stringtranslate.com

Sistema de posicionamiento en interiores

Un mapa de seguimiento de ubicación en interiores en un teléfono móvil

Un sistema de posicionamiento en interiores ( IPS ) es una red de dispositivos utilizados para localizar personas u objetos donde el GPS y otras tecnologías satelitales carecen de precisión o fallan por completo, como dentro de edificios de varios pisos, aeropuertos, callejones, estacionamientos y ubicaciones subterráneas. [1]

Se utiliza una gran variedad de técnicas y dispositivos para proporcionar posicionamiento en interiores que van desde dispositivos reconfigurados ya implementados, como teléfonos inteligentes, antenas WiFi y Bluetooth , cámaras digitales y relojes; hasta instalaciones construidas especialmente con relés y balizas ubicadas estratégicamente en un espacio definido. Luces, ondas de radio, campos magnéticos, señales acústicas y análisis de comportamiento se utilizan en redes IPS. [2] [3] IPS puede lograr una precisión de posición de 2 cm, [4] que está a la par con los receptores GNSS habilitados para RTK que pueden lograr una precisión de 2 cm en exteriores. [5] IPS utiliza diferentes tecnologías, incluida la medición de distancia a nodos de anclaje cercanos (nodos con posiciones fijas conocidas, por ejemplo, puntos de acceso WiFi / LiFi , balizas Bluetooth o balizas de banda ultra ancha), posicionamiento magnético , estimación de posición . [6] O bien localizan activamente dispositivos móviles y etiquetas o proporcionan ubicación ambiental o contexto ambiental para que los dispositivos sean detectados. [7] [8] [9] La naturaleza localizada de un IPS ha resultado en una fragmentación del diseño, con sistemas que hacen uso de varias tecnologías ópticas , [10] de radio , [11] [12] [13] [14 ] [15] [16] [17] o incluso acústicas [18] [19] .

El IPS tiene amplias aplicaciones en las industrias comercial, militar, minorista y de seguimiento de inventario. Existen varios sistemas comerciales en el mercado, pero no hay estándares para un sistema IPS. En cambio, cada instalación se adapta a las dimensiones espaciales, los materiales de construcción, las necesidades de precisión y las limitaciones presupuestarias.

Para que el suavizado compense los errores estocásticos (impredecibles), debe existir un método sólido para reducir significativamente el presupuesto de error. El sistema puede incluir información de otros sistemas para hacer frente a la ambigüedad física y permitir la compensación de errores. La detección de la orientación del dispositivo (a menudo denominada dirección de la brújula para distinguirla de la orientación vertical del teléfono inteligente) se puede lograr detectando puntos de referencia dentro de imágenes tomadas en tiempo real o utilizando trilateración con balizas. [20] También existen tecnologías para detectar información magnetométrica dentro de edificios o lugares con estructuras de acero o en minas de mineral de hierro. [21]

Aplicabilidad y precisión

Debido a la atenuación de la señal causada por los materiales de construcción, el sistema de posicionamiento global (GPS) basado en satélites pierde potencia significativa en interiores, lo que afecta la cobertura requerida para los receptores de al menos cuatro satélites. Además, las múltiples reflexiones en las superficies provocan una propagación por trayectos múltiples que genera errores incontrolables. Estos mismos efectos están degradando todas las soluciones conocidas para la localización en interiores que utilizan ondas electromagnéticas de transmisores interiores a receptores interiores. Se aplica un conjunto de métodos físicos y matemáticos para compensar estos problemas. La prometedora corrección de errores de posicionamiento por radiofrecuencia se abrió mediante el uso de fuentes alternativas de información de navegación, como la unidad de medición inercial (IMU), la localización y mapeo simultáneos (SLAM) de la cámara monocular y el SLAM WiFi. La integración de datos de varios sistemas de navegación con diferentes principios físicos puede aumentar la precisión y la solidez de la solución general. [22]

El Sistema de Posicionamiento Global (GPS) de los Estados Unidos y otros sistemas de navegación por satélite globales (GNSS) similares no suelen ser adecuados para establecer ubicaciones en interiores, ya que las microondas se atenúan y dispersan por los techos, las paredes y otros objetos. Sin embargo, para que las señales de posicionamiento se vuelvan ubicuas, se puede realizar una integración entre el GPS y el posicionamiento en interiores. [23] [24] [25] [26] [27] [28] [29] [30]

En la actualidad, los receptores GNSS son cada vez más sensibles debido al aumento de la potencia de procesamiento de los microchips. Los receptores GNSS de alta sensibilidad pueden recibir señales satelitales en la mayoría de los entornos interiores y los intentos de determinar la posición 3D en interiores han tenido éxito. [31] Además de aumentar la sensibilidad de los receptores, se utiliza la técnica A-GPS , donde el almanaque y otra información se transfieren a través de un teléfono móvil.

