Система позиционирования в помещении - Indoor positioning system

Для более широкого освещения этой темы см. Система позиционирования.

An система позиционирования в помещении (IPS) представляет собой сеть устройств, используемых для обнаружения людей или объектов, где GPS и другие спутниковые технологии не обладают точностью или полностью выходят из строя, например, внутри многоэтажных зданий, аэропортов, переулков, гаражей и подземных помещений.

Для определения местоположения в помещении используется большое количество различных методов и устройств, начиная от уже развернутых реконфигурированных устройств, таких как смартфоны, Вай фай и Bluetooth антенны, цифровые фотоаппараты и часы; для специализированных установок с реле и маяками, стратегически размещенными в определенном пространстве. В сетях IPS используются свет, радиоволны, магнитные поля, акустические сигналы и поведенческая аналитика.[1][2] IPS может достигать точности позиционирования 2 см,[3] что наравне с RTK включенные приемники GNSS, которые могут достигать точности 2 см на открытом воздухе.[4]IPS используют различные технологии, включая измерение расстояния до ближайших узлов привязки (узлов с известными фиксированными положениями, например Вай фай / LiFi точки доступа, Bluetooth-маяки или сверхширокополосные радиомаяки), магнитное позиционирование, счисление.[5] Они либо активно обнаруживают мобильные устройства и метки, либо обеспечивают определение местоположения или окружающей среды для устройств.[6]Локализованный характер IPS привел к фрагментации дизайна, когда системы используют различные оптический,[7] радио,[8][9][10][11][12] или даже акустический[13][14]технологии.

IPS имеет широкое применение в коммерческой, военной, розничной и товарной отраслях. На рынке существует несколько коммерческих систем, но нет стандартов для системы IPS. Вместо этого каждая установка адаптирована к пространственным размерам, строительным материалам, требованиям точности и бюджетным ограничениям.

Для сглаживания для компенсации стохастический (непредсказуемые) ошибки. Должен существовать надежный метод значительного сокращения бюджета ошибок. Система может включать информацию из других систем, чтобы справиться с физической неоднозначностью и включить компенсацию ошибок. Определение ориентации устройства (часто называемое направление по компасу чтобы отличить его от вертикальной ориентации смартфона) может быть достигнуто либо путем обнаружения ориентиров внутри изображений, сделанных в реальном времени, либо с помощью трилатерации с маячками.[15] Также существуют технологии для обнаружения магнитометрической информации внутри зданий или мест со стальными конструкциями или в шахтах по добыче железной руды.[16]

Применимость и точность

Из-за сигнала затухание из-за строительных материалов, спутник спутниковая система навигации (GPS) теряет значительную мощность в помещении, что влияет на необходимое покрытие для приемников как минимум четырьмя спутниками. Кроме того, множественные отражения от поверхностей вызывают многолучевое распространение, приводящее к неконтролируемым ошибкам. Эти же самые эффекты ухудшают все известные решения для определения местоположения внутри помещений, в которых используются электромагнитные волны от внутренних передатчиков к внутренним приемникам. Для решения этих проблем применяется комплекс физических и математических методов. Перспективное направление коррекции ошибок радиочастотного позиционирования открыто за счет использования альтернативных источников навигационной информации, таких как инерциальная единица измерения (IMU), монокулярная камера Одновременная локализация и отображение (SLAM) и WiFi SLAM. Интеграция данных из различных навигационных систем с разными физическими принципами может повысить точность и надежность всего решения.[17]

Соединенные штаты. спутниковая система навигации (GPS) и другие подобные Глобальные навигационные спутниковые системы (GNSS) обычно не подходят для установки внутри помещений, поскольку микроволны будут ослабляться и рассеиваться крышами, стенами и другими объектами. Однако, чтобы сделать сигналы позиционирования повсеместными, можно выполнить интеграцию между GPS и позиционированием в помещении.[18][19][20][21][22][23][24][25]

В настоящее время, GNSS приемники становятся все более и более чувствительными из-за увеличения вычислительной мощности микрочипов. Высокая чувствительность GNSS приемники могут принимать спутниковые сигналы в большинстве помещений, и попытки определить трехмерное положение в помещении оказались успешными.[26] Помимо повышения чувствительности приемников, техника A-GPS используется, когда альманах и другая информация передаются через мобильный телефон.

Однако надлежащее покрытие для четырех спутников, необходимых для обнаружения приемника, не достигается при всех текущих конструкциях (2008–11 гг.) Для работы внутри помещений. Кроме того, средний бюджет ошибок для систем GNSS обычно намного больше, чем ограничения, в которых должно выполняться определение местоположения.

