$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

확장 칼만 필터를 이용한 스마트폰 실내 위치 추적 기술 연구
A Study on smartphone indoor navigation technology using Extended Kalman filter 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.19 no.1, 2019년, pp.133 - 138  

도현열 (한성대학교 전자정보공학과) ,  오종택 (한성대학교 전자정보공학과)

초록
AI-Helper 아이콘AI-Helper

스마트폰을 이용한 실내 항법 시스템은 대형 실내 시설에서 사용자의 위치 기반 서비스를 위해 매우 중요한 기반 기술이다. 이를 위해서 스마트폰에 내장된 가속도 센서와 자이로 센서를 이용하여 사용자의 이동 거리와 방향을 추정할 수 있다면 추가적인 외부 환경이 필요 없으므로 매우 유용한 기술이 된다. 본 논문은 일반적인 스마트폰에 Pedestrian Dead Reckoning(PDR) 기술과 칼만 필터를 적용하여, 사용자가 스마트폰을 가슴 앞에 잡고서 이동하면서 위치를 추적하는 실내에서의 항법 시스템 기술에 관한 것이다. 특히 회전 방향각을 추정하기 위하여 확장 칼만 필터가 설계되었고 실험적으로 일정속도로 보행하는 경우에 그 성능이 검증되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The indoor navigation system using smart phone is a very important infrastructure technology for users' location based services in large indoor facilities. For this purpose, if the user can estimate the movement distance and direction by using the acceleration sensor and the gyro sensor built in the...

주제어

#smartphone   #indoor navigation   #extended Kalman filter  

표/그림 (6)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 스마트폰을 이용한 사용자의 실내 위치 추적을 위해, 적응형 임계값 알고리즘을 이용한 스텝 수 검출 기술과 보폭 추정 기술, 및 회전 방향각 추정 기술을 통합한 PDR 기술을 개발하였고 실험 결과 매우 양호한 추정 성능을 확인하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
보행 추측 항법이란? 사용자가 발걸음을 걸을 때마다 그 충격 신호를 측정하여 걸음 수와 보폭을 검출하는 보행 추측 항법(Pedestrian Dead Reckoning: PDR)에 관한 연구가 진행되어 왔다[5]. 또한 사용자의 이동 걸음 수와 보폭을 추정하여 이동거리를 구할 수 있도록 주파수 검출과 최대 최소 가속도의 합, 적응 형 임계 값 등 세 가지 방식의 알고리즘 중에서 적응 형 임계 값 방식의 성능이 가장 좋다는 연구 결과가 있었다[6].
확장 칼만 필터가 설계된 이유는? 본 논문은 일반적인 스마트폰에 Pedestrian Dead Reckoning(PDR) 기술과 칼만 필터를 적용하여, 사용자가 스마트폰을 가슴 앞에 잡고서 이동하면서 위치를 추적하는 실내에서의 항법 시스템 기술에 관한 것이다. 특히 회전 방향각을 추정하기 위하여 확장 칼만 필터가 설계되었고 실험적으로 일정속도로 보행하는 경우에 그 성능이 검증되었다.
확장 칼만 필터를 적응형 임계 값 방식과 연동했을 때 실내 이동 위치가 추정되는 원리는? 그림 1은 전체 실내 위치 추적 시스템의 구성도이다. 스마트폰 내부에 장착된 가속도 센서와 자이로 센서로 부터 각각 가속도 값 및 각속도 값을 측정하고, 가속도 값을 이용하여 스텝 및 보폭을 추정하며, 가속도와 자이로 값을 이용하여 회전 방향각을 추정한 후, 이 두 가지를 결합하여 이동 궤적을 추정한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. Zhenghua Chen, Han Zou, Hao Jiang, Qingchang Zhu, Yeng Chai Soh, and Lihua Xie, "Fusion of WiFi, Smartphone Sensors and Landmarks using the Kalman Filter for Indoor Localization," Sensors, Vol. 15, No. 1, pp. 715-732, 2015. 

    상세보기

  2. Muhammad Shoaib, Hans Scholten, and Paul JM Havinga, "Towards Physical Activity Recognition using Smartphone Sensors," Ubiquitous Intelligence and Computing, IEEE International Conference Autonomic and Trusted Computing, 2013. 

  3. Yonggang Lu, Ye Wei, Li Liu, Jun Zhong, Letian Sun, and Ye Liu, "Towards Unsupervised Physical Activity Recognition using Smartphone Accelerometers," Multimedia Tools and Applications, Vol. 76, No. 8, pp. 10701-10719, 2017. 

    상세보기 crossref

  4. Charissa Ann Ronao, and Sung-Bae Cho, "Human Activity Recognition with Smartphone Sensors using Deep Learning Neural Networks," Expert Systems with Applications, Vol. 59, pp. 235-244, 2016. 

    상세보기 crossref

  5. Yun-Ki Kim, Jae-Hyun Park, Hwy-Kuen Kwak, Sang-Hoon Park, ChoonWoo Lee, and Jang-Myung Lee, "Performance Improvement of a Pedestrian Dead Reckoning System using a Low Cost IMU," Journal of Institute of Control, Robotics and Systems, Vol. 19, No. 6, pp. 569-575, 2013. 

    원문보기 상세보기 crossref

  6. Lee Kun-hee Lee, Hyeunkwan Kim, and Jongtaek Oh, "A Study on Detecting the Number of Steps Using Smart Phone Sensor for Location Tracking," The Journal of The Institute of Internet, Broadcasting and Communication, Vol. 18, No. 3, pp. 119-125, 2018. 

  7. Joao Luis Marins, Xiaoping Yun, Eric R. Bachmann, Robert B. McGhee, and Michael J. Zyda, "An Extended Kalman Filter for Quaternion-Based Orientation Estimation using MARG Sensors," IEEE/RSJ International Conference on Intelligent Robots and Systems, Vol. 4, 2001. 

  8. Thomas Moore, and Daniel Stouch, "A Generalized Extended Kalman Filter Implementation for the Robot Operating System.," Intelligent Autonomous Systems, pp. 335-348, 2016. 

  9. Yongkyu Song, and Jessy W. Grizzle, "The Extended Kalman Filter as a Local Asymptotic Observer for Nonlinear Discrete-Time Systems," IEEE American Control Conference, pp. 3365-3369, 1992. 

  10. Yun-Kyung Kim, Sung-Mok Kim, Hyung-Suk Lho, and We-Duke Cho, "Real-Time Step Count Detection Algorithm Using a Tri-Axial Accelerometer," Journal of Internet Computing and Services, Vol. 12, No. 3, pp. 17-26, 2011. 

  11. Wei Chen, Ruizhi Chen, Yuwei Chen, Heidi Kuusniemi, and Jianyu Wang, "An Effective Pedestrian Dead Reckoning Algorithm using a Unified Heading Rrror Model," IEEE/ION Position, Location, and Navigation Symposium, 2010. 

  12. Hee Jin Park, and Young Mo Koo, "Evaluation of Spray Flight Attitude for Agricultural Roll-Balanced Helicopter using Kalman Filter," Journal of Biosystems Engineering, Vol. 37, No. 6, pp. 342-351, 2012. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로