Sin embargo, a pesar de que no todos los diseños actuales (2008-2011) para operaciones en interiores logran una cobertura adecuada de los cuatro satélites necesarios para localizar un receptor, la emulación GPS se ha implementado con éxito en el metro de Estocolmo. [32] Las soluciones de extensión de la cobertura GPS han podido proporcionar posicionamiento basado en zonas en interiores, accesible con chips GPS estándar como los que se usan en los teléfonos inteligentes. [32]

Tipos de uso

Localización y posicionamiento

Si bien la mayoría de los IPS actuales pueden detectar la ubicación de un objeto, son tan burdos que no pueden usarse para detectar la orientación o dirección de un objeto. [33]

Localización y seguimiento

Uno de los métodos para lograr una adecuada idoneidad operativa es el " seguimiento ". Se trata de determinar si una secuencia de posiciones determinadas forma una trayectoria desde la primera posición hasta la posición más actual. Los métodos estadísticos sirven entonces para suavizar las posiciones determinadas en una trayectoria que se asemeja a las capacidades físicas del objeto para moverse. Esta suavización debe aplicarse, cuando un objetivo se mueve y también en el caso de un objetivo residente, para compensar las medidas erráticas. De lo contrario, la única posición residente o incluso la trayectoria seguida se compondría de una secuencia itinerante de saltos.

Identificación y segregación

En la mayoría de las aplicaciones, la población de objetivos es mayor que uno solo. Por lo tanto, el IPS debe proporcionar una identificación específica adecuada para cada objetivo observado y debe ser capaz de segregar y separar los objetivos individualmente dentro del grupo. Un IPS debe poder identificar las entidades que se están rastreando, a pesar de los vecinos "no interesantes". Dependiendo del diseño, una red de sensores debe saber de qué etiqueta ha recibido información, o un dispositivo de localización debe ser capaz de identificar los objetivos directamente.

Tecnologías inalámbricas

Se puede utilizar cualquier tecnología inalámbrica para la localización. Muchos sistemas diferentes aprovechan la infraestructura inalámbrica existente para el posicionamiento en interiores. Existen tres opciones principales de topología de sistema para la configuración de hardware y software: basada en red, basada en terminal y asistida por terminal. La precisión del posicionamiento se puede aumentar a expensas de los equipos e instalaciones de infraestructura inalámbrica.

Sistema de posicionamiento basado en Wi-Fi (WPS)

El sistema de posicionamiento Wi-Fi (WPS) se utiliza donde el GPS es inadecuado. La técnica de localización utilizada para el posicionamiento con puntos de acceso inalámbricos se basa en la medición de la intensidad de la señal recibida ( intensidad de señal recibida en inglés RSS) y el método de "huella digital". [34] [35] [36] [37] Para aumentar la precisión de los métodos de huella digital, se pueden aplicar técnicas de posprocesamiento estadístico (como la teoría de procesos gaussianos ), para transformar un conjunto discreto de "huellas digitales" en una distribución continua de RSSI de cada punto de acceso sobre toda la ubicación. [38] [39] [40] Los parámetros típicos útiles para geolocalizar el punto de acceso Wi-Fi o punto de acceso inalámbrico incluyen el SSID y la dirección MAC del punto de acceso. La precisión depende del número de posiciones que se hayan ingresado en la base de datos. Las posibles fluctuaciones de señal que se puedan producir pueden aumentar los errores e imprecisiones en la trayectoria del usuario. [41] [42]

Bluetooth

Originalmente, Bluetooth se preocupaba por la proximidad, no por la ubicación exacta. [43] Bluetooth no fue pensado para ofrecer una ubicación fija como el GPS, sin embargo se lo conoce como una solución de geocerca o microcerca, lo que lo convierte en una solución de proximidad en interiores, no una solución de posicionamiento en interiores.

El micromapeo y el mapeo en interiores [44] se han vinculado a Bluetooth [45] y al iBeacon basado en Bluetooth LE promovido por Apple Inc. Se ha implementado y aplicado en la práctica un sistema de posicionamiento en interiores a gran escala basado en iBeacons. [46] [47]

La posición del altavoz Bluetooth y las redes domésticas se pueden utilizar como referencia amplia.

En 2021, Apple lanzó sus AirTags , que permiten una combinación de tecnología Bluetooth y UWB para rastrear dispositivos Apple entre la red Find My, lo que provocó un aumento de popularidad de la tecnología de rastreo.

Conceptos de puntos de estrangulamiento

Concepto simple de indexación de ubicación e informe de presencia para objetos etiquetados, que utiliza solo la identificación de sensores conocidos. [16] Este suele ser el caso de los sistemas pasivos de identificación por radiofrecuencia (RFID) / NFC , que no informan las intensidades de la señal ni las distintas distancias de etiquetas individuales o de una gran cantidad de etiquetas y no renuevan las coordenadas de ubicación conocidas previamente del sensor ni la ubicación actual de ninguna etiqueta. La operatividad de estos enfoques requiere un paso estrecho para evitar pasar fuera del alcance.

Conceptos de cuadrícula

En lugar de realizar mediciones de largo alcance, se puede disponer una densa red de receptores de bajo alcance, por ejemplo, en un patrón de cuadrícula para ahorrar espacio, en todo el espacio que se está observando. Debido al bajo alcance, una entidad etiquetada será identificada solo por unos pocos receptores cercanos conectados en red. Una etiqueta identificada debe estar dentro del alcance del lector de identificación, lo que permite una aproximación aproximada de la ubicación de la etiqueta. Los sistemas avanzados combinan la cobertura visual con una cuadrícula de cámaras con la cobertura inalámbrica para la ubicación aproximada.

Conceptos de sensores de largo alcance

La mayoría de los sistemas utilizan una medición física continua (como el ángulo y la distancia o solo la distancia) junto con los datos de identificación en una señal combinada. El alcance de estos sensores cubre principalmente un piso entero, un pasillo o solo una habitación. Las soluciones de alcance corto se aplican con múltiples sensores y alcance superpuesto.