Типы использования

Расположение и позиционирование

Хотя большинство современных IPS способны определять местоположение объекта, они настолько грубые, что их нельзя использовать для обнаружения ориентация или же направление объекта.[27]

Поиск и отслеживание

Смотрите также: Путевая точка и достопримечательность

Одним из методов достижения достаточной эксплуатационной пригодности является "отслеживание ". Формирует ли последовательность определенных местоположений траекторию от первого до самого фактического местоположения. Статистические методы затем служат для сглаживания местоположений, определенных на треке, с учетом физических возможностей объекта перемещаться. Это сглаживание необходимо применять, когда цель перемещается, а также для резидентной цели, чтобы компенсировать ошибочные меры.В противном случае единичное постоянное местоположение или даже отслеживаемая траектория составили бы странствующую последовательность прыжков.

Идентификация и сегрегация

В большинстве приложений совокупность целей больше, чем одна. Следовательно, система IPS должна служить для надлежащей идентификации каждой наблюдаемой цели и должна быть способна разделять и разделять цели индивидуально в группе. IPS должна иметь возможность идентифицировать отслеживаемые объекты, несмотря на "неинтересных" соседей. В зависимости от конструкции либо сенсорная сеть должна знать, от какой метки она получила информацию, либо устройство определения местоположения должно иметь возможность напрямую идентифицировать цели.

Беспроводные технологии

Для определения местоположения можно использовать любую беспроводную технологию. Многие различные системы используют преимущества существующей беспроводной инфраструктуры для определения местоположения внутри помещений. Существует три основных варианта топологии системы для конфигурации оборудования и программного обеспечения: сетевая, терминальная и терминальная. Точность позиционирования можно повысить за счет оборудования и установок беспроводной инфраструктуры.

Система позиционирования на основе Wi-Fi (WPS)

Основная статья: Система позиционирования Wi-Fi
Дальнейшая информация: Время прохождения Wi-Fi туда и обратно

Система позиционирования Wi-Fi (WPS) используется там, где GPS неадекватно. Методика локализации, используемая для определения местоположения с точками беспроводного доступа, основана на измерении интенсивности принимаемого сигнала (мощность полученного сигнала на английском RSS) и метод «дактилоскопии».[28][29][30][31] Для повышения точности методов снятия отпечатков пальцев используются методы статистической постобработки (например, Гауссовский процесс теория) может применяться для преобразования дискретного набора «отпечатков пальцев» в непрерывное распределение RSSI каждой точки доступа по всему местоположению.[32][33][34] Типичные параметры, полезные для геолокации Точка доступа Wi-Fi или же беспроводная точка доступа включить SSID и MAC-адрес точки доступа. Точность зависит от количества позиций, внесенных в базу данных. Возможные колебания сигнала, которые могут возникнуть, могут увеличить количество ошибок и неточностей на пути пользователя.[35][36]

Bluetooth

Первоначально Bluetooth беспокоился о близости, а не о точном местонахождении.[37]Bluetooth не предназначался для привязки местоположения, как GPS, но известен как геозона или решение для микроизгородей, которое делает его решением для приближения в помещении, а не решением для позиционирования внутри помещения.

Микрокартография и картография помещений[38] был подключен к Bluetooth[39] и к Bluetooth LE основан iBeacon продвигаемый Apple Inc.. Реализована и применяется на практике масштабная система позиционирования внутри помещений на базе iBeacons.[40][41]

Положение динамика Bluetooth и домашние сети может использоваться для широкой справки.

Концепции узких мест

Простая концепция индексации местоположения и отчетов о присутствии для помеченных объектов, использует только известную идентификацию датчика.[11] Обычно так бывает с пассивным определение радиочастоты (RFID) / NFC системы, которые не сообщают об уровне сигнала и различных расстояниях отдельных тегов или большого количества тегов и не обновляют какие-либо ранее известные координаты местоположения датчика или текущее местоположение каких-либо тегов. Работоспособность таких подходов требует некоторого узкого прохода для предотвращения выхода за пределы диапазона.

Концепции сетки

Вместо измерения дальнего действия может быть организована плотная сеть приемников малого радиуса действия, например в сетке для экономии во всем наблюдаемом пространстве. Из-за малого диапазона помеченный объект будет идентифицирован только несколькими близкими сетевыми приемниками. Идентифицированный тег должен находиться в пределах досягаемости идентифицирующего считывателя, что позволяет приблизительно определить местоположение тега. Усовершенствованные системы сочетают визуальное покрытие с сеткой камеры с покрытием беспроводной связи для труднопроходимой местности.

