基于深度智能手机传感器与 WiFi 融合的室内定位与跟踪
机器学习
2020-11-24 v1 网络与互联网体系结构
机器人学
摘要
我们解决室内定位问题，其目标是从智能手机收集的数据中预测用户轨迹，所用数据来自加速度计、陀螺仪和磁力计等惯性传感器，以及气压计和 WiFi 等其他环境与网络传感器。我们的系统实现了一种基于深度学习的步行航位推算（deep PDR）模型，该模型提供用户相对位置的高速率估计。利用卡尔曼滤波器，我们在每次接收到 WiFi 扫描时用 WiFi 提供的用户绝对位置预测来校正 PDR 的漂移。最后，我们用一种无地图投影方法调整卡尔曼滤波结果，该方法考虑环境的物理约束（走廊、门等）并将预测投影到可行走路径上。我们在 IPIN'19 室内定位挑战数据集上测试了我们的流程，并证明使用挑战评估协议可将冠军结果提升 20%。
引用
@article{arxiv.2011.10799,
title = {Deep Smartphone Sensors-WiFi Fusion for Indoor Positioning and Tracking},
author = {Leonid Antsfeld and Boris Chidlovskii and Emilio Sansano-Sansano},
journal= {arXiv preprint arXiv:2011.10799},
year = {2020}
}