absoluter Positionierung außerhalb von Gebäuden Kalibrierung

-digitaler Magnetkompass-Kreiselkompass-Barometer-Eingebundene Koppelnavigations-

Algorithmen

Testszenario• Hauptziel:

– Evaluation der Map-Matching-Algorithmen

• Weitere Ziele:– Üben von Fußgängernavigation in

typischen Indoor-Umgebungen– Sammeln von Rohdaten der Wege mit

PNM– Ermitteln der Kalibrierungsparameter– Berechnen der Weg-Daten mit Map-

Matching-Algorithmen– Auswerten der Navigationsperformanz

in spezifischen Situationen

Datenfluss

Performanzkriterien

• Genauigkeit– Integritätsrisiko: Wahrscheinlichkeit, dass

Positionierungsfehler größer als spezifiziertes Limit

• Verfügbarkeit des Navigationsservice

• Kontinuität des Navigationsservice– Navigationsservice muss für Nutzer innerhalb

eines minimalen Zeitintervalls verfügbar sein

Kalibrierung

• ohne GPS-Signal fehlende Skalierungs- und

Rotationsparameter

• nur Eingabe des Startpunktes

• Route im Datenlogger gespeichert Postkalibrierung

• Manuelle Identifikation von Passpunkten

Auswertung des Map-Matching• Indoor-Navigationssystem basiert auf Prinzipien der

Koppelnavigation• Fehler nicht nur zufällig, sondern fortpflanzend

Anwendung von MM-Algorithmen• Zu lösende Hauptprobleme:

– Kontrolle der Position des Nutzers in regelmäßigen Zeitintervallen

– Unterstützung der Rekalibrierung des Systems

• MM-Algorithmus wird im Post-Processing auf transformierte Positionsdaten angewandt

• Anwendung des Point-to-Curve-Matchings lieferte gute Ergebnisse

• Zum Matching vertikaler Bewegungen durch Implementierung vertikaler Knoten

Grafische Analyse (1)

Weg durch Korridor, rot Rohdaten; blau Passpunkte

Grafische Analyse (2)

Weg durch Korridor und Wechsel der Etage mit Fahrstuhlrot Rohdaten; blau Passpunkte

Grafische Analyse (3)

Wechsel der Etage über die Treppenrot Rohdaten; blau Passpunkte