1 / 22

Indoor Navigation Performance Analysis

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:

nikkos
Download Presentation

Indoor Navigation Performance Analysis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Indoor Navigation Performance Analysis Pierre-Yves Gilliéron, Daniela Büchel, Ivan Spassov, Bertrand Merminod Referenten: Tino Stein, Helge Neven

  2. 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

  3. 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

  4. Geodaten-Modellierung Knoten/Kanten-Darstellung des Campus:

  5. Geodaten-Modellierung Vertikale Verbindungen:

  6. 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

  7. Map-Matching-Verfahren • Bestimmung der aktuellen Position auf der Karte • Bekannte Methoden: • Punkt-zu-Punkt: • Punkt-zu-Kurve:

  8. Map-Matching-Verfahren • Kombination der beiden Verfahren • Zusätzlich: Gewichtung der Kandidaten-Verbindungen • Bestandteile des Algorithmus: • Initiale Phase • Gewichtungssystem • Vertikale Bewegung

  9. Map-Matching-Verfahren • Initiale Phase: • Beginnt mit Punkt-zu-Punkt-Abgleich • Bestimmung einer korrekten Verbindung: • „Gleiche Ebene“-Bedingung • „Ausreichende Nähe“-Bedingung • „Optimale Lage“-Bedingung

  10. 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)|)

  11. Map-Matching-Verfahren • Vertikale Bewegung: • Kürzere Schritte als 45 cm • Höhenänderung ummehr als 15 cm

  12. Map-Matching-Verfahren • Vertikale Bewegung: • Kürzere Schritte als 45 cm • Höhenänderung ummehr als 15 cm Algorithmus führtvertikale Bewegung aus

  13. Map-Matching-Verfahren • Definition der Position: • entspricht der Position auf dem Modell • Projektion des gemessenes Wertes auf die korrekte Kante

  14. Pedestrian Navigation Module (PNM) • Beinhaltet: • GPS – Receiver • dient absoluter Positionierung außerhalb von Gebäuden  Kalibrierung • digitaler Magnetkompass • Kreiselkompass • Barometer • Eingebundene Koppelnavigations-Algorithmen

  15. 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

  16. Datenfluss

  17. 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

  18. Kalibrierung • ohne GPS-Signal  fehlende Skalierungs- und Rotationsparameter • nur Eingabe des Startpunktes • Route im Datenlogger gespeichert  Postkalibrierung • Manuelle Identifikation von Passpunkten

  19. 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

  20. Grafische Analyse (1) Weg durch Korridor, rot  Rohdaten; blau  Passpunkte

  21. Grafische Analyse (2) Weg durch Korridor und Wechsel der Etage mit Fahrstuhl rot  Rohdaten; blau  Passpunkte

  22. Grafische Analyse (3) Wechsel der Etage über die Treppen rot  Rohdaten; blau  Passpunkte

More Related