Angulo de llegada

El ángulo de llegada (AoA) es el ángulo desde el cual llega una señal a un receptor. El AoA se determina generalmente midiendo la diferencia de tiempo de llegada (TDOA) entre varias antenas en una matriz de sensores. En otros receptores, se determina mediante una matriz de sensores altamente direccionales: el ángulo se puede determinar según el sensor que recibió la señal. El AoA se utiliza generalmente con triangulación y una línea base conocida para encontrar la ubicación relativa a dos transmisores de anclaje.

Hora de llegada

El tiempo de llegada (ToA, también tiempo de vuelo) es el tiempo que tarda una señal en propagarse desde el transmisor al receptor. Debido a que la tasa de propagación de la señal es constante y conocida (ignorando las diferencias en los medios), el tiempo de viaje de una señal se puede utilizar para calcular directamente la distancia. Se pueden combinar múltiples mediciones con trilateración y multilateración para encontrar una ubicación. Esta es la técnica utilizada por los sistemas GPS y de banda ultra ancha . Los sistemas que utilizan ToA, generalmente requieren un mecanismo de sincronización complicado para mantener una fuente confiable de tiempo para los sensores (aunque esto se puede evitar en sistemas cuidadosamente diseñados utilizando repetidores para establecer el acoplamiento [17] ).

La precisión de los métodos basados ​​en TOA a menudo se ve afectada por condiciones de trayectorias múltiples masivas en la localización en interiores, que son causadas por la reflexión y difracción de la señal de RF de los objetos (por ejemplo, paredes interiores, puertas o muebles) en el entorno. Sin embargo, es posible reducir el efecto de las trayectorias múltiples aplicando técnicas basadas en la escasez temporal o espacial. [48] [49]

Ángulo articular y tiempo de llegada

La estimación conjunta de ángulos y tiempos de llegada es otro método para estimar la ubicación del usuario. De hecho, en lugar de requerir múltiples puntos de acceso y técnicas como la triangulación y la trilateración, un único punto de acceso podrá localizar a un usuario con ángulos y tiempos de llegada combinados. [50] Más aún, las técnicas que aprovechan tanto las dimensiones espaciales como las temporales pueden aumentar los grados de libertad de todo el sistema y crear más recursos virtuales para resolver más fuentes, mediante enfoques subespaciales. [51]

Indicación de la intensidad de la señal recibida

La indicación de la intensidad de la señal recibida (RSSI) es una medida del nivel de potencia que recibe el sensor. Debido a que las ondas de radio se propagan de acuerdo con la ley del cuadrado inverso , la distancia se puede aproximar (normalmente a 1,5 metros en condiciones ideales y de 2 a 4 metros en condiciones estándar [52] ) en función de la relación entre la intensidad de la señal transmitida y recibida (la intensidad de la transmisión es una constante basada en el equipo que se utiliza), siempre que ningún otro error contribuya a resultados erróneos. El interior de los edificios no es un espacio libre , por lo que la precisión se ve afectada significativamente por la reflexión y la absorción de las paredes. Los objetos no estacionarios, como puertas, muebles y personas, pueden plantear un problema aún mayor, ya que pueden afectar a la intensidad de la señal de formas dinámicas e impredecibles.

Muchos sistemas utilizan infraestructuras Wi-Fi mejoradas para proporcionar información de ubicación. [12] [14] [15] Ninguno de estos sistemas sirve para un funcionamiento adecuado con cualquier infraestructura tal como está. Desafortunadamente, las mediciones de la intensidad de la señal Wi-Fi son extremadamente ruidosas , por lo que hay investigaciones en curso centradas en crear sistemas más precisos.

Otras tecnologías inalámbricas

Otras tecnologías

Se pueden utilizar tecnologías no basadas en radio para el posicionamiento sin utilizar la infraestructura inalámbrica existente, lo que puede proporcionar una mayor precisión a costa de equipos e instalaciones costosos.

Posicionamiento magnético

El posicionamiento magnético puede ofrecer a los peatones con teléfonos inteligentes una precisión en interiores de 1 a 2 metros con un nivel de confianza del 90%, sin utilizar la infraestructura inalámbrica adicional para el posicionamiento. El posicionamiento magnético se basa en el hierro dentro de los edificios que crea variaciones locales en el campo magnético de la Tierra. Los chips de brújula no optimizados dentro de los teléfonos inteligentes pueden detectar y registrar estas variaciones magnéticas para mapear ubicaciones en interiores. [55]

Mediciones inerciales

La estimación de la posición de los peatones y otros enfoques para su posicionamiento proponen una unidad de medición inercial transportada por el peatón, ya sea midiendo los pasos indirectamente (conteo de pasos) o en un enfoque montado en el pie [56] , a veces haciendo referencia a mapas u otros sensores adicionales para limitar la deriva inherente del sensor que se encuentra con la navegación inercial. Los sensores inerciales MEMS sufren ruidos internos que resultan en un error de posición que crece cúbicamente con el tiempo. Para reducir el crecimiento del error en tales dispositivos , a menudo se utiliza un enfoque basado en el filtrado de Kalman [57] [ 58] [ 59] [60] Sin embargo, para que sea capaz de construir un mapa por sí mismo, se utilizará el marco del algoritmo SLAM [61] . [62] [63] [64]