Концепции датчиков большого радиуса действия

Большинство систем используют непрерывные физические измерения (например, только угол и расстояние или расстояние) вместе с данными идентификации в одном комбинированном сигнале. Досягаемость этих датчиков обычно охватывает весь этаж, проход или отдельную комнату. Решения с малым радиусом действия применяются с несколькими датчиками и перекрывающимся радиусом действия.

Угол прихода

Угол прихода (AoA) - это угол, под которым сигнал достигает приемника. AoA обычно определяется путем измерения разница во времени прибытия (TDOA) между несколькими антеннами в матрице датчиков. В других приемниках он определяется набором высоконаправленных датчиков - угол может быть определен по тому, какой датчик принял сигнал. AoA обычно используется с триангуляция и известную базовую линию для определения местоположения относительно двух якорных передатчиков.

Время прибытия

Время прибытия (ToA, также время полета) - это время, необходимое сигналу для распространения от передатчика к приемнику. Поскольку скорость распространения сигнала постоянна и известна (без учета различий в средах), время распространения сигнала можно использовать для непосредственного расчета расстояния. Несколько измерений можно комбинировать с трилатерация и мультилатерация найти место. Это метод, используемый GPS. Системы, которые используют ToA, обычно требуют сложного механизма синхронизации для поддержания надежного источника времени для датчиков (хотя этого можно избежать в тщательно спроектированных системах, используя повторители для установления связи[12]).

Точность методов на основе TOA часто страдает от условий сильного многолучевого распространения при локализации внутри помещения, что вызвано отражением и дифракцией радиочастотного сигнала от объектов (например, внутренних стен, дверей или мебели) в окружающей среде. Однако можно уменьшить влияние многолучевого распространения, применяя методы, основанные на временной или пространственной разреженности.[42][43]

Индикация уровня принимаемого сигнала

Индикация уровня принимаемого сигнала (RSSI) - это измерение уровня мощности, принимаемого датчиком. Поскольку радиоволны распространяются согласно закон обратных квадратов, расстояние можно приблизить (обычно с точностью до 1,5 метров в идеальных условиях и от 2 до 4 метров в стандартных условиях[44]) на основе взаимосвязи между уровнем переданного и принятого сигнала (мощность передачи является постоянной в зависимости от используемого оборудования), если никакие другие ошибки не влияют на ошибочные результаты. Внутри зданий нет свободное место, поэтому на точность существенно влияют отражение и поглощение от стен. Нестационарные объекты, такие как двери, мебель и люди, могут представлять еще большую проблему, поскольку они могут влиять на мощность сигнала динамическим и непредсказуемым образом.

Многие системы используют расширенные Вай фай инфраструктура для предоставления информации о местоположении.[8][9][10] Ни одна из этих систем не предназначена для правильной работы с какой-либо инфраструктурой как есть. К сожалению, измерения мощности сигнала Wi-Fi чрезвычайно шумный, поэтому в настоящее время ведутся исследования, направленные на создание более точных систем с использованием статистики для фильтрации неточных входных данных. Системы позиционирования Wi-Fi иногда используются на открытом воздухе в качестве дополнения к GPS на мобильных устройствах, где только несколько беспорядочных отражений нарушают результаты.

Другие беспроводные технологии

Прочие технологии

Нерадиотехнологии можно использовать для позиционирования без использования существующей беспроводной инфраструктуры. Это может обеспечить повышенную точность за счет дорогостоящего оборудования и установок.

Магнитное позиционирование

Основная статья: Магнитное позиционирование

Магнитное позиционирование может предложить пешеходам со смартфонами точность в пределах 1–2 метра в помещении с уровнем достоверности 90% без использования дополнительной беспроводной инфраструктуры для определения местоположения. Магнитное позиционирование основано на железе внутри зданий, которое создает локальные вариации магнитного поля Земли. Неоптимизированные чипы компаса внутри смартфонов могут обнаруживать и записывать эти магнитные вариации для нанесения на карту мест внутри помещений.[47]

Инерционные измерения

Пешеход счисление и другие подходы к позиционированию пешеходов предлагают инерциальная единица измерения переносится пешеходом либо путем косвенного измерения шагов (подсчет шагов), либо при подходе на ногах,[48] иногда ссылаются на карты или другие дополнительные датчики, чтобы ограничить собственный дрейф датчика, встречающийся при инерциальной навигации. Инерционные датчики MEMS страдают от внутренних шумов, которые со временем приводят к кубическому увеличению ошибки положения. Чтобы уменьшить рост ошибок в таких устройствах, Kalman Filtering основанный подход.[49][50][51][52]Однако для того, чтобы он мог создавать карту, структура алгоритма SLAM [53] будет использован.[54][55][56]

