KR20180052636A - 자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 - Google Patents
자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 Download PDFInfo
- Publication number
- KR20180052636A KR20180052636A KR1020187007363A KR20187007363A KR20180052636A KR 20180052636 A KR20180052636 A KR 20180052636A KR 1020187007363 A KR1020187007363 A KR 1020187007363A KR 20187007363 A KR20187007363 A KR 20187007363A KR 20180052636 A KR20180052636 A KR 20180052636A
- Authority
- KR
- South Korea
- Prior art keywords
- path
- upfs
- mobile device
- measurement
- map
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1654—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with electromagnetic compass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3859—Differential updating map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/01—Determining conditions which influence positioning, e.g. radio environment, state of motion or energy consumption
- G01S5/017—Detecting state or type of motion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
본 발명의 GPS가 거부되거나 부정확한 지역에서 매핑하고 추적하며 포지셔닝하고 내비게이션하는 시스템과 방법은 클라우드-소싱 UPF들과 관련 다수의 모바일기기를 연계하여 보행레인맵을 정확하고 자동으로 생성하고 업데이트한다. 새로 생성된 UPF들과 관련 경로추정치들을 검색해 공지의 UPF들과 관련 레인을 갖춘 보행레인맵에 매칭하면 GPS가 거부되거나 부정확한 지역(예; 실내, 지하, 고층빌딩 밀집구역, 계곡 등)에서 모바일기기의 SLAM이 가능하다. UPF들은 잡음에 견디고 방향불변적이어서, 저렴한 모바일기기에서 운용할 수 있고 실제 인간의 거동의 취급이 가능하다. 본 발명의 UPF들과 보행레인맵은 루트를 찾고, 안내명령어들을 생성하며 보행혼잡도를 추적하고 분석할 수 있다.
Description
본 발명은 매핑에 관한 것으로, 구체적으로는 매핑과 모바일기기에 관한 것이다.
개인용 모바일기기는 기본적으로 내비게이션을 포함한 다양한 서비스를 제공한다. 실외 내비게이션은 다양한 입력들과 센서들, 예컨대 GPS의 장점을 이용한다. GPS 거부지역이나 GPS 부정확 지역들에서의 내비게이션에는 예컨대 실내, 지하, 빌딩이 밀집된 인구밀집 시내, 계곡 등의 환경에서 모바일기기를 내비게이션하고 추적하고 포지셔닝하기 위한 새로운 방법과 시스템이 필요하다.
요약
본 발명은 모바일기기의 위치와 이동에 의거한 센서데이터를 받는 단계; 센서데이터에 의거해, 경로추정치와 위치측정벡터를 생성하는 단계로서, 이때 경로추정치는 모바일기기의 이동 위치를 포함하고, 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며; 상기 센서데이터와 경로추정치와 위치측정벡터에 의거해, 하나 이상의 UPF(unique path feature)들을 생성하는 단계를 포함하고, UPF는 상기 경로를 특성화하며 상기 경로추정치와 위치측정벡터에 의거한 연산에 의해 생성되고, 상기 연산이 상기 이동 경로 대한 연산인 매핑방법을 제공한다.
본 발명은 또한 하나 이상의 프로세서를 포함하는 프로세싱 시스템을 포함하는 것을 특징으로 하는 매핑 시스템을 제공한다. 이 프로세싱 시스템은 모바일기기의 위치와 이동에 의거해 센서데이터를 수신하고, 센서데이터와 경로추정치와 위치측정벡터(LMV)에 의거해 모바일기기의 이동 위치를 포함한 경로추정치를 생성하며, 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며, 센서데이터와 경로추정치와 위치측정벡터에 의거해, 경로추정치와 위치측정벡터에 따른 연산을 실행해 UPF들을 생성한다.
이런 경로 추정치는 경로추정치의 위치불확도, 및 모바일기기를 하나 이상의 다른 모바일기기들에 사용된 공통 축 프레임웍에 정렬시키는 글로벌축 프레임웍 방향추정치 로 이루어진 군에서 선택된 하나 이상의 측정치를 포함한다.
또, 위치측정벡터는
(a) 자기장 측정치;
(b) 보정된 자기장 측정치;
(c) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 RSSI 측정치;
(d) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 PL 측정치; 및
(e) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 TDOA 측정치;
로 이루어진 군에서 선택된 하나 이상의 측정치를 포함한다.
또, 위치측정벡터가 위치측정 변동벡터이고, 이때 위치측정 변동벡터내의 각각의 측정치 군은 첫번째 위치에서 다른 위치로의 변동에 의거할 수 있다.
또, UPF들을 생성할 때 상기 위치측정벡터와 위치측정 변동벡터에 의거한 연산을 수행할 수도 있다. 이때, 이 연산이 모바일기기의 방향에 무관한 방향불변 함수일 수 있다.
또, 이 연산이
(a) 위치측정벡터와 측정변동의 내적;
(b) 자기상관;
(c) 교차상관;
(d) 상기 교차추정치에서의 경로적분;
(e) 상기 위치측정벡터와 경로추정치에서의 위치변경 사이의 자기상관;
(f) 상기 위치측정벡터에서의 자기측정치의 경로적분;
(g) 상기 변경추정치(속도)에서의 자기측정치의 경로적분;
(h) 자기측정 변동들에서의 자기측정치의 경로적분;
(i) 상기 위치측정벡터에서의 RSSI(radio signal strength indicator)의 함수;
(k) RSSI(radio signal strength indicator) 측정변동에서의 RSI mrwjdcl의 경로적분;
(l) 상기 위치측정벡터에서의 PL(path loss)의 함수;
(m) PL 측정변동에서의 PL 측정치의 경로적분;
(n) 상기 위치측정벡터에서의 TDOA(time difference of arrival)의 함수; 및
(o) TDOA 측정변동에서의 TDOA의 경로적분;
으로 이루어진 군에서 선택된 적어도 하나의 기술일 수 있다.
또, 위치들이 모바일기기의 3~15 m의 이동길이에 있을 수 있다.
본 발명의 방법은 이런 UPF들에 의거하여 모바일기기가 움직이는 하나 이상의 레인들을 계산하는 단계를 더 포함할 수 있다.
이 방법이 추정치 불확도 측정치들로부터 유도된 레인 추정치들을 합치기 위해 레인추정치들과 수렴가중치를 계산하는 단계를 더 포함할 수도 있다.
이 방법이 레인들에 의거하여 교차로들을 결정하는 단계를 더 포함할 수도 있다.
또, 이 방법이 레인들에 의거하여 UPF들과 관련 레인들을 갖춘 보행레인맵을 생성하는 단계를 더 포함할 수도 있다.
또, 이 방법이 보행레인맵이 위치와 레인들에 관련된 추가 정보 계층을 더 포함할 수도 있다.
또, 이 방법이 보행레인맵에서 상기 레인들 및/또는 교차로들 중의 적어도 하나를 제거하는 단계를 더 포함할 수도 있다.
또, 이 방법이 UPF들에 의거해 하나 이상의 레인 추정치들을 계산하는 단계와, 레인추정치들의 하나 이상의 레인으로의 수렴을 계산하는 단계를 더 포함할 수도 있다.
또, 이 방법에서 피드백을 이용해 레인추정치들을 업데이트할 수도 있다.
또, 다수의 모바일기기 각각에 대해 다수의 UPF들 각각이 생성될 수 있다. 또, 다수의 UPF들의 상관관계에 의거해 다수의 레인들이 계산될 수도 있다. 또는, 다수의 UPF들이 해당하는 다수의 모바일기기로부터 클라우드-소싱될 수도 있다.
본 발명의 방법이 센서데이터를 반전시켜 역경로를 생성하는 단계를 더 포함할 수도 있다.
또는, 프로세싱 시스템이 UPF들에 의거해 모바일기기가 움직이는 하나 이상의 레인들을 계산할 수도 있다.
또, 프로세싱 시스템이 UPF들에 의거해 하나 이상의 레인들을 계산한 다음, 레인추정치들의 레인으로의 수렴을 계산할 수도 있다.
또, 프로세싱 시스템이 레인들에 의거해 보행레인맵을 생성할 수도 있다.
본 발명은 또한, 모바일기기의 위치와 이동에 의거한 센서데이터를 받는 단계; 센서데이터에 의거해, 경로추정치와 위치측정벡터(LMV; location measurement vector)를 생성하는 단계, 이때 상기 경로추정치는 모바일기기의 이동 위치를 포함하고, 상기 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며; 상기 센서데이터와 경로추정치와 위치측정벡터에 의거해, 경로추정치와 위치측정벡터에 따른 연산을 하여 하나 이상의 UPF들을 생성하는 단계; 및 상기 생성된 UPF들을 보행레인맵에 저장된 UPF들과 비교해 매칭 UPF들을 결정하는 단계;를 포함하고, UPF는 이런 경로를 특성화하며 상기 경로추정치와 위치측정벡터에 의거한 연산에 의해 생성되고, 연산은 이동 경로에 대한 대한 연산일 수 있는 포지셔닝 방법도 제공한다.
본 발명은 또한 하나 이상의 프로세서를 포함하는 프로세싱 시스템을 제공하기도 하며, 이 프로세싱 시스템은 모바일기기의 위치와 이동에 의거한 센서데이터를 받고; 센서데이터에 의거해, 경로추정치와 위치측정벡터(LMV; location measurement vector)를 생성하며, 이때 경로추정치는 모바일기기의 이동 위치를 포함하고, 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며; 센서데이터와 경로추정치와 위치측정벡터에 의거해, 경로추정치와 위치측정벡터에 따른 연산을 하여 하나 이상의 UPF들을 생성하고; 생성된 UPF들을 보행레인맵에 저장된 UPF들과 비교해 매칭 UPF들을 결정하는데, UPF는 상기 경로를 특성화하며 경로추정치와 위치측정벡터에 의거한 연산에 의해 생성되고, 이 연산이 이동 경로에 대한 연산이다.
또, 이런 매칭 UPF들이 관련 보행자 레인들을 갖고, 이 방법은 보행레인맵을 맵 디스플레이에 제공하는 단계를 더 포함할 수 있다.
또, 본 발명의 방법이 센서데이터와 레인들에 의거하여 레인들 중 하나에서의 모바일기기의 위치를 계산하는 단계를 더 포함할 수 있다.
또, 이런 매칭 UPF들을 이용해 경로추정치와 위치측정벡터의 생성을 개선할 수 있다.
또, 비교가 모바일기기의 최신 3m 내지 15m의 이동에 대해 할 수 있다.
또, 이런 연산이 모바일기기의 방향에 무관한 방향불변 함수일 수 있다.
또, 경로추정치가 경로추정치의 위치불확도 측정치를 포함하고, 이런 위치불확도 측정치로부터 검색 경계를 유도할 수도 있다.
또, 본 발명의 방법이
(a) (i) 모바일기기의 현위치와 (ii) 보행레인맵에서의 위치로 이루어진 군에서 선택된 제1 위치로부터, (iii) 상기 모바일기기 외의 다른 기기의 위치와 (iv) 상기 보행레인맵에서의 위치로 이루어진 군에서 선택된 제2 위치까지의 루트를 보행레인맵에서 찾는 단계;
(b) 상기 보행레인맵에 의거해 목적위치로 내비게이션하기 위한 안내 명령어들을 생성하는 단계;
(c) 내비게이션중에 모바일기기를 추적하는 단계;
(d) 유저제공 정보에 의거해 보행레인맵을 업데이트하는 단계;
(e) 보행거동 분석을 위해 보행레인맵을 분석하는 단계; 및
(f) 모바일기기의 위치와 유저행동의 조합을 분석하는 단계;
로 이루어진 군에서 선택된 하나 이상의 기능들을 더 포함할 수 있다.