Las medidas inerciales generalmente cubren los diferenciales de movimiento, por lo tanto, la ubicación se determina con la integración y, por lo tanto, requiere constantes de integración para proporcionar resultados. [65] [66] La estimación de la posición real se puede encontrar como el máximo de una distribución de probabilidad 2-d que se vuelve a calcular en cada paso teniendo en cuenta el modelo de ruido de todos los sensores involucrados y las restricciones impuestas por las paredes y los muebles. [67] Con base en los movimientos y los comportamientos de caminata de los usuarios, IPS puede estimar las ubicaciones de los usuarios mediante algoritmos de aprendizaje automático. [68]

Posicionamiento basado en marcadores visuales

Un sistema de posicionamiento visual puede determinar la ubicación de un dispositivo móvil con cámara decodificando las coordenadas de ubicación de los marcadores visuales. En un sistema de este tipo, los marcadores se colocan en ubicaciones específicas en todo el recinto, y cada marcador codifica las coordenadas de esa ubicación: latitud, longitud y altura sobre el suelo. La medición del ángulo visual desde el dispositivo hasta el marcador permite que el dispositivo calcule sus propias coordenadas de ubicación en referencia al marcador. Las coordenadas incluyen latitud, longitud, nivel y altitud sobre el suelo. [69] [70]

Ubicación basada en características visuales conocidas

Una colección de instantáneas sucesivas de la cámara de un dispositivo móvil puede crear una base de datos de imágenes que es adecuada para estimar la ubicación en un lugar. Una vez creada la base de datos, un dispositivo móvil que se desplace por el lugar puede tomar instantáneas que se pueden interpolar en la base de datos del lugar, lo que genera las coordenadas de ubicación. Estas coordenadas se pueden utilizar junto con otras técnicas de ubicación para lograr una mayor precisión. Tenga en cuenta que este puede ser un caso especial de fusión de sensores en el que una cámara desempeña el papel de otro sensor más.

Matemáticas

Una vez que se han recopilado los datos del sensor, un IPS intenta determinar la ubicación desde la que es más probable que se haya recopilado la transmisión recibida. Los datos de un solo sensor suelen ser ambiguos y deben resolverse mediante una serie de procedimientos estadísticos para combinar varios flujos de entrada de sensores.

Método empírico

Una forma de determinar la posición es hacer coincidir los datos de la ubicación desconocida con un conjunto grande de ubicaciones conocidas utilizando un algoritmo como el de k-nearest neighbor . Esta técnica requiere una inspección exhaustiva del lugar y será inexacta ante cualquier cambio significativo en el entorno (debido al movimiento de personas u objetos).

Modelado matemático

La ubicación se calculará matemáticamente mediante la aproximación de la propagación de la señal y la determinación de los ángulos y/o la distancia. A continuación, se utilizará la trigonometría inversa para determinar la ubicación:

Los sistemas avanzados combinan modelos físicos más precisos con procedimientos estadísticos:

Usos

El principal beneficio para el consumidor del posicionamiento en interiores es la expansión de la informática móvil con reconocimiento de la ubicación en interiores. A medida que los dispositivos móviles se vuelven omnipresentes, el reconocimiento contextual de las aplicaciones se ha convertido en una prioridad para los desarrolladores. Sin embargo, la mayoría de las aplicaciones actualmente dependen del GPS y funcionan mal en interiores. Las aplicaciones que se benefician de la ubicación en interiores incluyen:

Véase también

Referencias

  1. ^ Magda Chelly, Nel Samama. Nuevas técnicas para el posicionamiento en interiores, combinando métodos deterministas y de estimación. ENC-GNSS 2009: Conferencia Europea de Navegación - Sistemas Globales de Navegación por Satélite, mayo de 2009, Nápoles, Italia. pp.1 - 12. ⟨hal-01367483⟩ [1]
  2. ^ Curran, Kevin; Furey, Eoghan; Lunney, Tom; Santos, Jose; Woods, Derek; McCaughey, Aiden (2011). "Una evaluación de las tecnologías de determinación de la ubicación en interiores". Revista de servicios basados ​​en la ubicación . 5 (2): 61–78. doi :10.1080/17489725.2011.562927. S2CID  6154778.
  3. ^ Belmonte-Fernández, Ó.; Montoliu, R.; Torres-Sospedra, J.; Sansano-Sansano, E.; Chía-Aguilar, D. (2018). "Un método basado en radiosidad para evitar la calibración de sistemas de posicionamiento en interiores". Sistemas expertos con aplicaciones . 105 : 89-101. doi :10.1016/j.eswa.2018.03.054. hdl : 10234/175947 . S2CID  46918367.
  4. ^ "Precisión de 2 cm utilizando un sistema de posicionamiento en interiores". VBOX Automotive . 2019-11-19. Archivado desde el original el 2021-01-21 . Consultado el 2019-11-19 .
  5. ^ "Precisión de 2 cm con RTK". VBOX Automotive . 2019-11-19. Archivado desde el original el 2021-01-18 . Consultado el 2019-11-19 .
  6. ^ Qiu, Chen; Mutka, Matt (2016). "CRISP: cooperación entre teléfonos inteligentes para mejorar la información de posición en interiores". Redes inalámbricas . 24 (3): 867–884. doi :10.1007/s11276-016-1373-1. S2CID  3941741.
  7. ^ Furey, Eoghan; Curran, Kevin; McKevitt, Paul (2012). "HABITS: Un enfoque de filtro bayesiano para el seguimiento y la ubicación en interiores". Revista internacional de computación bioinspirada . 4 (2): 79. CiteSeerX 10.1.1.459.8761 . doi :10.1504/IJBIC.2012.047178. 
  8. ^ THES, Propagación de una posición en una red conectada, Chelly, Magda Lilia; Samama, Nel; 2011, 2011TELE0018, [2]
  9. ^ Yasir, M.; Ho, S.; Vellambi, BN (2014). "Sistema de posicionamiento en interiores que utiliza luz visible y acelerómetro". Revista de tecnología Lightwave . 32 (19): 3306–3316. Código Bibliográfico :2014JLwT...32.3306Y. doi :10.1109/jlt.2014.2344772. S2CID  25188925.
  10. ^ ab Liu X, Makino H, Mase K. 2010. Estimación mejorada de la ubicación en interiores utilizando un sistema de comunicación con luz fluorescente con un receptor de nueve canales. IEICE Transactions on Communications E93-B(11):2936-44.
  11. ^ Farid, Z.; Nordin, R.; Ismail, M. (2013). "Avances recientes en técnicas y sistemas de localización inalámbrica en interiores". Journal of Computer Networks and Communications . 2013 : 1–12. doi : 10.1155/2013/185138 .
  12. ^ ab Chang, N; Rashidzadeh, R; Ahmadi, M (2010). "Posicionamiento robusto en interiores utilizando puntos de acceso Wi-Fi diferenciales". IEEE Transactions on Consumer Electronics . 56 (3): 1860–7. doi :10.1109/tce.2010.5606338. S2CID  37179475.
  13. ^ Atia, MM; Noureldin, A.; Korenberg, MJ (2013). "Mapas de radio dinámicos calibrados en línea para posicionamiento en interiores en redes de área local inalámbricas". IEEE Transactions on Mobile Computing . 12 (9): 1774–1787. doi :10.1109/tmc.2012.143. S2CID  15669485.
  14. ^ abc Chiou, Y; Wang, C; Yeh, S (2010). "Un estimador de ubicación adaptativo que utiliza algoritmos de seguimiento para redes WLAN de interior". Redes inalámbricas . 16 (7): 1987–2012. doi :10.1007/s11276-010-0240-8. S2CID  41494773.
  15. ^ ab Lim, H; Kung, L; Hou, JC; Haiyun, Luo (2010). "Localización en interiores sin configuración sobre infraestructura inalámbrica IEEE 802.11". Redes inalámbricas . 16 (2): 405–20. doi :10.1007/s11276-008-0140-3. S2CID  17678327.
  16. ^ abc Reza, AW; Geok, TK (2009). "Investigación de la detección de ubicación en interiores a través de una red de lectores RFID utilizando un algoritmo de cobertura de cuadrícula". Comunicaciones personales inalámbricas . 49 (1): 67–80. doi :10.1007/s11277-008-9556-4. S2CID  5562161.
  17. ^ abc Zhou, Y; Law, CL; Guan, YL; Chin, F (2011). "Localización elíptica en interiores basada en medición de rango UWB asincrónica". IEEE Transactions on Instrumentation and Measurement . 60 (1): 248–57. Bibcode :2011ITIM...60..248Z. doi :10.1109/tim.2010.2049185. S2CID  12880695.
  18. ^ ab Schweinzer, H; Kaniak, G (2010). "Localización de dispositivos ultrasónicos y su potencial para la seguridad de redes de sensores inalámbricos". Práctica de ingeniería de control . 18 (8): 852–62. doi :10.1016/j.conengprac.2008.12.007.
  19. ^ Qiu, Chen; Mutka, Matt (2017). "Silbato silencioso: posicionamiento efectivo en interiores con la ayuda de sensores acústicos en teléfonos inteligentes". 2017 IEEE 18th International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM) . págs. 1–6. doi :10.1109/WoWMoM.2017.7974312. ISBN 978-1-5386-2723-5. Número de identificación del sujeto  30783515.