Инерционные меры обычно охватывают дифференциалы движения, поэтому местоположение определяется с помощью интегрирования и, следовательно, для получения результатов требуются константы интегрирования.[57][58] Фактическая оценка положения может быть найдена как максимум двумерного распределения вероятностей, которое пересчитывается на каждом шаге с учетом модели шума всех задействованных датчиков и ограничений, создаваемых стенами и мебелью.[59]Основываясь на движениях и поведении пользователей при ходьбе, IPS может определять местоположение пользователей с помощью алгоритмов машинного обучения.[60]

Позиционирование на основе визуальных маркеров

Система визуального позиционирования может определять местоположение мобильного устройства с камерой путем декодирования координат местоположения по визуальным маркерам. В такой системе маркеры размещаются в определенных местах по всему объекту, каждый маркер кодирует координаты этого места: широту, долготу и высоту от пола. Измерение угла обзора от устройства до маркера позволяет устройству оценить свои собственные координаты местоположения относительно маркера. Координаты включают широту, долготу, высоту и высоту от пола.[61]

Расположение на основе известных визуальных особенностей

Набор последовательных снимков с камеры мобильного устройства может создать базу данных изображений, которая подходит для оценки местоположения на месте. После создания базы данных мобильное устройство, перемещающееся по объекту, может делать снимки, которые можно интерполировать в базу данных объекта, получая координаты местоположения. Эти координаты могут использоваться в сочетании с другими методами определения местоположения для повышения точности. Обратите внимание, что это может быть частный случай объединения датчиков, когда камера играет роль еще одного датчика.

Математика

После сбора данных датчика IPS пытается определить место, из которого, скорее всего, была получена полученная передача. Данные от одного датчика обычно неоднозначны и должны быть разрешены с помощью ряда статистических процедур для объединения нескольких входных потоков датчиков.

Эмпирический метод

Один из способов определения местоположения - сопоставление данных из неизвестного местоположения с большим набором известных местоположений с использованием такого алгоритма, как k-ближайший сосед. Этот метод требует всестороннего обследования на месте и будет неточным при любых значительных изменениях в окружающей среде (из-за движущихся людей или движущихся объектов).

Математическое моделирование

Местоположение будет рассчитано математически путем аппроксимации распространения сигнала и определения углов и / или расстояния. Затем обратная тригонометрия будет использоваться для определения местоположения:

Продвинутые системы сочетают более точные физические модели со статистическими процедурами:

Использует

Основным потребительским преимуществом размещения внутри помещений является расширение с учетом местоположения мобильные вычисления в помещении. Поскольку мобильные устройства становятся повсеместными, контекстная осведомленность для приложений стало приоритетом для разработчиков. Однако большинство приложений в настоящее время полагаются на GPS и плохо работают в помещении. Применение внутри помещений включает:

