Multimodal Indoor Localization Using Crowdsourced Radio Maps

要約

屋内測位システム (IPS) は従来、オドメトリと WiFi などの建物インフラストラクチャに依存しており、多くの場合、精度を高めるために建物のフロア プランによって補完されています。
ただし、更新の可用性と適時性の点でフロア プランには制限があるため、その広範な適用性には課題があります。
対照的に、スマートフォンや WiFi 対応ロボットの普及により、クラウドソースのラジオ マップ (場所と対応する受信信号強度 (RSS) を組み合わせたデータベース) がますます利用しやすくなりました。
これらの無線マップは、WiFi 指紋と位置のペアを提供するだけでなく、フロア プランによって課される制約に似た動きの規則性をエンコードします。
この研究では、マルチモーダル IPS におけるフロア プランの代替としてこれらの無線マップを活用する可能性を調査します。
私たちは、無線地図の不正確さとカバレッジのまばらさという課題に対処するための新しいフレームワークを導入します。
私たちが提案するシステムは、WiFi 位置特定のための不確実性を認識したニューラル ネットワーク モデルと、最適な融合のための特注のベイズ融合技術を統合しています。
複数の実世界のサイトでの広範な評価では、パフォーマンスが大幅に向上していることが示されており、最良のベースラインと比較して最大 25% の改善が示されています。

要約(オリジナル)

Indoor Positioning Systems (IPS) traditionally rely on odometry and building infrastructures like WiFi, often supplemented by building floor plans for increased accuracy. However, the limitation of floor plans in terms of availability and timeliness of updates challenges their wide applicability. In contrast, the proliferation of smartphones and WiFi-enabled robots has made crowdsourced radio maps – databases pairing locations with their corresponding Received Signal Strengths (RSS) – increasingly accessible. These radio maps not only provide WiFi fingerprint-location pairs but encode movement regularities akin to the constraints imposed by floor plans. This work investigates the possibility of leveraging these radio maps as a substitute for floor plans in multimodal IPS. We introduce a new framework to address the challenges of radio map inaccuracies and sparse coverage. Our proposed system integrates an uncertainty-aware neural network model for WiFi localization and a bespoken Bayesian fusion technique for optimal fusion. Extensive evaluations on multiple real-world sites indicate a significant performance enhancement, with results showing ~ 25% improvement over the best baseline

arxiv情報

提供元, 利用サービス

arxiv.jp, Google