  20. ^ Posicionamiento y orientación mediante procesamiento de imágenes, una investigación de 2007 de la Universidad de Washington . Se han desarrollado varios enfoques similares y actualmente (2017) existen aplicaciones para teléfonos inteligentes que implementan esta tecnología.
  21. ^ Una startup utiliza un teléfono inteligente para rastrear a personas en espacios interiores - Acerca de Indoor Atlass (sitio web de MIT Technology Review)
  22. ^ Vladimir Maximov y Oleg Tabarovsky, LLC RTLS, Moscú, Rusia (2013). Encuesta sobre métodos de mejora de la precisión para sistemas de navegación personal en interiores estrechamente acoplados ToA/IMU. Actas de la Conferencia internacional sobre posicionamiento y navegación en interiores, octubre de 2013, Montbeliard, Francia. Véase la publicación aquí. Archivado el 5 de diciembre de 2014 en Wayback Machine.
  23. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad y Raja Zahilah (2015). Selección de balizas sin conexión basada en la detección de huellas RSSI para la asistencia en las compras con reconocimiento de la ubicación: un resultado preliminar. Nuevas tendencias en sistemas de información y bases de datos inteligentes, págs. 303-312. Véase la publicación aquí
  24. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad y Raja Zahilah (2015). Localización de rescate de emergencia (ERL) mediante GPS, LAN inalámbrica y cámara", Revista internacional de ingeniería de software y sus aplicaciones , vol. 9, n.º 9, págs. 217-232, https://serscjournals.org/index.php/IJSEIA/vol9_no9_2015/19.pdf [ enlace muerto permanente ]
  25. ^ Wan Mohd Yaakob Wan Bejuri y Mohd Murtadha Mohamad (2014). Análisis del rendimiento de la detección y correspondencia de características basadas en el mundo gris para sistemas de posicionamiento móvil. Sensing and Imaging, vol. 15, n.º 1, págs. 1-24 [3]
  26. ^ Wan Mohd, Yaakob Wan Bejuri; Murtadha Mohamad, Mohd (2014). "Posicionamiento móvil robusto en interiores basado en radio FM/LAN inalámbrica: un resultado inicial" (PDF) . Revista internacional de ingeniería de software y sus aplicaciones . 8 (2): 313–324. Archivado desde el original (PDF) el 30 de octubre de 2023.
  27. ^ Wan; Yaakob Wan Bejuri, Mohd; Murtadha Mohamad, Mohd; Sapri, Maimunah; Shafry Mohd Rahim, Mohd; Ahsenali Chaudry, Junaid (2014). "Evaluación del rendimiento de la detección y coincidencia de características basadas en correlación espacial para el sistema de navegación automatizado para sillas de ruedas". Revista internacional de investigación de sistemas de transporte inteligente . 12 (1): 9–19. doi :10.1007/s13177-013-0064-x. S2CID  3478714.
  28. ^ Wan Mohd Yaakob Wan Bejuri, Wan Mohd Nasri Wan Muhamad Saidin, Mohd Murtadha Mohamad, Maimunah Sapri y Kah Seng Lim (2013). Posicionamiento ubicuo: posicionamiento GPS/LAN inalámbrico integrado para el sistema de navegación en silla de ruedas. Sistemas inteligentes de información y bases de datos, vol. 7802, págs. 394-403, Ver publicación aquí
  29. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Maimunah Sapri y Mohd Adly Rosly (2012). Ubiquitous WLAN/Camera Positioning using Inverse Intensity Chromaticity Space-based Feature Detection and Matching: A Preliminary Result (Posicionamiento de cámaras y redes WLAN ubicuas mediante detección y correspondencia de características basadas en el espacio con cromaticidad de intensidad inversa: un resultado preliminar). Conferencia internacional sobre sistemas hombre-máquina 2012 (ICOMMS 2012). Véase la publicación aquí
  30. ^ Z. Horvath, H. Horvath (2014): La precisión de la medición del GPS integrado en teléfonos inteligentes y tabletas, Revista internacional sobre electrónica y tecnología de la comunicación, número 1, págs. 17-19, [4]
  31. ^ "GNSS Indoors — Fighting The Fading, Part 1 - Inside GNSS" (GNSS en interiores: cómo combatir el desvanecimiento, parte 1: dentro de GNSS). www.insidegnss.com . 2008-03-12. Archivado desde el original el 2018-01-10 . Consultado el 2009-10-18 .
  32. ^ ab "Syntony se eleva pasando a la clandestinidad". Noviembre de 2016.
  33. ^ Furey, Eoghan; Curran, Kevin; McKevitt, Paul (2012). "Modelado probabilístico del movimiento humano en interiores para ayudar a los equipos de primera respuesta". Revista de inteligencia ambiental y computación humanizada . 3 (5): 559–569. doi :10.1007/s12652-012-0112-4. S2CID  16611408.
  34. ^ Violettas, GE; Theodorou, TL; Georgiadis, CK (agosto de 2009). "Net Argus : un conjunto de aplicaciones de 3 niveles para posicionamiento Wi-Fi y monitorización SNMP". Quinta Conferencia Internacional sobre Comunicaciones Inalámbricas y Móviles de 2009. págs. 346–351. doi :10.1109/ICWMC.2009.64. ISBN 978-1-4244-4679-7. Número de identificación del sujeto  23482772.
  35. ^ P. Bahl y VN Padmanabhan, "RADAR: un sistema de localización y seguimiento de usuarios basado en RF para interiores", en Actas de la 19.ª Conferencia anual conjunta de las sociedades de informática y comunicaciones del IEEE (INFOCOM '00), vol. 2, págs. 775-784, Tel Aviv, Israel, marzo de 2000.