경로추정치는 경로추정치의 위치불확도, 및 모바일기기를 하나 이상의 다른 모바일기기들에 사용된 공통 축 프레임웍에 정렬시키는 글로벌축 프레임웍 방향추정치로 이루어진 군에서 선택된 하나 이상의 측정치를 포함할 수 있다.
본 발명은 또한 매핑을 위해 컴퓨터리더블 코드가 내장된 비일시적 컴퓨터 리더블 저장매체도 제공하는데, 컴퓨터 리더블 코드에 있는 프로그램 코드는 모바일기기의 위치와 이동에 의거해 센서데이터를 받고, 센서데이터와 경로추정치와 위치측정벡터에 의거해 모바일기기의 이동 위치를 포함한 경로추정치를 생성하며, 위치측정벡터는 각 위치로에서의 하나 이상의 측정치들을 포함하고, 센서데이터와 경로추정치와 위치측정벡터에 의거해 경로추정치와 위치측정벡터에 의한 연산으로 UPF들을 생성한다.
본 발명은 또한 포지셔닝을 위해 컴퓨터리더블 코드가 내장된 비일시적 컴퓨터 리더블 저장매체도 제공하는데, 컴퓨터 리더블 코드에 있는 프로그램 코드는 모바일기기의 위치와 이동에 의거해 센서데이터를 받고, 센서데이터와 경로추정치와 위치측정벡터에 의거해 모바일기기의 이동 위치를 포함한 경로추정치를 생성하며, 위치측정벡터는 각 위치로에서의 하나 이상의 측정치들을 포함하고, 센서데이터와 경로추정치와 위치측정벡터에 의거해 경로추정치와 위치측정벡터에 의한 연산으로 UPF들을 생성하고, 생성된 UPF들을 보행레인맵에 저장된 UPF들과 비교해 매칭 UPF들을 결정한다.
본 발명은 네트웍을 통해 클라이언트 컴퓨터에 연결된 서버에 로딩되는 컴퓨터 프로그램도 제공하고, 이 컴퓨터 프로그램을 운용하는 서버는 본 발명에 따른 시스템의 서버를 형성한다.
본 발명은 또한 네트웍을 통해 컴퓨터에 연결된 컴퓨터에 로딩되는 컴퓨터 프로그램도 제공하고, 이 컴퓨터 프로그램을 운용하는 컴퓨터는 본 발명에 따른 시스템의 컴퓨터를 형성한다.
도 1은 GPS 교란/부정확 지역에서의 매핑, 추적 및 내비게이팅 시스템의 하이레벨 다이아그램;
도 2는 보행레인맵의 매핑방법의 순서도;
도 3은 AMGU의 개략도;
도 4는 경로추정치의 드리프트를 갖는 AMGU 맵의 개략도;
도 5는 경로추정 수정으로 실시간 내비게이션하는 것을 보여주는 개략도;
도 6은 일반적인 사무공간에서의 상관터널의 개략도;
도 7은 도 1~2와 관련하여 보행레인맵을 이용해 포지셔닝과 내비게이션을 하는 방법의 순서도;
도 8은 본 발명의 시스템의 블록도.
도 2는 보행레인맵의 매핑방법의 순서도;
도 3은 AMGU의 개략도;
도 4는 경로추정치의 드리프트를 갖는 AMGU 맵의 개략도;
도 5는 경로추정 수정으로 실시간 내비게이션하는 것을 보여주는 개략도;
도 6은 일반적인 사무공간에서의 상관터널의 개략도;
도 7은 도 1~2와 관련하여 보행레인맵을 이용해 포지셔닝과 내비게이션을 하는 방법의 순서도;
도 8은 본 발명의 시스템의 블록도.
본 명세서에 기재된 약어는 아래와 같다:
AMGU: Automatic Map Generation and Update
BLE 비콘: Bluetooth low energy 비콘, BLE 패킷을 주기적으로 방송하는 무선장치
클라우드-소스: 다수의 사람들이나 장치의 서비스를 리스트하여 특정 임무나 프로젝트에 대한 정보나 입력을 구하는 것.
INS: Inertial Navigation System
레인: "레인"이나 "보행자 레인"은 경로의 수렴, 즉 (모바일기기를 지닌채) 실내에서 걷는 사람에 의해 생긴 걷기 패턴
레인추정치: 하나 이상의 경로에 의거한 레인의 추정, 보통은 부근에 있는 여러 경로추정치들이 하나의 레인추정치로 수렴.
지연 다운로드: "지연 업로드"와 비슷하지만 반대 개념으로서, 서버나 클라우드로부터 모바일기기를 향함
지연 업로드: 연결이나 대역폭이 가능할 때 데이터를 업로드(전송이나 추적)하는 것으로, 보통은 데이터가 수집되거나 생성될 때 지연한 뒤에 이루어짐. 지연 업로드는 보통 업로드가 필요하지 않거나 시간에 민감하지 않거나 실시간이 아닌 데이터에 대해 모바일기기에서 서버를 향하고, 데이터가 이용할 수 있을 때보다 상당히 뒤에 지연되어 업로드됨.
LMV: Location measurement vector
맵: 본 발명의 실내 보행레인맵으로서, 실내 맵, 실내 내비게이션 맵, 내비게이션 맵, 레인 맵, 보행레인맵이라고도 함.
MRC: Maximal Ratio Combining
PDR: Pedestrian Dead Reckoning
PLM: Pedestrian lane map
RSSI: Radio signal strength indicator
PL; Path Loss
QR: Quick response code
SMAM: Simultaneous localization and mapping
TDOA: Time difference of arrival
TOA: Time of arrival
UPF: Unique Path Features
도 1은 GPS 교란/부정확 지역에서의 매핑, 추적 및 내비게이팅 시스템의 하이레벨 다이아그램이다. 모바일기기(116)는 센서(100)와 프로세서(114)를 포함한다. 센서로는 가속도계(S01), 자이로스코프(S02), 자력계(S03), 바로미터(S04), 무선센서(S05), GPS(S06) 및 다른 센서(S0X)가 있지만 이에 한정되지 않는다. 프로세서(114)는 하나 이상의 프로세서 및/또는 모바일기기(116)의 보조프로세서들을 포함할 수 있다. 센서(100)의 데이터(102)는 프로세서(114)에서 로컬 INS/PDR 모듈(104)과 로컬 UPF 모듈(106)로 보내진다. 로컬 INS/PDR 모듈(104)은 (측정치와 추정치를 포함한) 생성된 데이터를 로컬 UPF 모듈(106)과 GUI(110)로 출력한다. 로컬 INS/PDR 모듈(104)이 로컬 UPF 모듈(106)과 데이터를 교환할 수 있다. 로컬 INS/PDR 모듈(104)과 로컬 UPF 모듈(106) 둘다 측정치(측정데이터)를 출력하고, 측정치는 SM(search and match) 모듈(108)에 보내지거나, 지연업로드(170)의 연결부(170A)를 통해 서버(130)의 AMGU(automatic map generation and update) 모듈(120)에 보내진다. SM 모듈(108)에서 로컬 INS/PDR 모듈(104)로 수정용 피드백(118)이 출력된다. SM 모듈(108)은 모바일 기기에서의 처리(매핑, 추적, 포지셔닝, 내비게이션)를 위해 보행레인맵 로컬카피(112)를 이용한다. AMGU 모듈(120)은 보행레인와 관련 UPF들과 같은 결과들을 개발자의 GUI/분석 모듈(122)과 보행레인맵 데이터(124; 내비게이션 맵 데이터)로 출력한다. 보행레인맵 데이터(124)는 필요에 따라 서버(130)에 의해 맵다운로드(128) 되거나 모바일기기(116)에 의해 추적된다. "지연 업로드"와 마찬가지로, 맵다운로드(128)도 "지연 다운로드"될 수 있다. 다운로드된 보행레인맵 데이터(124)는 보행레인맵의 로컬카피(112)로서 모바일기기(116)에 저장될 수 있다. SM 모듈(108)은 업로드된 보행레인맵 로컬카피(112)를 이용해 후처리한다. 도면에 도시되지는 않았지만 SM 모듈(108)에 의해 보행레인맵 로컬카피(112)의 업데이트가 이루어지고, 모바일기기(116)나 프로세서(114)나 SM 모듈(108)로부터 서버(130)로의 다른 업데이트는 없다.
한편, 서버 프로세싱(160)에서 센서데이터(102)가 지여업로드(170)를 통해 서버의 INS/PDR 모듈(164)과 서버 UPF 모듈(166)로 보내지기도 한다. 서버 INS/PDR 모듈(164)이 서버 UPF 모듈(166)과 데이터를 교환할 수 있다. 출력 측정데이터들을 SM 모듈(108)로 보내는 로컬 INS/PDR 모듈(104) 및 로컬 UPF 모듈(106)과 마찬가지로, 서버 INS/PDR 모듈(164)과 UPF 모듈(166)도 측정데이터를 AMGU(120)에 보낸다. SM 모듈(108)에서 로컬 INS/PDR 모듈(104)로 출력되는 피드백(118)과 마찬가지로, AMGU(120)에서 서버 INS/PDR 모듈(164)로 피드백(168)이 출력된다. 이상의 설명에 의거해, 당업자라면 INS/PDR 모듈(104,164), UPF 모듈(106,166) 및 SM 모듈(108)/AMGU 모듈(120)의 비슷한 기능들을 구현할 수 있을 것이다. 편의상, 다른 모듈(164,166,120)의 기능은 자명하므로, 로컬모듈(104,106,108)에 대해서만 설명한다. 마찬가지로, 보행레인맵의 생성과 업데이트도 모바일기기(116)의 로컬 맵이나 서버(130) 또는 둘다의 글로벌 맵에서 일어날 수 있다. 로컬모듈과 서버 모듈의 차이, 특히 로컬 SM 모듈(108)과 서버 AMGU(120)의 차이에 대해서는 뒤에 설명한다.
한편, 저전력이고 소형이며 경량인 로컬 모듈들(104,106,108)이 서버(130) 및/또는 클라우드 방식에서 비교적 고전력 고성능을 요하는 서버 모듈들(164,166,120)에 비해 바람직할 수도 있다.
연결부와 충분한 대역폭을 이용할 수 있으면, 지연업로드(170)나 지연 맵 다운로드(128)를 통해 정상적으로 송수신되는 데이터를 지연을 줄이거나 없이 예컨대 실시간으로 더 빨리 송수신할 수 있다. 이런 구성이 (지연 업로드나 다운로드와는 달리) 실시간으로 클라우드에서 이루어지는 모든 프로세싱을 구현할 수도 있다. 예를 들어, 내비게이션을 하는 동안, 원래의 센서 측정데이터 및/또는 센서 데이터(102)를 클라우드나 서버(130)에 보내고 그 출력을 클라우드나 서버(130)에서 모바일기기(116)로 되돌려 보행레인맵에서 모바일기기(116)와 관련 유저를 찾는데 도움을 줄 수 있다.
개발자의 GUI/분석 모듈(122)를 이용해 시스템의 모니터링, 보행레인맵의 개발 분석 및 자동생성된 보행레인와 교차로의 수동 저장, 추가 및/또는 삭제를 할 수 있다.
편의상 모바일기기(116) 하나에 유저 한명만 관련된다고 보지만, 예를 든 것일 뿐이고, 예컨대 하나 이상의 관련 모바일기기를 갖춘 하나 이상의 로봇이나 드론을 매핑안된 빌딩이나 (지진 등으로 인해) 위험해진 빌딩에 보내 가능 경로 맵을 신속히 만들고 이 빌딩에 접근할 수 있는 지역의 "지상실측정보"를 학습할 수 있다. 또, 근접센서와 같은 다른 센서와 레이더를 육해공 운반체에 추가하여 (주행방향에 직각인 단면적인) 경로 폭을 포함한 3차원 맵을 만들 수 있다.
