Indoor Location Tracking and Information System

Transkript

1 Master Thesis Indoor Location Tracking and Information System Thomas Blocher TU Graz Österreich IMST GmbH Deutschland Indoor Location Tracking and Information System p. 1/14

2 Gliederung Kurzeinführung ILTIS Winkelmessung Positionsbestimmung Tracking NLOS Erkennung Zusammenfassung Indoor Location Tracking and Information System p. 2/14

3 ILTIS Topologie Indoor Location Tracking and Information System p. 3/14

4 Evaluierung der Winkelmessung Ziel: Fehler-Modell erstellen Indoor Location Tracking and Information System p. 4/14

5 Ergebnisse der Winkelmessungen Einzelner Messpunkt (Ort): kleine Varianz, Ausreißer Bias: eine Funktion des Ortes Varianz unabhängig vom wahren Winkel, Abstand usw. Fehler-Modell: r = f(x) + b(x) + n + o f(x)... Wahrer AoA b(x)... Bias Fehler (std. = 1.8 ) n... Zufälliger Fehler (std. = 0.4 ) o... Ausreißer (< 1%) Indoor Location Tracking and Information System p. 5/14

6 Lokalisierungs-Algorithmus Berechnung der MS Position mit den AoA Messungen BS 4 BS 5 MS BS BS Indoor Location Tracking and Information System p. 6/14

7 Lokalisierungs-Algorithmus Kleinste Fehlerquadrate für AoA Q(x) = (r f(x)) T (r f(x)) Indoor Location Tracking and Information System p. 6/14

8 Lokalisierungs-Algorithmus Zoom Indoor Location Tracking and Information System p. 6/14

9 Lokalisierungs-Algorithmus Letzte Position Indoor Location Tracking and Information System p. 6/14

10 Lokalisierungs-Algorithmus Q(x) = (r f(x)) T (r f(x)) + g(x,x Last ) z.b. g(x,x Last ) = x Last x 2 Indoor Location Tracking and Information System p. 6/14

11 Tracking mit der letzten Position Simulation mit σ n = (a) CF 1, Fehler = 25.9 cm (b) CF 2, Fehler = 9.9 cm Einfluss der letzten Position CF 1: stark CF 2: mittelstark CF 3: schwach CF 4: keiner (c) CF 3, Fehler = 10.6 cm (d) CF 4,Fehler = 14.9 cm Indoor Location Tracking and Information System p. 7/14

12 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], w N(0,Q) Indoor Location Tracking and Information System p. 8/14

13 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Indoor Location Tracking and Information System p. 8/14

14 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Indoor Location Tracking and Information System p. 8/14

15 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Vorhersage: neue Position = alte Position + Geschwindigkeit Zeit Indoor Location Tracking and Information System p. 8/14

16 Kalman Filter Kalman-Filter Modell k[n + 1] = A k[n] + w[n], Beobachtung y[n] = C k[n] + v[n], w N(0,Q) v N(0,R) Statusvektor ILTIS Position: x- und y-achse Geschwindigkeit: x- und y-richtung Vorhersage: neue Position = alte Position + Geschwindigkeit Zeit Beobachtung : Position Indoor Location Tracking and Information System p. 8/14

17 Tracking mit Kalman Filter (I) Simulation mit: σ n = 2.0, σ b = 0.0 o = 0% (a) CM 1 mit CF 3, Fehler = 6.1 cm (b) CM 2 mit CF 3, Fehler = 7.4 cm Indoor Location Tracking and Information System p. 9/14

18 Tracking mit Kalman Filter (II) (a) CM 1, Fehler = 9.1 cm (c) CM 3, Fehler = 15.1 cm (b) CM 2, Fehler = 8.0 cm Simulation mit: σ n = 2.0 Kalman Filter Annahmen: (a) Modellrauschen: groß Messrauschen: klein (b) Modellrauschen: klein Messrauschen: klein (c) Modellrauschen: klein Messrauschen: sehr groß Indoor Location Tracking and Information System p. 10/14

19 Lokalisierung mit Messergebnisse Reale Messung (a) Kalman Filter, Fehler = 9.5 cm (b) Kostenfunktion 4, Fehler = 10.8 cm Indoor Location Tracking and Information System p. 11/14

20 NLOS Erkennung Schlechtes Messergebnis für BS 5 AoA Fehler [ ] BS 4 BS 5 MS BS BS Indoor Location Tracking and Information System p. 12/14

21 NLOS Erkennung Lokalisierung Indoor Location Tracking and Information System p. 12/14

22 NLOS Erkennung Entfernung von BS 5 Indoor Location Tracking and Information System p. 12/14

23 Zusammenfassung Lokalisierung Lokalisierung Genauigkeit 6 cm - 40 cm Tracking: Letzte Position Nacheilen versus zittern Tracking: Kalman-Filter Beste Genauigkeit Schwierig: Modell- und Messrauschen zu finden NLOS Erkennung Verbessert Genauigkeit Indoor Location Tracking and Information System p. 13/14

24 ENDE Danke für die Aufmerksamkeit Indoor Location Tracking and Information System p. 14/14