Fusionsalgorithmus zur autonomen Positionsschätzung im Gebäude, basierend auf MEMS-Inertialsensoren im Smartphone

Abstract

Eine infrastrukturbasierte Indoor-Navigation in GNSS abgeschatteten Bereichen bringt üblicherweise einen hohen Implementierungs-, Wartungs- und Kostenaufwand mit sich. Die Entwicklung einer Alternative, die praktikabel, kostengünstig und leicht verfügbar ist, ist daher wünschenswert. Um diesen Anforderungen gerecht zu werden, wird in der vorliegenden Arbeit am Beispiel der Testgeräte Samsung Galaxy Nexus sowie Google Nexus 4 die Tauglichkeit moderner Smartphones für eine weitgehend autonome Positionsschätzung innerhalb von Gebäuden untersucht. Dazu wird eine rein auf MEMS-INS-basierte Positionsschätzung umgesetzt, die eine Übertragbarkeit auf andere Gebäude erlaubt und Insellösungen für nur ein Gebäude vermeidet. Analysiert werden dazu drei Algorithmen auf Basis von Kalman Filter, Partikelfilter und Zustandsabfragen auf einem Routing-Graph im Hinblick auf die Verarbeitung stochastisch unterschiedlicher Messdaten, aus denen sich ein Fusionsalgorithmus für eine auf Inertialsensoren basierte Positionsschätzung entwickeln lässt. Sensoren, die dazu von Interesse sein können, sind Beschleunigungsmesser, Magnetfeldsensor, Gyroskop und Barometer. Sie werden hinsichtlich der Messeigenschaften untersucht und, sofern erforderlich, für Navigationszwecke kalibriert. Zudem wird eine Abgrenzung der verwendeten Zusatzinformationen aus der gegebenen Infrastruktur, wie beispielsweise Kartenmaterial, Routing-Graph, WLAN Netzwerk etc., vorgenommen. Bei der praktischen Umsetzung in einem Testgebäude wird eine Implementierung als Navigationsapplikation mit Routing und Kartengrundlage diskutiert. Für das Routing werden zwei Algorithmen untersucht sowie Ansätze für die automatische Erstellung von Karten- und Routing-Daten vorgestellt. Insgesamt lässt sich festhalten, dass sich die untersuchten Testgeräte ohne gesonderte Kalibrierung einsetzen lassen. Kalman Filter, Partikelfilter und topologischer Ansatz arbeiten im Prinzip so zuverlässig, dass sie unter kontrollierten Testbedingungen gute Ergebnisse erzielen. Kalman Filter und Partikelfilter generieren durch Positionskorrekturen mittels Routing-Graphen in bestimmten Bereichen, etwa in Eingangshallen, Unsicherheiten. Der topologische Ansatz funktioniert lediglich auf einem Routing-Graph und verfälscht die Positionsschätzung, sobald der Nutzer vom dem definierten Weg abweicht. Der hier favorisierte Filter auf Basis von Partikelfilter und topologischem Ansatz minimiert solche Schwächen und erlaubt die Positionsschätzung im gesamten Testgebäude. Anhand von 46 Datensätzen kann demonstriert werden, dass der Algorithmus in 70 Prozent der Fälle die Zielgenauigkeit der Positionsschätzung von <5 m einhält -- je nach Handhabung des Smartphones während der Navigation. Somit ist in Abhängigkeit des Nutzerverhaltens eine Positionsschätzung im Gebäude generell ohne weitere infrastrukturbasierte Korrekturen möglich.

An infrastructure-based indoor navigation in GNSS-shaded areas is usually accompanied with a relatively high implementation effort and considerable costs. Thus, an alternative method which is practicable, cost-effective and easily available would be of interest. In the present work a largely autonomous position estimate within buildings is developed. A Samsung Galaxy Nexus and a Google Nexus 4 are used as they represent modern smartphones. A purely MEMS inertial sensors based position estimate is realized which permits a fast transferability to other buildings and helps to avoid using indoor navigation as an isolated solution for an individual building. Three algorithms are therefore analyzed based on Kalman filter, particle filter and state detection on a routing-graph with regard to the processing of stochastically different measurement data. From these a final algorithm for a position estimate based on inertial sensors is developed. The sensors of interest are the accelerometer, the magnetic field sensor the gyroscope and the barometer. They are examined regarding their measuring characteristics and are calibrated for navigation purpose if necessary. Furthermore, a demarcation of the additional used information from the given infrastructure, as for example maps, routing-graph, WLAN network etc., is carried out. In the process of practical realization in a test building an implementation as navigation application based on routing-graph and map is discussed. Two algorithms are examined for the routing and different approaches for an automatic map and routing-graph data generation are presented. In summary it can be stated that the examined test devices can be used without calibration. Kalman filter, particle filter and the topological approach achieve good results under controlled test conditions in general. The Kalman and particle filter generate uncertainties by position corrections by routing-graph in certain areas as foyers for example. The topological approach works only on an existing routing-graph and falsifies the position estimate if the user is not walking on the defined paths. A fusion of particle filter and topological approach minimizes such weaknesses and permits the position estimate in the whole test building. The analysis of 46 data sets shows that the algorithm generates positions of the aimed accuracy in 70 percent of the cases. Depending on the handling of the navigation device it is therefore possible to generate a position estimate in buildings without additional infrastructure-based corrections in general.