Indoor Localization Using Radio, Vision and Audio Sensors: Real-Life Data Validation and Discussion

要約

この論文では、同じ環境で無線センサー、視覚センサー、音声センサーをそれぞれ使用した屋内位置特定方法を調査します。
評価は最先端のアルゴリズムに基づいており、実際のデータセットが使用されます。
より具体的には、大規模 MIMO テクノロジーを使用した無線ベースの位置特定のための機械学習アルゴリズム、RGB-D カメラを使用したビジョンベースの位置特定のための ORB-SLAM3 アルゴリズム、およびマイク アレ​​イを使用した音声ベースの位置特定のための SFS2 アルゴリズムを評価します。
屋内位置特定タスクにさまざまなセンサーを使用する利点と制限を分析するために、位置特定の精度、信頼性、校正要件、潜在的なシステムの複雑さなどの側面について説明します。
この結果は、センサーフュージョンやコンテキストおよび環境を認識した適応などを通じて、堅牢で高精度の多感覚位置特定システムをさらに開発するためのガイドラインおよび基礎として機能します。

要約(オリジナル)

This paper investigates indoor localization methods using radio, vision, and audio sensors, respectively, in the same environment. The evaluation is based on state-of-the-art algorithms and uses a real-life dataset. More specifically, we evaluate a machine learning algorithm for radio-based localization with massive MIMO technology, an ORB-SLAM3 algorithm for vision-based localization with an RGB-D camera, and an SFS2 algorithm for audio-based localization with microphone arrays. Aspects including localization accuracy, reliability, calibration requirements, and potential system complexity are discussed to analyze the advantages and limitations of using different sensors for indoor localization tasks. The results can serve as a guideline and basis for further development of robust and high-precision multi-sensory localization systems, e.g., through sensor fusion and context and environment-aware adaptation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google