  36. ^ Youssef, Moustafa; Agrawala, Ashok (4 de enero de 2007). "El sistema de determinación de la ubicación de Horus". Redes inalámbricas . 14 (3): 357–374. doi :10.1007/s11276-006-0725-7. ISSN  1022-0038. S2CID  62768948.
  37. ^ Y. Chen y H. Kobayashi, "Geolocalización en interiores basada en la intensidad de la señal", en Actas de la Conferencia Internacional IEEE sobre Comunicaciones (ICC '02), vol. 1, págs. 436–439, Nueva York, NY, EE. UU., abril–mayo de 2002.
  38. ^ Golovan AA et al. Localización eficiente utilizando diferentes modelos de desplazamiento medio en procesos gaussianos //Conferencia internacional sobre posicionamiento y navegación en interiores (IPIN) de 2014. – IEEE, 2014. – С. 365-374.[5]
  39. ^ Hähnel BFD, Fox D. Procesos gaussianos para la estimación de la ubicación basada en la intensidad de la señal //Procedimientos de robótica: ciencia y sistemas. – 2006.[6]
  40. ^ Ferris B., Fox D., Lawrence ND Wifi-slam usando modelos de variables latentes de proceso gaussiano //IJCAI. – 2007. – Т. 7. – №. 1. – С. 2480-2485.[7]Archivado el 24 de diciembre de 2022 en Wayback Machine.
  41. ^ Lymberopoulos, Dimitrios; Liu, Jie; Yang, Xue; Roy Choudhury, Romit; Handziski, Vlado; Sen, Souvik (2015). "Una evaluación realista y comparación de las tecnologías de localización en interiores". Actas de la 14.ª Conferencia internacional sobre procesamiento de información en redes de sensores . pp. 178–189. doi :10.1145/2737095.2737726. ISBN . 9781450334754.S2CID1028754  .​
  42. ^ Laoudias, C.; Constantinou, G.; Constantinides, M.; Nicolaou, S.; Zeinalipour-Yazti, D.; Panayiotou, CG (2012). "La plataforma de posicionamiento en interiores Airplace para teléfonos inteligentes Android". 2012 IEEE 13th International Conference on Mobile Data Management . págs. 312–315. doi :10.1109/MDM.2012.68. ISBN 978-1-4673-1796-2. Número de identificación del sujeto  14903792.(Premio a la mejor demostración)
  43. ^ "Todo lo que siempre quiso saber sobre las balizas". Bright Talk . Consultado el 12 de junio de 2014 .
  44. ^ "Apple está lanzando un vasto proyecto para mapear el interior de cada gran edificio que pueda". Business Insider . Consultado el 12 de junio de 2014 .
  45. ^ "iBeacon de Apple Inc. con micromapping puede revolucionar el comercio minorista". ValueWalk. Enero de 2014. Consultado el 12 de junio de 2014 .
  46. ^ "Music City Center presenta una aplicación de señalización". Archivado desde el original el 5 de diciembre de 2014. Consultado el 28 de noviembre de 2014 .
  47. ^ "La aplicación Music City Center guía a los visitantes". The Tennessean . Consultado el 28 de noviembre de 2014 .
  48. ^ Pourhomayoun; Jin; Fowler (2012). "Localización en interiores basada en dispersión espacial en redes de sensores inalámbricos para sistemas de asistencia sanitaria" (PDF) . Embc2012 .
  49. ^ CR Comsa, et al., “Localización de fuentes utilizando la diferencia temporal de llegada dentro de un marco de representación dispersa”, ICASSP, 2011.
  50. ^ Wen, Fuxi y Chen Liang. "Localización de interiores de grano fino mediante un único punto de acceso con múltiples antenas". IEEE Sensors Journal 15.3 (2014): 1538-1544.
  51. ^ Ahmad Bazzi, Dirk TM Slock y Lisa Meilhac. "Estimación conjunta de ángulos y tiempos de llegada mediante una única instantánea: un enfoque de lápiz matricial 2D". Conferencia internacional sobre comunicaciones (ICC) del IEEE de 2016. IEEE, 2016.
  52. ^ Zhan Jie; Liu HongLi; Tanjian (diciembre de 2010). "Investigación sobre precisión de medición de distancia basada en RSSI de redes de sensores inalámbricos". Segunda Conferencia Internacional sobre Ciencia e Ingeniería de la Información . págs. 2338–2341. doi :10.1109/ICISE.2010.5691135. ISBN. 978-1-4244-7616-9.S2CID 14465473  .
  53. ^ "Racelogic presenta el sistema de posicionamiento en interiores VBOX". 24 de septiembre de 2018.
  54. ^ Lee, Yong Up; Kavehrad, Mohsen;, "Diseño de un sistema de localización híbrido de interior de largo alcance con comunicaciones de luz visible y red inalámbrica", Photonics Society Summer Topical Meeting Series, 2012 IEEE, vol., no., pp.82-83, 9-11 de julio de 2012 Ver publicación aquí
  55. ^ "Geospatial World agosto de 2014" (PDF) . Geospatial World .
  56. ^ Foxlin, Eric (1 de noviembre de 2005). "Seguimiento de peatones con sensores inerciales montados en zapatos". IEEE Computer Graphics and Applications . 25 (6): 38–46. doi :10.1109/MCG.2005.140. PMID  16315476. S2CID  19038276.
  57. ^ Bose, Subhojyoti; Gupta, Amit K.; Handel, Peter (2017). "Sobre el rendimiento de ruido y potencia de un sistema de posicionamiento inercial multi-IMU montado en zapata". Conferencia internacional de 2017 sobre posicionamiento y navegación en interiores (IPIN) . págs. 1–8. doi :10.1109/IPIN.2017.8115944. ISBN . 978-1-5090-6299-7.S2CID 19055090  .