Смотрите также

Рекомендации

  1. ^ Лопес-де-Теруэль, Педро Э .; Гарсия, Феликс Дж .; Кановас, Оскар; Гонсалес, Рубен; Карраско, Хосе А. (01.01.2017). «Мониторинг поведения человека с помощью пассивной системы позиционирования в помещении: пример на предприятии малого и среднего бизнеса». Процедуры информатики. 14-я Международная конференция по мобильным системам и повсеместным вычислениям (MobiSPC 2017) / 12-я Международная конференция по будущим сетям и коммуникациям (FNC 2017) / Аффилированные семинары. 110: 182–189. Дои:10.1016 / j.procs.2017.06.076. ISSN  1877-0509.
  2. ^ Курран, Кевин; Фьюри, Эоган; Ланни, Том; Сантос, Хосе; Вудс, Дерек; МакКоги, Эйден (2011). «Оценка технологий определения местоположения в помещении». Журнал геолокационных служб. 5 (2): 61–78. Дои:10.1080/17489725.2011.562927. S2CID  6154778.
  3. ^ «Точность 2 см при использовании внутренней системы позиционирования». VBOX Automotive. 2019-11-19.
  4. ^ «Точность 2 см при использовании RTK». VBOX Automotive. 2019-11-19.
  5. ^ Цю, Чен; Мутка, Мэтт (2016). «CRISP: сотрудничество между смартфонами для улучшения информации о местоположении внутри помещений». Беспроводные сети. 24 (3): 867–884. Дои:10.1007 / s11276-016-1373-1. S2CID  3941741.
  6. ^ Фьюри, Эоган; Курран, Кевин; МакКевитт, Пол (2012). «ПРИВЫЧКИ: подход байесовского фильтра к отслеживанию и местоположению в помещении». Международный журнал биологических вычислений. 4 (2): 79. CiteSeerX  10.1.1.459.8761. Дои:10.1504 / IJBIC.2012.047178.
  7. ^ а б Лю Х, Макино Х, Мейс К. 2010. Улучшенная оценка местоположения в помещении с использованием системы флуоресцентной связи с девятиканальным приемником. Операции IEICE по коммуникациям E93-B (11): 2936-44.
  8. ^ а б Чанг, Н; Рашидзаде, Р; Ахмади, М. (2010). «Надежное позиционирование в помещении с использованием дифференциальных точек доступа Wi-Fi». IEEE Transactions по бытовой электронике. 56 (3): 1860–7. Дои:10.1109 / tce.2010.5606338. S2CID  37179475.
  9. ^ а б c Chiou, Y; Ван, С; Да, S (2010). «Адаптивная оценка местоположения, использующая алгоритмы отслеживания для внутренних WLAN». Беспроводные сети. 16 (7): 1987–2012. Дои:10.1007 / s11276-010-0240-8. S2CID  41494773.
  10. ^ а б Lim, H; Кунг, L; Hou, JC; Хайюнь, Ло (2010). «Внутренняя локализация с нулевой конфигурацией через беспроводную инфраструктуру IEEE 802.11». Беспроводные сети. 16 (2): 405–20. Дои:10.1007 / s11276-008-0140-3. S2CID  17678327.
  11. ^ а б c Реза, AW; Геок, Т.К. (2009). «Исследование определения местоположения внутри помещения через сеть считывателей RFID с использованием алгоритма покрытия сетки». Беспроводная персональная связь. 49 (1): 67–80. Дои:10.1007 / s11277-008-9556-4. S2CID  5562161.
  12. ^ а б c Чжоу, Y; Закон, CL; Guan, YL; Чин, Ф (2011). «Внутренняя эллиптическая локализация на основе асинхронного измерения диапазона СШП». IEEE Transactions по приборостроению и измерениям. 60 (1): 248–57. Дои:10.1109 / tim.2010.2049185. S2CID  12880695.
  13. ^ а б Schweinzer, H; Каньяк, Г. (2010). «Локализация ультразвукового устройства и его потенциал для безопасности беспроводной сенсорной сети». Инженерная практика управления. 18 (8): 852–62. Дои:10.1016 / j.conengprac.2008.12.007.
  14. ^ Цю, Чен; Мутка, Мэтт (2017). «Бесшумный свист: эффективное позиционирование в помещении с помощью акустического распознавания на смартфонах». 18-й Международный симпозиум IEEE 2017 по миру беспроводных, мобильных и мультимедийных сетей (WoWMoM). С. 1–6. Дои:10.1109 / WoWMoM.2017.7974312. ISBN  978-1-5386-2723-5. S2CID  30783515.
  15. ^ Позиционирование и ориентация с использованием обработки изображений исследование 2007 г. Вашингтонский университет. Было разработано несколько аналогичных подходов, и в настоящее время (2017 г.) существуют приложения для смартфонов, реализующие эту технологию.
  16. ^ Стартап использует смартфон для отслеживания людей в помещении, - About Indoor Atlass (веб-сайт MIT Technology Review)