본 실시예의 특징은 SLAM(동시적 위치추적과 매핑; simultaneous localization and mapping)에 있다. 매핑과 포지셔닝(내비게이션) 방법 둘다 비슷한 기능을 한다. 내비게이션을 할 때는, 경로추정, LMV(위치측정벡터; location measurement vector)와 UPF를 이용해 매핑을 하고, 새로운 보행레인맵을 만들며 기존의 맵을 업데이트할 수 있다. SLAM을 모바일기기(116)에서 로컬로 실행하거나, 서버(130)에서 원격으로(오프라인이나 실시간으로) 실행하거나, 로컬과 원격 기기들의 요소들과 모듈들 사이의 처리와 통신의 조합으로 실행할 수 있다. 1차로 자기측정치들을 이용해 위치 매핑을 할 경우, 이런 기술을 "자기 SLAM"이라 한다.
도 2는 보행레인맵의 매핑방법의 순서도이다. 센서(100)로부터 새로운 센서 측정데이터(200)가 센서데이터(102)로서 프로세서(114)에 보내진다. 센서데이터(102)의 적어도 일부가 사용된다. 모든 센서데이터를 이용할 수 있지만, 반드시 그럴 필요는 없다. 모바일기기(116)는 그 위치와 움직임에 의거한 경로를 따라 지속적으로 센서 측정데이터를 취한다. 프로세서(114)는 하나 이상의 모듈(도시 안됨)을 이용해 (오리지널 대량) 센서데이터(102)로부터 필수 데이터를 추출한다. 이런 필수 데이터는 후처리를 위해 로컬 프로세서(114)나 (지연업로드(170)나 연결부(170B)를 통해) 서버(130)의 서버 프로세싱(160)에 보내진다. 주지하는 바와 같이, 서버(130)는 하나의 머신, 2대 이상의 컴퓨터 집합 또는 클라우드 기반을 포함한 다양한 기술로 구현될 수 있다. 추출된 필수데이터를 이용해 (고유) 보행레인맵을 생성하고 업데이트한다. 일반적으로, 다수의 기기로부터의 군집 데이터와 같이, 다수의 기기로부터의 필수데이터를 이용한다. 한편, 한대나 몇대의 기기의 다중사용(동일한 경로로의 반복적 이동)에 의한 데이터를 이용할 수도 있다. 프로세서(114)는 최신 로컬 보행레인맵에 모바일기기(116)를 정확히 위치시키는데 하나 이상의 LC(low-complexity) 모듈을 운용할 수도 있다. 모바일기기(116)는 지연 다운로드나 실시간/주문에 의해 맵 다운로드(128)를 통해 로컬 보행레인맵을 받거나 추적할 수 있다.
센서데이터를 이용해 추정 경로와 하나 이상의 UPF(unique path feature)를 생성한다(202). 역경로도 생성되는 것이 좋다. 로컬 INS/PDR 모듈(104)도 위치추정 확도(또는 불확도)와 글로벌축 프레임웍 방향 추정치를 생성하는데, 둘다 모두 다른 모바일기기들을 동일한 축 프레임웍에 정렬하는데 이용된다. 글로벌축 프레임웍 방향은 모바일기기의 방향과 무관한 것이 좋다. INS/PDR 모듈(104)의 출력을 "INS/PDR 추정치"나 "INS/PDR 출력이라 한다.
로컬 INS/PDR 모듈(104)은 센서데이터에 의겨해 경로 추정치를 생성한다. 경로 추정치란 모바일기기의 이동경로를 따른 시간 모멘트에서의 일련의 위치들의 추정치이다. 경로추정치는 일반적으로 2개 이상의 위치들을 갖고, 적어도 수초의 시간이나 1m 이상의 경로길이에서의 다수의 위치들을 갖는다. 경로구간은 예컨대 3~15 m나 10~60 m 정도의 경로길이에서의 다수의 위치들의 일부를 말한다. 경로추정치가 궤적이나 궤적추정치일 수도 있다.
경로추정치의 각각의 위치나 각각의 시간에 대해, 입력되는 센서데이터(102)로부터 아래 예시 추정치들을 다수 측정하거나 계산할 수 있다: 위치, 방향/헤딩, (보통 보정된) 자기장, 및 RSSI, PL, TDOA, TOA와 같은 다수의 RF 추정치. 자기장 측정치는 모바일기기(116)의 자력계(S03)로 측정하는 것이 보통이다. 보정된 자기장 측정치들은 회전에도 일정한 위치측정 벡터를 구하는 교정과정에 의해, 즉 측정된 자기장에서 강철효과와 연철효과를 없애 구할 수 있다. 하나 이상의 측정치나 추정치나 보정 데이터들의 그룹이 LMV(location measurement vector)로 알려져 있다. LMV내의 각각의 추정치들은 대응 측정 확도/불확도를 가질 수 있다. 예컨대, 위치와 위치 불확도, (4개조, 회전 매트릭스, 글로벌축 프레임웍에서의 2방향 벡터와 같은 형태로 구현되는) 방향, (글로벌축 프레임웍에 대한) 방향 불확도 및 RSSI와 RSSI 불확도가 있다. 각각의 타입의 추정치는 위치마다 하나 이상의 값을 갖는데, 예를 들면 그 지역에서 수신된 Wi-Fi 핫스팟 신호 각각으로부터의 RSSI 값을 갖는다. 당업자라면 알 수 있듯이, 경로추정치의 이상 설명한 요소들을 단일 경로추정 벡터로 결합하거나, 하나 이상의 값(예; 위치와 방향)을 별도의 위치측정벡터(예; 물리적 현상으로부터 센서데이터를 포함)로 취급할 수 있다. 일반적으로 모바일기기의 이동 위치들을 포함한 경로추정치와, (경로추정치내의) 각 위치에서의 하나 이상의 물리적 현상의 하나 이상의 측정치(또는 추정치)를 포함한 위치측정벡터가 일반적이다. 요컨대, 각각의 LMV는 경로추정치의 위치들에 대응하는 위치 및 다른 위치와 관련된다. 측정되거나 추정된 물리적 현상은 정적이거나 서서히 변하는 현상으로서, 모바일기기에 의해 한 위치에 대해 측정된다. 예를 들어, 다수의 핫스팟이나 BLE(Bluethooth low energy) 비콘들로부터 보정된 자기장이나 RF 추정치들을 고려한다. 후자 타입의 위치측정벡터를 위치 핑거프린팅이라 한다.
또, 모바일기기가 취한 경로에서 2개의 LMV 사이의 변화의 조치로서 각각의 측정치 그룹들에 대한 LMVC(location measurement vector change)를 정의할 수도 있다. 이 경우, 각각의 측정치 그룹들은 위치(포인트)에서의 측정치가 아니라 2개 위치(2개 포인트) 사이의 측정치 변동을 포함한다. LMVC에 대한 2개 포인트의 선택에는 제한이 없으며 변동의 측정도 없다. 일반적으로, 2개 포인트들은 모바일기기의 경로를 따라 연속적이고 이 동작은 다른 동작이다.
위의 설명에서, 측정치와 추정치들은 시간의 함수로서 관련된다. 즉, 리스트된 추정치와 측정치들은 제시간내의 각 포인트에 대한 것이다. 한편, 리스트된 추정치와 측정치들이 추정 주행거리 각각("x")나 다른 추정 주행 자기거리 각각("y")에 대한 것일 수도 있는데, 자기거리란 축적된 자기변동량이다. 추정 거리와 추정 자기거리의 경우, 이들 거리가 성장(증가)하지 않으면 추정치들이 업데이트되지 않고 안정상태에 있다는 추가 가정을 할 수 있다. 일반적으로, 리스트된 추정치와 측정치들은 다른 추정 LMV 주행거리 각각("z")에 대한 것일 수도 있는데, LMV 주행거리는 축적된 LMV 변동량으로서 LMVC의 절대값이다. 축적된 추정 주행거리나 추정된 주행 자기거리나 추정된 LMV 주행거리는 실제 세상에서의 실제 주행거리로서 경로길이 측정치로 사용될 수 있다.
글로벌축 프레임웍 방향은 예컨대 중력추정치나 거리(또는 장기간) 평활화된 자기 추정치로부터 유도될 수 있다. 글로벌축 프레임웍 방향을 생성하는 기술은 공지되어 있다.
위치 측정확도(또는 불확도)는 측정되거나 결정된 위치가 실제 위치와 비교해 얼마나 정확한지(부정확한지)를 표시한 양이다.
로컬 INS/PDR 모듈(104)은 역경로(또는 기술적으로 처리중인 포인트에서의 역경로 추정치)를 생성하기도 한다. 역경로란 실제 모바일기기 경로의 끝에서 처음으로 역으로 움직이는 경로이다. 즉, 유저가 동일 경로를 반대방향으로 걸어가면, 예컨대 주어진 경로길이에 대한 센서측정치의 시간순서를 반전시키거나 경로 추정 길이에 걸쳐 시간창을 반전시켜 역경로가 생길 수 있다. 경로에 대해 모인 센서데이터를 이용해 역경로를 계산하면, 모바일기기가 양방향 데이터를 모으지 않고도 시스템에 추가 데이터를 제공해 보행레인맵을 생성하고 업데이트할 수 있다. 역경로를 고려해 역경로 LMV와 역 LMVC도 계산할 수 있다.
로컬 UPF 모듈(106)은 센서데이터(102)와 로컬 INS/PDR 모듈(104)로부터 INS/PDR 추정치(예; 경로추정치, LMV, LMVC)에 의거해 하나 이상의 UPF들을 생성한다. 새로 생성된 UPF는 같은 위치에서의 대응 INS/PDR 추정치들과 관련된다. 일반적으로, UPF 관련성은 경로추정치들을 포함한다. UPF(Unique Path Feature)는 모바일기기의 이동경로를 따른 LMV 및/또는 LMVC에 대한 연산이다. UPF 연산은 경로 전체나 일부를 따라 모든 측정벡터에 대한 연산인 다중 측정치에 대한 연산으로서, 예컨대 측정벡터나 측정변동벡터에 대한 연산이다. UPF와 경로추정치의 조합은 실내환경에서의 경로나 경로구간을 고유하게 확인하여 지정자 "UPF"이다. 이 연산은 모바일기기 방향, 센서 노이즈, 드리프트, 바이어스 및 간섭에 강하다. 이 연산은 모바일기기(116)의 방향이나 글로벌축 프레임웍에 대해 불변적이어서, 같은 경로를 취하는 2대의 모바일기기는 유저가 모바일기기를 어떻게 쥐고있든 또는 2개의 측정되거나 추정된 벡터필드들의 내적과 같은 기기의 초기축 프레임웍에 무관하게 비슷한 UPF를 생성한다.
일반적으로, 로컬 UPF 모듈(106)은 해당 UPF 확도나 불확도, 즉 UPF가 얼마나 정확한지에 대한 양을 갖는 각각의 UPF를 생성한다. UPF 불확도는 UPF를 생성하는 기능이 작동하는 측정치와 추정치 불확도로부터 유도된다.
UPF를 생성하는 동작들은 아래의 예들을 포함한다:
위치측정벡터들과 경로들에서의 측정변화들 사이의 자동보정,
경로변화 추정(속도)에 대한 자기측정치의 경로적분,
자기측정 변화들에 대한 자기측정치의 경로적분,
RSSI(radio signal strength indicator) 측정변화에 대한 RSSI 측정치의 경로적분,
PL 측정변화에 대한 PL 측정치의 경로적분, 및
TDOA(time difference of arrival) 측정변화들에 대한 TDOA의 경로적분.