  58. ^ Gupta, Amit K.; Skog, Isaac; Handel, Peter (2015). "Evaluación del rendimiento a largo plazo de un dispositivo de navegación peatonal montado en el pie". Conferencia anual de la IEEE en India de 2015 (INDICON) . págs. 1–6. doi :10.1109/INDICON.2015.7443478. ISBN 978-1-4673-7399-9.S2CID33398667  .​
  59. ^ Nilsson, John-Olof; Gupta, Amit K.; Handel, Peter (2014). "Navegación inercial con el pie simplificada". Conferencia internacional sobre posicionamiento y navegación en interiores (IPIN) de 2014. págs. 24–29. doi :10.1109/IPIN.2014.7275464. ISBN 978-1-4673-8054-6.S2CID898076  .​
  60. ^ Zhang, Wenchao; Li, Xianghong; Wei, Dongyan; Ji, Xinchun; Yuan, Hong (2017). "Un sistema PDR montado en el pie basado en el algoritmo IMU/EKF+HMM+ZUPT+ZARU+HDR+brújula". Conferencia internacional de 2017 sobre posicionamiento y navegación en interiores (IPIN) . págs. 1–5. doi :10.1109/IPIN.2017.8115916. ISBN . 978-1-5090-6299-7.S2CID 19693291  .
  61. ^ Localización y mapeo simultáneo
  62. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Raja Zahilah (2015). Propuesta de localización de rescate de emergencia (ERL) utilizando la optimización de la unidad de medición inercial (IMU) basada en la localización y mapeo simultáneos de peatones (SLAM). Revista internacional de hogares inteligentes. Vol 9: No.12, pp: 9-22. https://serscjournals.org/index.php/IJSH/vol9_no12_2015/2.pdf
  63. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Raja Zahilah (2015). Optimización de la ubicación de rescate de emergencia (ERL) mediante remuestreo KLD: una propuesta inicial. Revista internacional de servicios, ciencia y tecnología de la información y la comunicación. Vol 9: N.º 2, págs.: 249-262. https://serscjournals.org/index.php/IJUNESST/vol9_no2/25.pdf [ enlace muerto permanente ]
  64. ^ Wan Mohd Yaakob Wan Bejuri, Mohd Murtadha Mohamad, Raja Zahilah (2015). Optimización del filtro de partículas Rao-Blackwellizado en la localización y mapeo simultáneos de peatones en actividad (SLAM): una propuesta inicial. Revista internacional de seguridad y sus aplicaciones. Vol 9: No.11, pp: 377-390. https://serscjournals.org/index.php/IJSIA/vol9_no11_2015/35.pdf [ enlace muerto permanente ]
  65. ^ "Fusión de sensores y ayuda cartográfica para la navegación en interiores". Archivado desde el original el 28 de abril de 2010.
  66. ^ "Localización de peatones en ambientes interiores" (PDF) . Archivado desde el original (PDF) el 2017-07-05 . Consultado el 2012-06-25 .
  67. ^ Carboni, Davide; Manchinu, Andrea; Marotto, Valentina; Piras, Andrea; Serra, Alberto (2015). "Navegación en interiores sin infraestructura: un estudio de caso". Journal of Location Based Services . 9 : 33–54. doi :10.1080/17489725.2015.1027751. S2CID  34080648.
  68. ^ Qiu, Chen; Mutka, Matt (2017). "Localización en interiores que se mejora automáticamente mediante el análisis de perfiles de movimiento en exteriores en teléfonos inteligentes". 2017 IEEE 18th International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM) . págs. 1–9. doi :10.1109/WoWMoM.2017.7974311. ISBN 978-1-5386-2723-5.S2CID8560911  .​
  69. ^ "Los wearables vienen a renovarse".
  70. ^ Daniş, F. Serhan; ​​Naskali, A. Teoman; Cemgil, A. Taylan; Ersoy, Cem (2022). "Un conjunto de datos de localización en interiores y un marco de recopilación de datos con anotación de posición de alta precisión". Computación móvil y generalizada . 81 : 101554. arXiv : 2209.02270 . doi :10.1016/j.pmcj.2022.101554. S2CID  246887116.
  71. ^ Al-Ahmadi, Abdullah; Qasaymeh, Yazeed Mohammad; RP, Praveen; Alghamdi, Ali (2019). "Enfoque bayesiano para el modelado de propagación de ondas en interiores". Progress in Electromagnetics Research M . 83 : 41–50. doi : 10.2528/pierm19042804 . ISSN  1937-8726.
  72. ^ Daniş, F. Serhan; ​​Cemgil, A. Taylan; Ersoy, Cem (2021). "Filtro de Monte Carlo secuencial adaptativo para posicionamiento y seguimiento en interiores con balizas Bluetooth de bajo consumo". IEEE Access . 9 : 37022–37038. Bibcode :2021IEEEA...937022D. doi : 10.1109/ACCESS.2021.3062818 .
  73. ^ Bai, Y; Jia, W; Zhang, H; Mao, ZH; Sun, M (2014). Posicionamiento en interiores basado en puntos de referencia para personas con discapacidad visual . 12.ª Conferencia Internacional sobre Procesamiento de Señales (ICSP). Vol. 2014. págs. 678–681. doi :10.1109/ICOSP.2014.7015087. ISBN 978-1-4799-2186-7. PMC  4512241 . PMID  26213718.
  74. ^ Gaith Saqer (marzo de 2010). "Junaio 2.0, la primera aplicación de realidad aumentada social para interiores en SXSW con API para desarrolladores". Archivado desde el original el 12 de marzo de 2010.
  75. ^ "Fraunhofer IIS utiliza el sistema de posicionamiento en interiores de Awiloc para guiar a los visitantes del museo". 13 de diciembre de 2010.
  76. ^ Qiu, C.; Mutka, MW (1 de octubre de 2015). "AirLoc: localización en interiores asistida por robots móviles". 2015 IEEE 12th International Conference on Mobile Ad Hoc and Sensor Systems . págs. 407–415. doi :10.1109/MASS.2015.10. ISBN 978-1-4673-9101-6. Número de identificación del sujeto  13133026.

Enlaces externos