  17. ^ Владимир Максимов и Олег Табаровский, ООО «РТЛС», Москва, Россия (2013). Обзор подходов к повышению точности для тесно связанной персональной внутренней навигационной системы ToA / IMU. Труды международной конференции по внутреннему позиционированию и внутренней навигации, октябрь 2013 г., Монбельяр, Франция.Смотрите публикацию здесь
  18. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад и Раджа Захила (2015). Offline Beacon Selection-based RSSI Fingerprinting для помощи при покупках с учетом местоположения: предварительный результат. Новые тенденции в интеллектуальной информации и системах баз данных, стр. 303-312, Смотрите публикацию здесь
  19. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад и Раджа Захила (2015). Локализация аварийно-спасательных служб (ERL) с помощью GPS, беспроводной локальной сети и камеры » Международный журнал программной инженерии и ее приложений, Vol. 9, No. 9, pp. 217-232, https://serscjournals.org/index.php/IJSEIA/vol9_no9_2015/19.pdf
  20. ^ Ван Мохд Яакоб Ван Беджури и Мохд Муртадха Мохамад (2014). Анализ производительности обнаружения и сопоставления функций на основе серого мира для мобильных систем позиционирования. Зондирование и визуализация, Vol. 15, No. 1, pp. 1-24 [1]
  21. ^ Ван Мохд, Яакоб Ван Беджури; Муртадха Мохамад, Мохд (2014). «Надежное мобильное позиционирование внутри помещений на основе беспроводной LAN / FM-радио: первый результат» (PDF). Международный журнал программной инженерии и ее приложений. 8 (2): 313–324.
  22. ^ Ван; Яакоб Ван Беджури, Мохд; Муртадха Мохамад, Мохд; Сапри, Маймунах; Шафри Мохд Рахим, Мохд; Асенали Чаудри, Джунаид (2014). «Оценка эффективности обнаружения и сопоставления функций на основе пространственной корреляции для автоматизированной системы навигации для инвалидных колясок». Международный журнал исследований интеллектуальных транспортных систем. 12 (1): 9–19. Дои:10.1007 / s13177-013-0064-х. S2CID  3478714.
  23. ^ Ван Мохд Яакоб Ван Беджури, Ван Мохд Насри Ван Мухамад Саидин, Мохд Муртадха Мохамад, Маймунах Сапри и Ках Сенг Лим (2013). Повсеместное позиционирование: интегрированное позиционирование GPS / беспроводной локальной сети для системы навигации для инвалидных колясок. Интеллектуальные информационные системы и системы баз данных, Vol. 7802, стр. 394-403, Смотрите публикацию здесь
  24. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Маймунах Сапри и Мохд Адли Росли (2012). Повсеместное позиционирование WLAN / камеры с использованием обратной интенсивности цветности Обнаружение и сопоставление пространственных объектов: предварительный результат. Международная конференция по человеко-машинным системам 2012 (ICOMMS 2012). Смотрите публикацию здесь
  25. ^ З. Хорват, Х. Хорват (2014): Точность измерения GPS, встроенного в смартфоны и планшеты, Международный журнал по электронике и коммуникационным технологиям, выпуск 1, стр. 17-19, [2]
  26. ^ "GNSS Indoors - Fighting The Fading, Part 1 - Inside GNSS". www.insidegnss.com. 2008-03-12. Архивировано из оригинал на 2018-01-10. Получено 2009-10-18.
  27. ^ Фьюри, Эоган; Курран, Кевин; МакКевитт, Пол (2012). «Вероятностное моделирование движения человека в помещении для оказания первой помощи». Журнал Ambient Intelligence и Humanized Computing Vol.. 3 (5): 559–569. Дои:10.1007 / s12652-012-0112-4. S2CID  16611408.
  28. ^ Violettas, G.E .; Theodorou, T. L .; Георгиадис, К. К. (август 2009 г.). "Сеть Аргус: Монитор SNMP и позиционирование Wi-Fi, трехуровневый пакет приложений ». 2009 Пятая Международная конференция по беспроводной и мобильной связи. С. 346–351. Дои:10.1109 / ICWMC.2009.64. ISBN  978-1-4244-4679-7. S2CID  23482772.
  29. ^ П. Бахл и В. Н. Падманабхан "RADAR: встроенная в здание радиочастотная система определения местоположения и отслеживания пользователей., "в материалах 19-й ежегодной совместной конференции компьютерных и коммуникационных обществ IEEE (INFOCOM '00), том 2, стр. 775–784, Тель-Авив, Израиль, март 2000 г.
  30. ^ Юсеф, Мустафа; Агравала, Ашок (4 января 2007 г.). «Система определения местоположения Хоруса». Беспроводные сети. 14 (3): 357–374. Дои:10.1007 / s11276-006-0725-7. ISSN  1022-0038. S2CID  62768948.
