用于行人与机器人室内定位的磁场感知

在本文中，我们探讨了在两种设置下使用磁场数据进行室内定位的问题：即数据由（i）人手持手机和（ii）自身电磁场会扰动磁场数据的定位机器人采集。对于第一种设置，我们重新审视了现有先进方法，并提出了一种新颖的扩展流程，以利用室内环境中由不同铁磁物体产生的磁异常。我们捕获由室内磁异常引起的地球磁场变化，并将其转换为多变量时间序列。然后，我们将时间模式转换为视觉模式。我们使用递归图、格拉姆角场和马尔可夫转移场的方法，将磁场时间序列表示为图像序列。我们在一个结合了卷积层和循环层的深度神经网络中回归用户位置的连续值。对于第二种设置，我们分析了磁场数据如何被机器人的电磁场扰动。我们在主流程中增加了一个对齐步骤，以补偿由不同机器人采集的训练集和测试集之间的不匹配。我们在两个公开数据集（MagPie和IPIN'20）和一个专有数据集（现代百货商店）上测试了我们的方法。我们报告了评估结果，并表明我们的方法以较大优势优于现有先进方法。