UPF를 생성하는 위의 예들에서, 곱셈으로 내적을 이용하고, (RSSI, PL, TDOA 등의) 무선신호 측정에 대해서는, 측정벡터내 각 성분이 싱글 비콘, 핫스팟 또는 셀룰라 기지국과 관련된 측정치이다.
자기측정치에 대한 UPF 패밀리를 자기 UPF라 한다. RSSI, PL, TDOA와 같은 공지의 RF 추정치에 대한 UPF 패밀리를 RF UPF라 한다. 현재는 TDOA와 같은 측정치들의 용도가 위치 확인에 있는데, 이는 경로(라인이나 일련의 포인트)를 (고유하게) 확인하는데 측정치들을 이용하는 본 실시예에서의 용도와 대조적이다. 예컨대, 기존의 RF 핑거프린팅은 여러 포인트들에서 RSSI를 측정하여 각각의 RSSI 측정치와 위치를 짝짓지만, 본 실시예의 특징은 위치를 결정하는 대신에 일련의 포인트들을 다른 일련의 포인트들과 비교하여 경로나 후술하는 바와 같은 레인을 결정하는데 있다. 센서데이터에 의거한 정적 위치를 결정하는데 주안점을 둔 종래의 측정(위치 핑거프린팅)과는 달리, 본 실시예에서는 경로 길이를 따라 UPF(감지된 모바일기기가 이동한 거리에 대응하는 측정)을 결정한다. 이는 기존의 "위치 핑거프린팅"에 대해 "경로 핑거프린팅"이라 할 수 있다. 산길을 하이킹하는 것과 유사하게; 산길의 각각의 위치가 소정 높이(핑거프린트)를 갖지만 이 높이가 산길에 따라 변하는 방식(UPF)이 가능한 가장 가까운 산길을 고유하게 확인하는 소정의 패턴이나 곡선을 만든다.
서버에 연결할 수 있을 때, (경로 추정치들을 포함한) 로컬 INS/PDR 모듈(104) 출력들과 UPF들을 새로 생성한 로컬 UPF 모듈(106)이 모바일기기로부터의 데이터로 업로드된다(보통 다수의 모바일기기/클라우드 소스로부터 연결부(170A)를 통한 지연 업로드(170)로서). 다수의 모바일기기(116)가 업로드할 UPF 각각을 생성하는 것이 바람직하다. 업로드된 데이터를 AGMG 모듈(120)에서 이용해 (EH는 SM 모듈(108)에 의한 로컬데이터를 이용해) 경로와 교차로와 레인과 관련 고유 특징들(UPF들)을 갖는 하나 이상의 보행레인맵을 생성하고 업데이트한다.
AMGU 모듈(120)은 다수의 기기나 한대의 모바일기기(116)로부터의 SM 모듈(108)에서 새로 생성된 UPF들을 조사하고, 기확인된 레인이나 레인구간에 관련된 공지의 UPF들과 매칭시킨다(204). 본 실시예의 특징은 새로 생긴 UPF들과 관련 경로추정치들을 조사해 공지의 UPF와 관련 레인들을 갖춘 보행레인맵에 매칭하는데 있다.
매칭이 발견되는지 여부에 따라(206), 이 방법은 여러 과정을 거친다. 매칭이 발견되지 않고 실패했으면, (발견되지 않은) UPF들과 관련된 경로추정치들이 새로운 레인추정치로서 맵에 추가된다(220). 새로운 레인추정치가 (경로추정치로부터) 이 레인추정치를 위한 연관 UPF들과 함께 추가된다. 업데이트된 맵(보행레인맵)이 생성되고(222), 모바일기기에 의한 저장, 배포, 다운로드 및 추적(예, 맵 다운로드(128)를 통해)에 이용할 수 있다(예; 보행레인맵 데이터(124)에 업데이트(126)). SM 모듈(108)에 의해 모바일기기(116)에서 처리가 될 경우, 내비게이션 맵 로컬카피(112)에 더해 또는 그 대신에 업데이트된 맵(222)을 프로세서(114)에서 바로 이용할 수 있다.
새로 생긴 UPF들과 기존의 UPF 사이에 매칭이 발견되면(206), 각각의 경로추정치들과 경로들이 이제 매칭된 것으로 공지된다. 매칭된 UPF와 관련 경로추정치들이 준비되고 병합되어(208) 업데이트된 맵(222)을 생성한다. 208 단계에서 준비할 때 클리닝, 시프팅, 정상화와 같은 다른 공지의 기능들 및/또는 데이터가 최적화된다. 경로의 선택들을 매칭하기 위해 경로길이도 조절 및/또는 최적화될 수 있다. 하나 이상의 모바일기기(116)나 클라우드 소스로부터의 경로추정치들이 매칭된 선택에 의거해 병합되고 평활화된다. 당업자라면 센서측정치들과 생성데이터의 준비(예; 전처리)를 1회 이상, 가능하면 본 방법의 여러 단계들에서 할 수 있을 것이다.
208에서 병합될 때 공지의 UPF와 관련 레인(또는 레인추정치)를 갖는 보행레인맵에 새로 생성된 UPF들과 관련 경로추정치들을 추가한다. 보행자들이 실내환경에서 취한 경로들이 UPF들과 함께 생성되는 고유 내비게이션 맵(고유 보행레인맵)에 이런 클라우드-소스 기술이 집중된다. 또, 이런 혁신적 기술은 인간의 보행거동이 실제로 실내환경에서 취하는 길을 모델화하여, 종래에 비해 길찾기를 크게 단순화한다.
보행레인맵은 방향성 멀티그래프로 구현되는 것이 바람직하다. 멀티그래프는 꼭지점들 사이를 잇는 여러 방향선들(화살표들)을 허용하는 그래프이다. 멀티그래프의 꼭지점은 보행레인맵의 "교차로"를 표시하는데 사용되고, 멀티그래프내 2개의 꼭지점들을 연결하는 선들 중의 하나는 보행레인맵의 "레인"을 표시하는데 사용된다. 각각의 (방향성) 레인은 소스 교차로에서 목적 교차로까지 정돈된 경로추정치 집합과 관련 UPF들에 관련된다. 교차로는 위치추정치와 주로 관련되고, 소량의 다른 경로추정치와도 관련될 수 있다. "경로분리점"는 임시적이고, 시스템은 경로분리점 실제 교차로인지 여부를 아직 결정하지 않았거나 몇몇 유저들은 그들이 택한 레인들을 바꿀 수 있다. 추가 데이터(경로추정치와 UPF들)에 의해 지원되는 경로분리점들이 확인되며, 결국에는 상태가 교차로로 바뀐다.
분기점과 교차로의 확인(210)은 일반적으로 보행레인맵에 새 데이터가 추가될 때마다 행해진다. 편의상, 준비와 병합(208) 및 분기점과 교차로 확인(210)과 같은 모듈을 업데이트하고, 업데이트된 보행레인맵에 접속된다. 보행레인맵 데이터의 전체나 일부를 이용해 새로운 분기점을 확인하고, 기존의 분기점들에 대해 교차로가 될 확률이 상승되며, 이 확률이 소정의 확률을 넘을 때 분기점의 상태가 교차로로 바뀐다. 분기점을 확인하는 기술은 경로추정치가 더이상 매칭되지 않을 때까지, 즉 UPF나 INS/PDR 경로추정치들이 매칭된 구건의 가장자리에서강력하게 다르기 시작할 때까지 비교중인 경로추정치들의 매칭된 구간길이를 증가시킨다. 매칭을 잃거나 시작하는 포인트에서 포인트들은 먼저 경로분기점으로 확인되고 보행레인맵에 꼭지점으로 추가된다. 시간이 지나 원래 분기점 부근에 추가 분기점이 없으면, 원래 분기점과 관련된 꼭지점은 폐기된다. 시간이 지나 원래 분기점 부근에 더 많은 분기점이 있으면, 이 분기점이 교차로로 인식된다. 분기점과 교차로들은 업데이트된 맵(222)을 생성하는데 사용된다.
레인 확인(212)은 보행레인맵에 새 데이터가 추가될 때마다 행해지기도 한다. 분기점이 교차로로 되는 것과 마찬가지로, 경로추정치들은 계속 존재할 수 있는 레인추정치들을 생성하고 이를 확인하여 결국 "레인"으로 상태를 바꾸는데 사용된다. 하나의 레인은 여러 다른 모바일기기로부터의 (경로추정치로 표현된) 경로들의 수렴점이다. 요컨대, 레인은 사람들이 모바일기기를 갖고 보행하는 장소에 생긴 교통패턴이라 할 수 있다. 모바일기기가 움직이는 물리적 공간인 복도에 하나 이상의 레인이 있을 수 있다.
레인은 UPF와 관련되어 있다. 하나의 레인으로 경로들이 모이는 것은 이들 경로의 UPF들이 매칭하는지 여부에 대응하고, 이 과정이 레인 폭을 결정하기도 한다. 레인추정치들은 (주어진 크기보다 작은) 충분히 작은 불확도로 서로 근접해있는 UPF 및/또는 경로추정치들을 이용해 매칭된 경로들의 상관 터널일 수 있다. 다시말해, 일정 범위내의 상관 UPF들이나, UPF들 사이의 피팅이 경계인 3차원(3D) 터널(터널경계)를 형성한다. 2개의 모바일기기가 이런 터널경계내에서 움직일 때, 모바일기기 각각이 서로 매칭하는 UPF들을 생성한다. 또는, 2개의 경로추정치들의 위치불확도가 (주어진 크기보다 작게) 충분히 작고 2개의 경로추정치들이 서로 (지리적 임계치에) 근접해있으면, 2개의 경로추정치들은 같은 레인에서 걷는 것으로 간주될 수 잇다. 다수의 모바일기기(116)가 각각 다수의 UPF들을 생성할 경우, 이들 UPF들의 상관관계에 의거해 다수의 레인들을 계산할 수 있다.
레인들은 분기점들 및/또는 교차로들을 연결한다. 전술한 것처럼, 레인들은 기본적으로 소스들을 갖춘 에지들이고 목적 교차로들은 동일하고 서로 가까이 있다. 이런 레인 확인으로 유저가 레인들을 스위칭할 때를 실시간으로 추적할 수 있다. 레인들은 보행자 내비게이션맵에 병합되고 업데이트된다. 레인들을 이용해 업데이트된 맵(222)처럼 보행레인맵을 생성 및/또는 업데이트할 수 있다.
한편, 미확인되거나 한물간 레인과 교차로들을 제거하는 등 환경변화를 확인할 수도 있다(214). 보행레인맵에 일정 시간동안 매칭되지 않은 레인과 교차로들이 있으면, 이런 레인과 교차로들은 폐기할 수 있다. 일정 시간은 보행레인맵의 한 장소로부터 다른 장소까지 또는 하나의 맵에서 다른 맵까지 변할 수 있다. 보행레인맵이 적응적이기 때문에, 측정(핑거프린트) 환경의 변화로 새로운 추가 레인과 교차로들은 관련 새로운 추가 UPF들을 갖는다. 이때문에 낡은 레인과 교차로들은 제거된다. 기존의 레인과 교차로들을 없애는 다른 방법은 사람들이나 대응 모바일기기들이 기존의 레인과 교차로 가까이 움직지만 기존의 레인과 교차로들에 매칭하지 못할 때 한다. 이런 기술들은 시간이 경과하면서 보행레인맵을 정리해, 현재의 레인과 관련이 없는 데이터를 갖는 맵과 비교해 맵을 단순화해 저장한다. 이런 환경변화를 이용해 업데이트된 맵(222)을 생성한다.
또, 하나 이상의 지오펜스를 업데이트할 수도 있다(224). 보행레인맵을 업데이트한 뒤, 새로운 레인에 대해 지오펜스를 만들거나 업데이트할 수 있다. 레인들을 둘러싼 지오펜스들은 보행자의 이동영역들과 교통섬들을 묘사하여, 보행레인맵을 더 완성하며, 직관적이 되게 하며 유저친화적으로 한다.
