VI-SLAM2tag：面向基于指纹的室内定位的低成本标注数据集采集
信号处理
2022-07-07 v1
摘要
基于指纹的方法特别适合以最低基础设施成本为行人部署室内定位系统。然而，该方法的精度在很大程度上取决于校准阶段采集的带标签指纹的质量，而采用静态方式手动完成这一过程十分繁琐。我们提出VI-SLAM2tag系统，利用ARCore的视觉-惯性同时定位与建图（VI-SLAM）模块对动态采集的指纹进行自动标注。ARCore会偶尔更新其内部坐标系。因此，通过单一变换将整条轨迹映射到目标坐标系会导致较大的漂移效应。为解决此问题，我们提出了一种确定局部最优子轨迹变换的策略。我们使用大地测量跟踪系统评估了本系统生成的位置标签精度。对于长达15分钟的轨迹，我们实现了约50厘米的平均标注误差，这足以满足基于指纹的定位需求。我们通过采集一个包含WLAN和IMU数据的多层数据集，并展示如何利用该数据集训练基于神经网络的模型以达到约2米的定位精度，对此进行了验证。VI-SLAM2tag及该数据集已公开发布。
引用
@article{arxiv.2207.02668,
title = {VI-SLAM2tag: Low-Effort Labeled Dataset Collection for Fingerprinting-Based Indoor Localization},
author = {Marius Laska and Till Schulz and Jan Grottke and Christoph Blut and Jörg Blankenbach},
journal= {arXiv preprint arXiv:2207.02668},
year = {2022}
}
备注
To appear at 2022 International Conference on Indoor Positioning and Indoor Navigation (IPIN), 5 - 7 Sep. 2022, Beijing, China