  31. ^ Ю. Чен и Х. Кобаяши "Геолокация в помещении на основе силы сигнала, "in Proceedings of the IEEE International Conference on Communications (ICC '02), vol. 1, pp. 436–439, New York, NY, USA, апрель – май 2002 г.
  32. ^ Головань А.А. и др. Эффективная локализация с использованием различных моделей среднего смещения в гауссовских процессах // Международная конференция по внутреннему позиционированию и внутренней навигации (IPIN) 2014 г. - IEEE, 2014. - С. 365-374.[3]
  33. ^ Hähnel B. F. D., Fox D. Гауссовские процессы для оценки местоположения на основе силы сигнала // Труды робототехники: наука и системы. - 2006.[4]
  34. ^ Феррис Б., Фокс Д., Лоуренс Н. Д. Wi-Fi-удар с использованием моделей со скрытыми переменными гауссовского процесса // IJCAI. - 2007. - Т. 7. - №. 1. - С. 2480-2485.[5]
  35. ^ Лимберопулос, Димитриос; Лю, Цзе; Ян, Сюэ; Рой Чоудхури, Ромит; Хандзиски, Владо; Сен, Сувик (2015). Реалистичная оценка и сравнение технологий определения местоположения внутри помещений. Материалы 14-й Международной конференции по обработке информации в сенсорных сетях - IPSN '15. С. 178–189. Дои:10.1145/2737095.2737726. ISBN  9781450334754. S2CID  1028754.
  36. ^ Laoudias, C .; Константину, G .; Constantinides, M .; Nicolaou, S .; Zeinalipour-Yazti, D .; Панайоту, К. Г. (2012). "Внутренняя платформа позиционирования Airplace для смартфонов Android". 2012 13-я Международная конференция по управлению мобильными данными IEEE. С. 312–315. Дои:10.1109 / MDM.2012.68. ISBN  978-1-4673-1796-2. S2CID  14903792. (Награда за лучшее демо)
  37. ^ "Все, что вы всегда хотели знать о маяках". Яркий разговор. Получено 2014-06-12.
  38. ^ «Apple запускает масштабный проект по нанесению на карту внутренней части каждого большого здания, которое может». Business Insider. Получено 2014-06-12.
  39. ^ «Apple Inc. iBeacon с Micromapping может произвести революцию в розничной торговле». ValueWalk. Январь 2014. Получено 2014-06-12.
  40. ^ «Музыкальный центр города представляет приложение Wayfinding». Получено 2014-11-28.
  41. ^ «Приложение Music City Center направляет посетителей». Получено 2014-11-28.
  42. ^ Поурхомаюн; Джин; Фаулер (2012). «Внутренняя локализация на основе пространственного разрежения в беспроводной сенсорной сети для вспомогательных систем здравоохранения» (PDF). Embc2012.
  43. ^ C.R. Comsa и др., "Локализация источника с использованием разницы во времени прибытия в рамках структуры разреженного представления ”, ICASSP, 2011.
  44. ^ Чжан Цзе; Лю Хунли; Танджян (декабрь 2010 г.). «Исследование точности определения дальности на основе RSSI беспроводной сенсорной сети». 2-я Международная конференция по информатике и инженерии: 2338–2341. Дои:10.1109 / ICISE.2010.5691135. ISBN  978-1-4244-7616-9. S2CID  14465473.
  45. ^ «Racelogic представляет систему внутреннего позиционирования VBOX». 2018-09-24.
  46. ^ Ли, Йонг Ап; Кавехрад, Мохсен; «Конструкция гибридной системы локализации в помещениях с дальним радиусом действия с коммуникацией в видимом свете и беспроводной сетью», Серия летних тематических встреч Photonics Society, 2012 IEEE, том, №, стр. 82-83, 9–11 июля 2012 г. Смотрите публикацию здесь
  47. ^ «Геопространственный мир, август 2014» (PDF). Журнал Cite требует | журнал = (помощь)
  48. ^ Фокслин, Эрик (1 ноября 2005 г.). «Отслеживание пешеходов с помощью инерционных датчиков, устанавливаемых на башмак». Компьютерная графика и приложения IEEE. 25 (6): 38–46. Дои:10.1109 / MCG.2005.140. PMID  16315476. S2CID  19038276.
  49. ^ Босе, Субходжйоти; Гупта, Амит К .; Гендель, Питер (2017). «О шумовых и энергетических характеристиках устанавливаемой на башмаке инерциальной системы позиционирования с несколькими IMU». 2017 Международная конференция по внутреннему позиционированию и внутренней навигации (IPIN). С. 1–8. Дои:10.1109 / IPIN.2017.8115944. ISBN  978-1-5090-6299-7. S2CID  19055090.