보행레인맵은 일반적으로 공지의 UPF들과 관련 레인들(또는 레인추정치)을 기본적으로 포함하고, 레인추정치, 분기점, 경로, 교차로 및 관련 내비게이션 정보(정보계층)를 추가로나 옵션으로 더 포함할 수도 있다.
도 3은 AMGU의 개략도이다. 좌측 도면은 실제 빌딩맵(340)과 (실제값으로 알려진) 모바일기기 경로를 보여준다. 벽(300), 복도(302) 및 룸(304)이 보인다. 3개의 모바일기기 경로인 유저1 경로(1), 유저2 경로(3)와 유저3 경로(3)가 보이는데, 각각의 경로는 유저와 관련 모바일기기(116)의 움직임을 보여준다. 빌딩(340)내 몇몇 포인트에서, 예컨대 제1 구간(306)내의 유저 경로인 유저1 경로(1)와 유저2 경로(2)는 제1 교차로(308A)와 제2 교차로(308B) 사이의 같은 복도를 이동한다. 제2 구간(310)에서는, 유저1과 유저3 둘다 모바일기기를 지닌채 같은 복도를 따라 이동하되, 다른 위치인 복도 양쪽에 있어 유저1과 유저3의 경로들이 매칭하지 않는다. 유저1 경로(1)와 유저3 경로(3) 각각은 같은 제2 구간(310)에서 복도의 didWHr에 도시되어 있다.
우측 도면은 가상의 보행레인맵(342)으로서, 다수의 모바일기기(116)의 데이터를 이용해, 서버(130)의 AMGU(120)에서 보행레인맵(342)을 만든다. 여기서, 레인(326), 제1 교차로(328A), 제2 교차로(328B) 및 경로분기점(332)이 보인다. 전술한 것처럼, 다수의 모바일기기(116)가 경로(유저1 경로, 유저2 경로 및 유저3 경로)를 EK라 움직이면서 센서데이터(102)가 수집되고, 수집된 데이터 및/또는 경로추정치와 UPF들이 지연업로드(170)를 통해 서버(130)로 보내진다. AMGU 모듈(120)은 다수의 모바일기기에서 새로 받은 UPF들과 이미 확인된 경로들과 관련된 공지의 UPF들 사이의 매칭(204)을 서치한다. 예컨대, 레인(326)과 관련 UPF들이 유저1 경로(1)로부터의 이전 경로추정치와 UPF들의 처리로부터 이미 알려진 것이면, 경로추정치와 UPF들이 유저2의 모바일기기로부터 받은 것일 때 유저2의 UPF들을 맵(342)의 UPF들과 비교한다. 이 경우, 제1 구간(306)의 유저2의 UPF들에서 매칭이 발견된다. 유저2에서 받은 데이터(경로추정치, UPF 및 기타 다른 데이터)를 이용해 레인과 교차로들을 확인하고 매핑을 보강하며, 가능한 교차로로서 분기점들을 확인하거나 보강한다.
빌딩맵(340)에서 온 제2 구간(310)은 제2 복도(330)내의 2개 레인을 확인하도록 처리되었다. 공지의 레인을 둘러싼 바닥 평면의 골격을 나타내도록 하나 이상의 지오펜스(320)가 생성되거나 업데이트된다.
도 4는 경로추정치의 드리프트를 갖는 AMGU 맵의 개략도로서, 모바일기기들이 글로벌 좌표계(글로벌 축 프레임웍)에 일치한다고 가정한다. 모바일기기들이 아직 글로벌 축 프레임웍에 일치하지 않으면, 하나의 모바일 좌표계를 다른 모바일 좌표계에 정렬시키기 위한 UPF 매칭을 모바일기기에 대해 찾을 수 있다. 제1 구간에서는 유저1 경로(1)와 유저2 경로(2) 둘다 제1 교차로(308A)과 제2 교차로(308B) 사이로 같은 복도를 움직인다. 그러나, 2개 경로가 정확히 같은 경로를 추정하지 않고, 실제 모바일기기 경로추정치와 좌표계 사이에 드리프트나 불일치가 있다. 드리프트는 내부센서의 고유 성질로서, 생성된 데이터(경로추정치)가 실제값에서 벗어난다. AMGU(120)가 유저1과 유저2 모바일기기 가각의 데이터를 처리할 때, AMGU는 이 데이터를 공통의 레인추정치나 레인에 병합하기에 충분히 가까운지(소정 범위내에 있는지) 여부를 결정해야 한다. 모바일기기의 실제값이 (빌딩맵(340)에 표시한 것처럼) 아주 가까우면, 측정된 UPF들이 매칭되고, 병합으로 경로추정치내의 불일치들을 평균낸다(다른 기기들로부터의 측정치들이 독립적이기 때문). 유저1과 유저2로부터의 모든 유저 데이터를 확인된 레인(326)과 관련하여 저장하고, 보행레인맵(342)에 유저데이터를 더 매칭하는데 사용한다.
포지셔닝
및 내비게이션
최신의 보행레인맵을 내비게이션 맵 로컬카피(112)로서 모바일기기(116)에 보관한다. 이런 보행레인맵은 일반적으로 서버(130)의 내비게이션 맵데이터(124)로부터 맵 다운로드(128)를 통해 모바일기기(116)로 다운로드된다. 연결이 가능할 때 지연 다운로드를 통해 다운로드되거나, 내비게이션 기능(보행레인맵에서의 실시간 포지셔닝)이 활성화될 때 모바일기기에 의해 실시간으로 다운로드가 요청된다. 모바일기기(116)와 서버(130) 사이의 연결이 안될 경우, 모바일기기가 내비게이션맵 로컬카피(112)를 유지하고 업데이트할 수 있다.
포지셔닝과 내비게이션을 할 때, UPF들을 생성하고 저장된 UPF들과 비교하는 기능들은 일반적으로 모바일기기내의 동일한 프로세서(114)에 의해 수행된다. 그러나, 다른 로컬/원격 프로세서나 기기로도 이를 수행할 수 있음을 당업자라면 알 수 있을 것이다. 예를 들어, 센서데이터(102) 및/또는 UPF들을 실시간처리를 위해 서버(130)에 실시간으로 보내고 서버(130)에서 모바일기기(116)의 보행레인맵에 되돌릴 수 있다.
도 7은 도 1~2와 관련하여 보행레인맵을 이용해 포지셔닝과 내비게이션을 하는 방법의 순서도로서, 내비게이션을 시작할 때(701), 이 방법은 매핑 방법과 비슷한 단계들을 이용한다.
이 방법은 모바일기기(116)의 위치와 움직임에 의거해 센서데이터(102)를 수신함으로써(700) 맵을 생성하는 방법(매핑)과 비슷하게 시작한다. 포지셔닝을 위해 센서 측정치들을 수신하는 단계(700)는 매핑할 때 새로운 센서측정치들을 수신하는 단계(200)와 거의 비슷하다. 센서데이터(102)의 소집합에 의거하여, 로컬 INS/PDR 모듈(104)은 경로추정치와 LMV(location measurement vector)를 생성한다(702). 경로추정치들은 모바일기기의 이동 위치들을 포함한다. 위치측정벡터(LMV)는 각각의 위치에서의 센서데이터(102)로부터의 하나 이상의 측정치들을 포함한다. 센서데이터(102)와 경로추정치와 LMV에 의거해, UPF(unique path features)가 로컬 UPF 모듈(106)에 의해 생성된다.
본 실시예의 특징은 일반적인 SLAM(simultaneous localization and mapping)이 실행되는데 있다. 매핑 단계(202) 및 내비게이션 단계(702) 둘다 비슷한 기능을 수행한다. 내비게이션을 할 때, 경로추정치, LMV 및 UPF들은 새로운 보행레인맵을 생성하고 기존의 맵을 업데이트하는데 이용된다. 당업자라면 매핑방법과 포지셔닝 방법 사이의 관계와 크로스오버를 알 수 있을 것이다. 예컨대, 내비게이션을 할 때 702 단계에서 매핑에 사용하기 위한 역경로를 생성할 수도 있다(202 단계와 유사).
또는, 보행레인맵의 어느 구간이 모바일기기(116) 가까이 있는지를 결정하기 위해 모바일기기(116)의 초기 개략 위치를 결정하는 단계(703)를 BLE 비콘, Wi-Fi 핫스팟 위치데이터, 부정확한 GPS 판독 및 부정확한 INS/PDR 추정치에 의거하여 할 수도 있다. 인간의 개입에 의해 수동으로나, 공지의 위치태그의 카메라바코드/QR 스캐닝과 같은 다른 외부시스템으로 개략적 위치추정을 할 수도 있다. 초기 개략위치가 결정된 뒤 포지셔닝 방법을 이용해 이 위치를 개선할 수 있다.
704 단계에서 매칭 검색이 실행되는데, 여기서는 SM 모듈(108)이 AMGU 모듈(120)과 비슷한 기능을 하여 생성된 UPF들을 보행레인맵이나 로컬카피(112)에 저장된 UPF들과 비교해 UPF 매칭을 결정한다. 매칭이 발견되지 않으면(706), 704 단계로 돌아가 매칭검색을 계속한다. 한편, 맵(220)에 비매칭 출력들이 새로운 레인추정치로 추가될 수도 있다.
SM 모듈(108)의 출력은 로컬 INS/PDR 모듈(104)에 대한 교정 피드백(118)으로 사용될 수 있다. 이 피드백은 생성된 UPF, 매칭된 UPF, 레인들 중 하나의 매칭 위치, 매칭된 위치맵 방향/헤딩 데이터 및 관련 불확도 측정치들을 포함한다. 이 피드백은 경로추정치와 헤딩과 방향의 후속 생성의 개선에 사용된다. 로컬 INS/PDR 모듈(104)은 피드백을 이용해 추정치를 수정한 다음 모바일기기(116)의 유저에게 제시할 위치를 GUI(110)에 출력한다. 매칭이 발견되면(706), 추적상태(730)나 추적모드로 진행하고, 이 상태에서의 위치 불확도는 미추적 상태의 위치 불확도보다 낮다.
일반적으로, 위치불확도 측정치는 조사영역, 즉 매칭을 조사할 보행레인맵의 영역을 결정한다. 매칭이 발견되지 않으면 불확도가 높아지고 발견되면 낮아진다. 이어서 추적/미추적 상태들이 위치불확도의 증감으로 번역될 수 있다.
추적상태(730)에서, INS/PDR 모듈로의 피드백과 INS/PDR 추정치의 수정이 계속됨은 물론, 더 작은 조사영역에 대한 조사와 매칭도 계속된다. 매칭이 발견되지 않으면 최신 추적이 없어져, 생성된 UPF들과 센서데이터는 정상적인 시간이나 거리량에 대해 보행레인맵에서의 매치를 더이상 표시하지 않거나, 위치불확도가 소정 크기를 넘고, 더 큰 영역에 대해 704 단계로 돌아간다.
보행레인맵에 지오펜스가 있으면, 지오펜스 경계내에서 위치추정을 하여 실시간 위치추정이 더 개선된다.
모바일기기(116) 부근의 맵데이터를 모바일기기의 GUI(100) 등에 디스플레이할 수도 있다.
또, 매칭된 출력을 분기점과 교차로 확인(210)을 위해 보낼 수도 있고, 추가 매핑기능은 SLAM에 대해 계속된다.
포지셔닝, 내비게이션 및 추적은 모바일기기(116)가 레인을 바꾸고 교차로를 지나고, 정지하고 머물 때의 확인작업도 포함한다.
또, 현재의 기기위치를 이용해 현 기기위치나 다른 소스위치 입력으로부터 다른 기기위치나 다른 목적위치 입력까지의 루트를 찾고, 실시간 추적을 위해 이 루트의 특징들을 준비할 수도 있다.
이런 루트와 보행레인맵을 함께 이용해, 보행레인맵과 맵에서의 모바일기기(116)의 추적에 의거해 목적위치로의 내비게이션을 위한 안내명령어들을 생성할 수도 있다. 예컨대, 5m 가서 우회전한 다음 10m 후방 등이 있을 수 있다.
또, 유저나 다른 시스템이 상점이나 상품이나 광고나 안내판과 같은 정보를 보행레인맵에 표시하거나 추가할 수도 있다.
도 5는 경로추정 수정으로 실시간 내비게이션하는 것을 보여주는 개략도이다. 보행레인맵(342)에 파단선으로 표시된 유저4 경로(4)가 제2 복도(330)를 따라 움직이다가 제1 교차로(328A)에서 제1 구간(306)으로 좌회전한 다음 제2 교차로(328B)에서 우회전하는 것을 보여준다. 유저4 경로 추정치(4A)는 레인(326)에서부터 변한다. 도면에서 한쪽 파단선은 유저4 경로 추정치(4A)로서, SM 모듈로부터의 수정 피드백이 없는 것이다. 그러나, 유저가 실제로는 레인(326)에서 이동하기 있어, 유저의 계산된 UPF들이 로컬 보행레인맵의 UPF들과 매칭되어, SM 모듈(108)로부터의 수정 피드백을 이용할 수 있다. 두번째 파단선(4B)은 이런 피드백 이후의 유저4 경로추정치(4B)의 수정상태를 보여준다.
본 발명의 UPF들과 보해레인맵은 루트검색, 안내명령어 생성, 추적, 보행량 분석과 같은 기능들을 할 수 있다. 맵에서 (모바일기기의 현위치와 맵상의 위치와 같은) 제1 위치로부터 (모바일기기 외의 다른 기기의 위치와 맵상의 위치와 같은) 제2 위치로의 루트를 이용해 실시간 추적을 위한 루트의 특징들을 준비할 수 있다. 목적지로의 내비게이션을 위한 안내문구 생성은 보행레인맵에 의거하여 할 수 있다. 예를 들어, "5m 가서 우회전하고 10m 후진 등"의 명령어를 생성할 수 있다. 모바일기기는 내비게이션중에 추적할 수 있다. 유저제공 정보에 의거해 맵을 업데이트할 수 있다. 예컨대, 유저가 상점, 안내판, 광고 등을 추가할 수 있다. 보행레인맵 및/또는 모바일기기의 위치와 유저의 행동의 조합을 분석해 보행자 행위를 분석할 수도 있다. 예를 들어, 체류시간/위치, 바쁜 시간, 히트수, 가장 많은 시간을 보낸 곳, 혼잡위치 등을 분석할 수 있다. 또는, 어떤 상점의 통로에 있는 유저, 어떤 상품 검색을 위한 브라우저 오픈 등을 분석할 수도 있다.
실시예
아래 수학적 설명에서는 연속적인 시간표기를 사용한다. 이 설명으로부터, 당업자라면 다른 도메인(디지털 샘플링 도메인 등)에도 적용할 수 있을 것이다.
로컬 INS/PDR 모듈(104)은 경로추정치 γ(t)와 (옵션) m B (t) 자기측정치를 출력하는데, 자기측정치는 자이로스코프(S02) 데이터와 합쳐져 방향독립 축프레임웍을 갖는바, 자이로는 초기 바디축 프레임웍에 대해 자기측정치를 회전시킨다. 목적은 글로벌축 프레임웍 방향으로 경로추정치를 구하는 것이지만, 초기 GPS 위치나 다른 부가정보가 없으면 이 추정치가 아주 부정확할 수 있다. 또, 일반적으로 INS/PDR은 저렴한 센서를 사용하기 때문에 고유 드리프트를 겪는다. 이런 이유로(아래 참조), 위치정확도가 추정 σ γ (t)이고 위치보정 없이 시간이 갈수록 커진다고 가정하는 것이 바람직하다. 로컬 INS/PDR 모듈(104)의 입력은 가속도계(S01), w자이로스코프(S02), 자력계(S03), 바로미터(S04)/고도계, GPS 리시버(S06)와 같은 센서(100)의 데이터(102)를 포함한다. INS/PDR 알고리즘은 당업계에 잘 알려져있다(Z Tian 등의 Pedestrian dead reckoning for MARG navigation using a smartphone 참조).
로컬 UPF 모듈(106)의 입력은 로컬 INS/PDR 모듈(104)로부터의 γ(t)와, 스마트폰 자력계로부터의 빌딩내 경로의 자기측정신호인 m(t)를 포함하고, 경우에 따라서는 m B (t)도 포함할 수 있다.
로컬 UPF 모듈(106)은 고유경로함수를 계산할 수 있다:
다른 경로 특징들을 생성하기 위한 다른 경로함수의 예는:
이고, 각각의 함수는 물리적인 장단점을 갖는다.
이런 경로함수를 좀더 일반화한 것은:
여기서 f 1, 2(l)은 특정 위치에서 대응 사이즈를 갖는 측정치의 핑거프린트(측정치) 벡터이다. 통신시스템에서는 기본적으로 경로를 따른 벡터측정치의 경로의 자기상관을 생성한다. 위치측정치들을 경로 구간들로 한정하려면 그 변형으로 경로길이 L의 순환 자기상관을 취한다.
RF 핑거프린팅이 가능하면(즉, RF 측정치에 접근할 API가 있고 충분한 인프라가 있으면), 더 많은 경로 기능들이 생성된다. 예를 들어, 는 RF 측정벡터로서, 각각의 요소는 고정 인프라 포인트인 셀룰라 셀 ID나 Wi-Fi 핫스팟 MAC ID와 관련되고, 이들 요소는 RSSI, PL(path loss), TDOA와 같은 측정치이다.
끝으로, UPF는 롱텀 애버리지를 제거하도록 고역통과 여과될 수 있다.
σ l 은 대응 위치불확도로 한다.
새 유저 UPF 데이터를 F l new , 보행레인맵의 하나의 경로를 F r map 라 하면, 에러함수는 아래와 같다:
여기서 노름(norm)은 UPF처럼 내적만 고려했을 때 UPF나 Lp-노름의 자기상관을 고려하면 p-노름이다.
한편, 에러함수를 구축할 상관계수를 아래와 같이 이용할 수도 있다:
2-노름 벡터공간이나 L2 공간에서의 내적.
주: 일반적으로, 실제 보행레인맵은 방향성 멀티그래프여서 각각의 위치에 대해 F r map 을 구축하는데 실제로 여러 옵션이 있다. 이 경우, 최소값 e L (l,r)을 옵션으로 취할 수 있다.
이제 보행레인맵 UPF 데이터에서 새로운 UPF 데이터의 최적 적합이 무엇인지에 대해 문제를 고려할 수 있다:
발견된 매치는 아래와 같이 최적화된다:
여기서 L min와 L max는 소정의 인자이다.
분수샘플보간을 하여 에러를 최소화하도록 최적화를 더 할 수 있다.
이제 새 UPF들과 INS/PDR 추정치들을 모두 보행레인맵 구조에 병합한다. 여기서, 위치추정치들을 병합하는데 MRC(Maximal Ration Combining)를 이용한다.
도 6은 일반적인 사무공간에서의 상관터널의 개략도로서, 전술한 바와 같이 레인추정치들은 (주어진 양보다 작지만 충분한 위치불확도로 서로 아주 근접한 UPF들 및/또는 경로추정치들을 이용해 매칭된 경로들의 상관터널일 수 있다. 사무실 복도(600)는 2m의 폭(602)과 3m의 길이(604)를 갖는다. 이 복도(600)의 각각 다른 위치 예컨대 복도 중앙(611), 복도 좌측(612), 복도 우측(613)에서 모바일기기(116)와 관련된 한명 이상의 유저들이 움직이면서 상관터널(606)이 형성된다. 이 경우의 상관터널은 높이 0.9m, 폭 0.5m이며 계산된 경로의 중앙에 있다. 상관터널은 유저들이 복도를 움직일 때의 유저의 다른 위치나 유저의 관련 모바일기기(116)의 다른 위치들을 표시할 수 있다. 예컨대, 유저의 모바일기기(116)가 유저의 히프나 손에 쥐고 하반신 부분이나, 유저의 셔츠나 가슴 포켓의 중간부위나, 유저가 통화중일 경우 머리 부분의 높은 위치에 있을 수 있다. 도시된 상관터널(606)에 대해 σe 2가 0.25m를 넘어서는 안된다. UPF 병합을 위해, 보행레인맵이 망각인자를 갖도록 망각인자를 갖는 평균화 함수를 사용해 환경변화에 적응할 수 있다.
매칭되지 않은 위치들을 추가 에지로서 맵에 추가한다.
도 8은 본 발명의 시스템(900)의 블록도로서, 프로세서(114), 서버9130) 및 옵션 서버 프로세싱(160)과 같은 하나 이상의 성분 및/또는 모듈들을 구현하는데 이용된다. 이 시스템은 (하나 이상의) 프로세서(902)와 4개의 메모리소자인 RAM(904), 부트 ROM(906), 대량저장장치(하드디스크)(908) 및 플래시 메모리(910)를 포함하고, 이들 모두 공통 버스(912)를 통해 연결된다. 주지하는 바와 같이, 프로세싱과 메모리는 소프트웨어, 펌웨어를 저장하는 모든 컴퓨터 리더블 매체 및/또는 FPLA(field programmable logic array), 유선연결 로직소자, FPGA(field programmable gate array) 소자, ASIC 소자를 포함한 하드웨어를 포함한다. 모든 명령어 세트 아키텍처들은 RISC(reduced instruction set computer) 아키텍처 및/또는 CISC(complex instruction set computer) 아키텍처를 포함한 프로세서(902)에서 사용될 수 있다. 대량저장장치(908)에 있는 모듈(914)은 메모리장치의 어디에도 있을 수 있다.
대량저장장치(908)는 매핑, 추적, 포지셔닝, 내비게이션을 구현하기 위한 컴퓨터리더블 코드를 저장한 비일시적 컴퓨터리더블 저장매체를 포함한다. 컴퓨터리더블 저장매체의 다른 예로는 이런 코드를 저장한 ROM이 있다.
시스템(900)은 메모리장치에 저장된 운용시스템을 가질 수 있고, ROM은 시스템의 부트 코드를 포함할 수 있으며, 프로세서는 운용시스템을 RAM(904)에 로딩하기 위해 부트 코드를 실행하여, 운용시스템이 컴퓨터리더블 코드를 RAM(904)에 복사해 실행하도록 한다.
시스템(900)에 네트웍을 연결할 수 있다. 로컬 및/또는 원격 네트웍들의 다른 장치들에 가상연결을 포함한 하나 이상의 링크를 할 수 있다. 한편, 시스템(900)이 하나 이상의 네트웍 연결을 갖고, 각각의 네트웍 연결이 다른 장치 및/또는 네트웍에 대한 하나 이상의 링크를 제공할 수 있다.
시스템(900)은 네트웍을 통해 클라이언트나 서버에 연결된 서버나 클라이언트로 구현될 수 있다.
모듈과 프로세싱에 대해 다양한 구현이 가능하다. 모듈은 소프트웨어로 구현되는 것이 좋지만, 하나 이상의 위치에서 하나의 프로세서나 분산된 프로세서들에서 하드웨어나 펌웨어로도 구현될 수도 있다. 이상 설명한 모듈의 기능들을 합쳐 더 적은 모듈로 구현하거나, 기능들을 더 세분하여 더 많은 수의 모듈로 구현될 수도 있다.