  50. ^ Gupta, Amit K .; Ског, Исаак; Гендель, Питер (2015). «Долгосрочная оценка работоспособности пешеходного навигационного устройства, устанавливаемого на лапах». Ежегодная конференция IEEE в Индии, 2015 г. (INDICON). С. 1–6. Дои:10.1109 / INDICON.2015.7443478. ISBN  978-1-4673-7399-9. S2CID  33398667.
  51. ^ Нильссон, Джон-Олоф; Гупта, Амит К .; Гендель, Питер (2014). «Легкая инерциальная навигация на лапах». 2014 Международная конференция по внутреннему позиционированию и внутренней навигации (IPIN). С. 24–29. Дои:10.1109 / IPIN.2014.7275464. ISBN  978-1-4673-8054-6. S2CID  898076.
  52. ^ Чжан, Вэньчао; Ли, Сянхун; Вэй, Дунъянь; Цзи, Синьчунь; Юань, Хун (2017). «Система PDR на лапах, основанная на алгоритме компаса IMU / EKF + HMM + ZUPT + ZARU + HDR +». 2017 Международная конференция по внутреннему позиционированию и внутренней навигации (IPIN). С. 1–5. Дои:10.1109 / IPIN.2017.8115916. ISBN  978-1-5090-6299-7. S2CID  19693291.
  53. ^ Одновременная локализация и отображение
  54. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Предложение аварийно-спасательного местоположения (ERL) с использованием оптимизации инерциального измерительного блока (IMU) на основе одновременной локализации и отображения пешеходов (SLAM). Международный журнал умного дома. Том 9: № 12, стр: 9-22.https://serscjournals.org/index.php/IJSH/vol9_no12_2015/2.pdf
  55. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Оптимизация местоположения аварийно-спасательных работ (ERL) с использованием повторной выборки KLD: первоначальное предложение. Международный журнал u- и e- Service, Science and Technology. Том 9: № 2, стр: 249-262. https://serscjournals.org/index.php/IJUNESST/vol9_no2/25.pdf
  56. ^ Ван Мохд Яакоб Ван Беджури, Мохд Муртадха Мохамад, Раджа Захила (2015). Оптимизация пылевого фильтра Рао-Блэквелла при одновременной локализации и картировании пешеходов (SLAM): первоначальное предложение. Международный журнал безопасности и ее приложений. Том 9: № 11, стр: 377-390. https://serscjournals.org/index.php/IJSIA/vol9_no11_2015/35.pdf
  57. ^ «Слияние датчиков и карт для навигации внутри помещений». Архивировано из оригинал 28 апреля 2010 г.
  58. ^ «Пешеходная локализация для помещений» (PDF).
  59. ^ Карбони, Давиде; Манчину, Андреа; Маротто, Валентина; Пирас, Андреа; Серра, Альберто (2015). «Внутренняя навигация без инфраструктуры: пример». Журнал геолокационных служб. 9: 33–54. Дои:10.1080/17489725.2015.1027751. S2CID  34080648.
  60. ^ Цю, Чен; Мутка, Мэтт (2017). «Самоулучшающаяся локализация в помещении путем профилирования движения на улице на смартфонах». 18-й Международный симпозиум IEEE 2017 по миру беспроводных, мобильных и мультимедийных сетей (WoWMoM). С. 1–9. Дои:10.1109 / WoWMoM.2017.7974311. ISBN  978-1-5386-2723-5. S2CID  8560911.
  61. ^ Роберто Мишель, (2016) Управление информацией: носимые устройства нуждаются в модернизации, Modern Materials Handling, последнее обращение 28 декабря 2016 г. [6]
  62. ^ Аль-Ахмади, Абдулла; Касайме, Язид Мохаммад; Р. П., Правин; Альгамди, Али (2019). «Байесовский подход к моделированию распространения волн внутри помещений». Прогресс в исследованиях в области электромагнетизма M. 83: 41–50. Дои:10.2528 / pierm19042804. ISSN  1937-8726.
  63. ^ Bai, Y; Цзя, Вт; Чжан, Х; Mao, Z. H .; Вс, М. (2014). Ориентировочное позиционирование в помещении для людей с ослабленным зрением. 12-я Международная конференция по обработке сигналов (ICSP). 2014. С. 678–681. Дои:10.1109 / ICOSP.2014.7015087. ISBN  978-1-4799-2186-7. ЧВК  4512241. PMID  26213718.
  64. ^ Гейт Сакер (март 2010 г.). «Junaio 2.0 - первое внутреннее социальное приложение с дополненной реальностью на SXSW с API для разработчиков». Архивировано из оригинал на 2010-03-12.
  65. ^ "Fraunhofer IIS использует магию позиционирования Awiloc в помещении, чтобы направлять посетителей музея".
  66. ^ Qiu, C .; Мутка, М. В. (01.10.2015). AirLoc: локализация в помещении с помощью мобильных роботов. 2015 12-я Международная конференция IEEE по мобильным специализированным и сенсорным системам (MASS). С. 407–415. Дои:10.1109 / MASS.2015.10. ISBN  978-1-4673-9101-6. S2CID  13133026.

внешняя ссылка