Claims (33)
- (a) 모바일기기의 위치와 이동에 의거한 센서데이터를 받는 단계;
(b) 상기 센서데이터에 의거해, 경로추정치와 위치측정벡터를 생성하는 단계;
(i) 이때 상기 경로추정치는 모바일기기의 이동 위치를 포함하고, (ii) 상기 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며,
(c) 상기 센서데이터와 경로추정치와 위치측정벡터에 의거해, 하나 이상의 UPF(unique path feature)들을 생성하는 단계;를 포함하고,
상기 UPF는 상기 경로를 특성화하며 상기 경로추정치와 위치측정벡터에 의거한 연산에 의해 생성되고, 상기 연산이 상기 이동 경로 대한 연산인 것을 특징으로 하는 매핑방법. - 제1항에 있어서, 상기 경로추정치가
(a) 경로추정치의 위치불확도; 및
(b) 상기 모바일기기를 하나 이상의 다른 모바일기기들에 사용된 공통 축 프레임웍에 정렬시키는 글로벌축 프레임웍 방향추정치;
로 이루어진 군에서 선택된 하나 이상의 측정치를 포함하는 것을 특징으로 하는 매핑방법. - 제1항에 있어서, 상기 위치측정벡터가
(a) 자기장 측정치;
(b) 보정된 자기장 측정치;
(c) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 RSSI 측정치;
(d) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 PL 측정치; 및
(e) Wi-Fi, BLE, 셀룰라 기지국 또는 다른 RF 비콘 중의 적어도 하나로부터의 TDOA 측정치;
로 이루어진 군에서 선택된 하나 이상의 측정치를 포함하는 것을 특징으로 하는 매핑방법. - 제1항에 있어서, 상기 위치측정벡터가 위치측정 변동벡터이고, 이때 위치측정 변동벡터내의 각각의 측정치 군은 첫번째 위치에서 다른 위치로의 변동에 의거하는 것을 특징으로 하는 매핑방법.
- 제4항에 있어서, UPF들을 생성할 때 상기 위치측정벡터와 위치측정 변동벡터에 의거한 연산을 수행하는 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 상기 연산이 모바일기기의 방향에 무관한 방향불변 함수인 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 상기 연산이
(a) 위치측정벡터와 측정변동의 내적;
(b) 자기상관;
(c) 교차상관;
(d) 상기 교차추정치에서의 경로적분;
(e) 상기 위치측정벡터와 경로추정치에서의 위치변경 사이의 자기상관;
(f) 상기 위치측정벡터에서의 자기측정치의 경로적분;
(g) 상기 변경추정치(속도)에서의 자기측정치의 경로적분;
(h) 자기측정 변동들에서의 자기측정치의 경로적분;
(i) 상기 위치측정벡터에서의 RSSI(radio signal strength indicator)의 함수;
(k) RSSI(radio signal strength indicator) 측정변동에서의 RSI mrwjdcl의 경로적분;
(l) 상기 위치측정벡터에서의 PL(path loss)의 함수;
(m) PL 측정변동에서의 PL 측정치의 경로적분;
(n) 상기 위치측정벡터에서의 TDOA(time difference of arrival)의 함수; 및
(o) TDOA 측정변동에서의 TDOA의 경로적분;
으로 이루어진 군에서 선택된 적어도 하나의 기술인 것을 특징으로 하는 매핑방법. - 제1항에 있어서, 상기 UPF들에 의거하여, 모바일기기가 움직이는 하나 이상의 레인들을 계산하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제8항에 있어서, 추정치 불확도 측정치들로부터 유도된 레인 추정치들을 합치기 위해 레인추정치들과 수렴가중치를 계산하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제8항에 있어서, 상기 레인들에 의거하여 교차로들을 결정하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제8항에 있어서, 3~15 m의 경로길이에 비교구간들이 있는 것을 특징으로 하는 매핑방법.
- 제8항에 있어서, 상기 레인들에 의거하여 UPF들과 관련 레인들을 갖춘 보행레인맵을 생성하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제12항에 있어서, 상기 보행레인맵이 위치와 레인들에 관련된 추가 정보 계층을 더 포함하는 것을 특징으로 하는 매핑방법.
- 제12항에 있어서, 상기 보행레인맵에서 상기 레인들 및/또는 교차로들 중의 적어도 하나를 제거하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 상기 UPF들에 의거해 하나 이상의 레인 추정치들을 계산하는 단계와, 상기 레인추정치들의 하나 이상의 레인으로의 수렴을 계산하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제15항에 있어서, 피드백을 이용해 상기 레인추정치들을 업데이트하는 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 다수의 모바일기기 각각에 대해 다수의 UPF들 각각이 생성되는 것을 특징으로 하는 매핑방법.
- 제17항에 있어서, 상기 다수의 UPF들의 상관관계에 의거해 다수의 레인들이 계산되는 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 다수의 UPF들이 해당하는 다수의 모바일기기로부터 클라우드-소싱되는 것을 특징으로 하는 매핑방법.
- 제1항에 있어서, 센서데이터를 반전시켜 역경로를 생성하는 단계를 더 포함하는 것을 특징으로 하는 매핑방법.
- 제1항 내지 제19항 중의 어느 하나를 구현하고, 하나 이상의 프로세서를 포함하는 프로세싱 시스템을 포함하는 것을 특징으로 하는 매핑 시스템.
- (a) 모바일기기의 위치와 이동에 의거한 센서데이터를 받는 단계;
(b) 상기 센서데이터에 의거해, 경로추정치와 위치측정벡터(LMV; location measurement vector)를 생성하는 단계;
(i) 이때 상기 경로추정치는 모바일기기의 이동 위치를 포함하고, (ii) 상기 위치측정벡터는 각각의 위치에서의 하나 이상의 측정치를 포함하며,
(c) 상기 센서데이터와 경로추정치와 위치측정벡터에 의거해, 경로추정치와 위치측정벡터에 따른 연산을 하여 하나 이상의 UPF들을 생성하는 단계; 및
(d) 상기 생성된 UPF들을 보행레인맵에 저장된 UPF들과 비교해 매칭 UPF들을 결정하는 단계;를 포함하고,
상기 UPF는 상기 경로를 특성화하며 상기 경로추정치와 위치측정벡터에 의거한 연산에 의해 생성되고, 상기 연산이 상기 이동 경로에 대한 연산인 것을 특징으로 하는 포지셔닝 방법. - 제22항에 있어서, 상기 경로추정치가
(a) 경로추정치의 위치불확도; 및
(b) 상기 모바일기기를 하나 이상의 다른 모바일기기들에 사용된 공통 축 프레임웍에 정렬시키는 글로벌축 프레임웍 방향추정치;
로 이루어진 군에서 선택된 하나 이상의 측정치를 포함하는 것을 특징으로 하는 포지셔닝 방법. - 제22항에 있어서, 상기 매칭 UPF들이 관련 보행자 레인들을 갖고, 상기 보행레인맵을 맵 디스플레이에 제공하는 단계를 더 포함하는 것을 특징으로 하는 포지셔닝 방법.
- 제24항에 있어서, 상기 센서데이터와 레인들에 의거하여 레인들 중 하나에서의 모바일기기의 위치를 계산하는 것을 특징으로 하는 포지셔닝 방법.
- 제22항에 있어서, 상기 매칭 UPF들을 이용해 경로추정치와 위치측정벡터의 생성을 개선하는 것을 특징으로 하는 포지셔닝 방법.
- 제22항에 있어서, 상기 연산이 모바일기기의 방향에 무관한 방향불변 함수인 것을 특징으로 하는 포지셔닝 방법.
- 제22항에 있어서, 상기 비교가 모바일기기의 최신 3m 내지 15m의 이동에 대해 하는 것을 특징으로 하는 포지셔닝 방법.
- 제22항에 있어서, 상기 경로추정치가 경로추정치의 위치불확도 측정치를 포함하고, 이런 위치불확도 측정치로부터 검색 경계를 유도하는 것을 특징으로 하는 포지셔닝 방법.
- 제22항에 있어서,
(a) (i) 모바일기기의 현위치와 (ii) 보행레인맵에서의 위치로 이루어진 군에서 선택된 제1 위치로부터, (iii) 상기 모바일기기 외의 다른 기기의 위치와 (iv) 상기 보행레인맵에서의 위치로 이루어진 군에서 선택된 제2 위치까지의 루트를 보행레인맵에서 찾는 단계;
(b) 상기 보행레인맵에 의거해 목적위치로 내비게이션하기 위한 안내 명령어들을 생성하는 단계;
(c) 내비게이션중에 모바일기기를 추적하는 단계;
(d) 유저제공 정보에 의거해 보행레인맵을 업데이트하는 단계;
(e) 보행거동 분석을 위해 보행레인맵을 분석하는 단계; 및
(f) 모바일기기의 위치와 유저행동의 조합을 분석하는 단계;
로 이루어진 군에서 선택된 하나 이상의 기능들을 포함하는 것을 특징으로 하는 포지셔닝 방법. - 제22항 내지 제30항 중의 어느 하나를 구현하고, 하나 이상의 프로세서를 포함하는 프로세싱 시스템을 포함하는 것을 특징으로 하는 포지셔닝 시스템.
- (a) 경로길이 측정치가 상기 센서데이터에 의거해 생성되고,
(b) 상기 UPF들이 상기 경로길이 측정치에 대응하는 경로길이에서 생성되는 것을 특징으로 하는 제1항 또는 제22항에 따른 방법, 또는 제21항 또는 제31항에 따른 시스템. - (a) 경로길이 측정치가 상기 센서데이터에 의거해 생성되고,
(b) 상기 UPF들이 상기 경로길이 측정치에 대응하는 경로길이에서 생성되며,
상기 경로길이 측정치가 (i) 이동한 추정 거리, (ii) 이동한 추정 자기거리 및 (iii) 이동한 추정 위치측정벡터 거리로 이루어진 군에서 선택되는 것을 특징으로 하는 제1항 또는 제22항에 따른 방법, 또는 제21항 또는 제31항에 따른 시스템.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562216575P | 2015-09-10 | 2015-09-10 | |
US62/216,575 | 2015-09-10 | ||
PCT/IB2016/055233 WO2017042672A1 (en) | 2015-09-10 | 2016-09-01 | Navigate, track, and position mobile devices in gps-denied or gps-inaccurate areas with automatic map generation |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20180052636A true KR20180052636A (ko) | 2018-05-18 |
Family
ID=58239222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020187007363A KR20180052636A (ko) | 2015-09-10 | 2016-09-01 | 자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10584972B2 (ko) |
EP (1) | EP3347677B1 (ko) |
KR (1) | KR20180052636A (ko) |
CN (1) | CN108351217B (ko) |
ES (1) | ES2920837T3 (ko) |
IL (1) | IL257725B (ko) |
WO (1) | WO2017042672A1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210058604A (ko) | 2019-11-14 | 2021-05-24 | 김성우 | 이동식 초음파세척기 |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180052636A (ko) * | 2015-09-10 | 2018-05-18 | 오리엔트 뉴 미디어 엘티디. | 자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 |
KR102500299B1 (ko) * | 2015-12-03 | 2023-02-16 | 삼성전자주식회사 | 사용자 단말 및 그 제어 방법 |
US10151588B1 (en) | 2016-09-28 | 2018-12-11 | Near Earth Autonomy, Inc. | Determining position and orientation for aerial vehicle in GNSS-denied situations |
US20190104492A1 (en) * | 2017-03-28 | 2019-04-04 | Irvine Sensors Corporation | Cell Phone-Based Land Navigation Methods and Systems |
US10830592B2 (en) * | 2017-09-21 | 2020-11-10 | Dell Products L.P. | Indoor navigation path determination system |
JP6740988B2 (ja) * | 2017-09-26 | 2020-08-19 | カシオ計算機株式会社 | 地図情報提供装置、携帯型地図送信装置、地図情報提供システム、地図情報提供方法及びプログラム |
CN107632606A (zh) * | 2017-09-27 | 2018-01-26 | 哈工大机器人(合肥)国际创新研究院 | 大区域基于Slam和Tag标签的移动机器人导航与定位方法 |
US11227435B2 (en) | 2018-08-13 | 2022-01-18 | Magic Leap, Inc. | Cross reality system |
CN112805750A (zh) | 2018-08-13 | 2021-05-14 | 奇跃公司 | 跨现实*** |
US11232635B2 (en) | 2018-10-05 | 2022-01-25 | Magic Leap, Inc. | Rendering location specific virtual content in any location |
WO2020131136A1 (en) * | 2018-12-17 | 2020-06-25 | Google Llc | Discovery and ranking of locations for use by geographic context applications |
US11997455B2 (en) | 2019-02-11 | 2024-05-28 | Koko Home, Inc. | System and method for processing multi-directional signals and feedback to a user to improve sleep |
US11320804B2 (en) | 2019-04-22 | 2022-05-03 | Lg Electronics Inc. | Multi information provider system of guidance robot and method thereof |
IL266185B (en) | 2019-04-23 | 2022-07-01 | Oriient New Media Ltd | Route mapping tool in an indoor location |
US10775175B1 (en) * | 2019-06-28 | 2020-09-15 | Rockwell Collins, Inc. | Wearable dead reckoning system for GPS-denied navigation |
US10616723B1 (en) * | 2019-07-16 | 2020-04-07 | Eagle Technology, Llc | System for mapping building interior with PDR and ranging and related methods |
JP7274970B2 (ja) * | 2019-08-01 | 2023-05-17 | 本田技研工業株式会社 | 追従対象特定システム及び追従対象特定方法 |
CN110519701B (zh) * | 2019-08-15 | 2021-02-12 | 广州小鹏汽车科技有限公司 | 定位信息的创建方法、车载终端、服务器设备和定位*** |
WO2021076748A1 (en) | 2019-10-15 | 2021-04-22 | Magic Leap, Inc. | Cross reality system with wireless fingerprints |
US11568605B2 (en) | 2019-10-15 | 2023-01-31 | Magic Leap, Inc. | Cross reality system with localization service |
KR20210049521A (ko) * | 2019-10-25 | 2021-05-06 | 삼성전자주식회사 | 위치를 탐지하는 전자 장치 및 그 방법 |
EP4059007A4 (en) | 2019-11-12 | 2023-11-01 | Magic Leap, Inc. | CROSS-REALLY SYSTEM WITH LOCATION SERVICE AND SHARED LOCATION-BASED CONTENT |
CN114762008A (zh) | 2019-12-09 | 2022-07-15 | 奇跃公司 | 简化的虚拟内容编程的交叉现实*** |
EP4104001A4 (en) | 2020-02-13 | 2024-03-13 | Magic Leap, Inc. | CROSS-REALLY SYSTEM WITH MAP PROCESSING USING MULTIPLE RESOLUTION FRAME DESCRIPTORS |
EP4104145A4 (en) | 2020-02-13 | 2024-01-24 | Magic Leap, Inc. | CROSS-REALLY SYSTEM PRIORITIZING GEOLOCALIZATION INFORMATION FOR LOCALIZATION |
CN115427758A (zh) | 2020-02-13 | 2022-12-02 | 奇跃公司 | 具有精确共享地图的交叉现实*** |
CN115461787A (zh) | 2020-02-26 | 2022-12-09 | 奇跃公司 | 具有快速定位的交叉现实*** |
US11668572B2 (en) * | 2020-03-04 | 2023-06-06 | Johnson Controls Tyco IP Holdings LLP | Systems and methods for generating indoor paths |
WO2021182934A1 (ko) * | 2020-03-13 | 2021-09-16 | 엘지전자 주식회사 | 사이드링크를 지원하는 무선통신시스템에서 vru가 이동 경로를 예측하는 방법 및 이를 위한 장치 |
US20230124127A1 (en) * | 2020-03-13 | 2023-04-20 | Lg Electronics Inc. | Method for predicting entry path by vru device in wireless communication system supporting sidelink, and apparatus therefor |
US11240635B1 (en) * | 2020-04-03 | 2022-02-01 | Koko Home, Inc. | System and method for processing using multi-core processors, signals, and AI processors from multiple sources to create a spatial map of selected region |
WO2021221561A1 (en) | 2020-04-28 | 2021-11-04 | Grabtaxi Holdings Pte. Ltd. | Communications server apparatus and methods of operation thereof |
US11900547B2 (en) | 2020-04-29 | 2024-02-13 | Magic Leap, Inc. | Cross reality system for large scale environments |
CN111486849B (zh) * | 2020-05-29 | 2021-08-27 | 北京大学 | 一种基于二维码路标的移动视觉导航方法及*** |
US20210396522A1 (en) * | 2020-06-17 | 2021-12-23 | Microsoft Technology Licensing, Llc | Pedestrian dead reckoning using map constraining features |
US11703335B2 (en) * | 2020-06-19 | 2023-07-18 | Toyota Research Institute, Inc. | Coordinating and learning maps dynamically |
US11546724B2 (en) | 2020-08-12 | 2023-01-03 | Here Global B.V. | Method, apparatus, and system for determining a non-specific location according to an observed mobility pattern derived from non-positioning related sensor data |
US11681304B2 (en) | 2020-09-01 | 2023-06-20 | International Business Machines Corporation | Emergency response system |
US11592517B2 (en) * | 2020-12-19 | 2023-02-28 | Here Global B.V. | Offline radio maps for GNSS-denied areas |
US11617059B1 (en) | 2021-05-28 | 2023-03-28 | T-Mobile Usa, Inc. | Mobile device geographic location determination for emergency services |
US20230003544A1 (en) * | 2021-06-14 | 2023-01-05 | Astra Navigation, Inc. | Embedding a Magnetic Map into an Image File |
CN113573232B (zh) * | 2021-07-13 | 2024-04-19 | 深圳优地科技有限公司 | 机器人巷道定位方法、装置、设备及存储介质 |
EP4402433A1 (en) * | 2021-09-17 | 2024-07-24 | HID Global Corporation | Location recognition using inertial measurement unit |
CN118049995B (zh) * | 2024-04-16 | 2024-07-05 | 暨南大学 | 一种基于卫惯组合技术的船载智能导航方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7538715B2 (en) | 2004-10-04 | 2009-05-26 | Q-Track Corporation | Electromagnetic location and display system and method |
US8751151B2 (en) * | 2012-06-12 | 2014-06-10 | Trx Systems, Inc. | System and method for localizing a trackee at a location and mapping the location using inertial sensor information |
US9395190B1 (en) | 2007-05-31 | 2016-07-19 | Trx Systems, Inc. | Crowd sourced mapping with robust structural features |
TWI408340B (zh) * | 2009-07-27 | 2013-09-11 | Htc Corp | 導航路徑顯示方法、導航裝置及電腦程式產品 |
EP2620750A3 (en) * | 2012-01-26 | 2015-06-17 | Hyundai Motor Company | Apparatus and method for generating a path |
WO2013188597A2 (en) * | 2012-06-12 | 2013-12-19 | Amrit Bandyopadhyay | Irregular feature mapping |
US9226111B2 (en) * | 2012-11-21 | 2015-12-29 | Apple Inc. | Pathway matching |
US9250080B2 (en) * | 2014-01-16 | 2016-02-02 | Qualcomm Incorporated | Sensor assisted validation and usage of map information as navigation measurements |
EP3108207B1 (en) * | 2014-02-17 | 2020-06-24 | Oxford University Innovation Limited | Determining the position of a mobile device in a geographical area |
KR20180052636A (ko) * | 2015-09-10 | 2018-05-18 | 오리엔트 뉴 미디어 엘티디. | 자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 |
-
2016
- 2016-09-01 KR KR1020187007363A patent/KR20180052636A/ko not_active Application Discontinuation
- 2016-09-01 US US15/757,656 patent/US10584972B2/en active Active
- 2016-09-01 CN CN201680052131.1A patent/CN108351217B/zh active Active
- 2016-09-01 WO PCT/IB2016/055233 patent/WO2017042672A1/en active Application Filing
- 2016-09-01 EP EP16843762.2A patent/EP3347677B1/en active Active
- 2016-09-01 ES ES16843762T patent/ES2920837T3/es active Active
-
2018
- 2018-02-25 IL IL257725A patent/IL257725B/en unknown
-
2020
- 2020-01-06 US US16/734,861 patent/US11187540B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210058604A (ko) | 2019-11-14 | 2021-05-24 | 김성우 | 이동식 초음파세척기 |
Also Published As
Publication number | Publication date |
---|---|
IL257725B (en) | 2021-08-31 |
IL257725A (en) | 2018-04-30 |
EP3347677A4 (en) | 2019-01-02 |
EP3347677A1 (en) | 2018-07-18 |
WO2017042672A1 (en) | 2017-03-16 |
US10584972B2 (en) | 2020-03-10 |
EP3347677B1 (en) | 2022-04-06 |
ES2920837T3 (es) | 2022-08-10 |
CN108351217A (zh) | 2018-07-31 |
US20200141739A1 (en) | 2020-05-07 |
CN108351217B (zh) | 2022-03-01 |
US20180245927A1 (en) | 2018-08-30 |
US11187540B2 (en) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20180052636A (ko) | 자동 맵 생성으로 gps 거부 지역이나 부정확 지역에서에서 모바일기기 내비게이션, 추적 및 포지셔닝 | |
US10126134B2 (en) | Method and system for estimating uncertainty for offline map information aided enhanced portable navigation | |
CN109951830B (zh) | 一种多信息融合的室内外无缝定位方法 | |
US10415978B2 (en) | Landmark location determination | |
US11968591B2 (en) | Maintenance of a location fingerprint database for an area | |
EP3136128B1 (en) | Trajectory matching using peripheral signal | |
KR101904214B1 (ko) | 실내 위치 측정 방법 및 장치 | |
US20180003507A1 (en) | Position estimation | |
US20190170521A1 (en) | Method and system for fingerprinting survey | |
KR20180079428A (ko) | 자동 로컬리제이션을 위한 장치 및 방법 | |
US20190007800A1 (en) | Systems and methods for graph-based localization and mapping | |
CN105378431A (zh) | 利用磁场异常进行户内定位-寻找 | |
KR102226846B1 (ko) | Imu 센서와 카메라를 이용한 하이브리드 실내 측위 시스템 | |
Zhou et al. | A graph optimization-based indoor map construction method via crowdsourcing | |
CN110346821A (zh) | 一种解决gps长时间失锁问题的sins/gps组合定姿定位方法及*** | |
Seco et al. | RFID-based centralized cooperative localization in indoor environments | |
Gu et al. | Pedestrian positioning using WiFi fingerprints and a foot-mounted inertial sensor | |
Li et al. | A modularized real-time indoor navigation algorithm on smartphones | |
Alaoui et al. | A multi-hypothesis particle filtering approach for pedestrian dead reckoning | |
Potortì et al. | Offsite evaluation of localization systems: criteria, systems and results from IPIN 2021-22 competitions | |
Pendao et al. | FastGraph enhanced: High accuracy automatic indoor navigation and mapping | |
Truong-Quang et al. | Maximum convergence algorithm for WiFi based indoor positioning system | |
Kessel et al. | Automated WLAN calibration with a backtracking particle filter | |
Ramaneti et al. | IoT based 2D indoor navigation system using BLE beacons and Dijkstra's algorithm | |
Alaoui et al. | Pedestrian Dead Reckoning Navigation with the Help of A⁎‐Based Routing Graphs in Large Unconstrained Spaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |