3

私はアンドロイドを使用して屋内位置追跡アプリを構築しています。

歩数をカウントし、それらを前回のWIFI / GPS修正からの変更に変換して、建物内のユーザーの位置をより正確に追跡する歩数計を正常に実装しました。

歩数計は魅力のように機能し、非常に正確な結果が得られますが、新しいWIFI修正が取得されると、パスが不正確になり、ジャンプします。

私はWebで検索し、多くの論文やケーススタディを読みましたが、結果を滑らかにするために何らかのフィルターが必要であることがわかりました。

粒子フィルターまたはシグマポイントカルマンフィルター（または拡張カルマンフィルター）のいずれかを使用する必要があることを絞り込みました

これらのフィルターに関する多くの記事を読みました。UDACITY.comでコースを視聴しましたが、それでも取得できません。

簡単に言うと、私の歩数計の出力は、電話の見出しで作成された手順に基づく新しい緯度と経度であり、WIFIロケーションマネージャーの出力も緯度と経度です。

誰かが私の現在の歩数計パスへの新しいWIFI修正をスムーズにするために何をすべきかについての短い説明を私に提供できますか？

4

1 に答える 1

3

カルマンフィルター（線形または拡張）を使用するには、次のことを行う必要があります。

  1. 状態空間を定義します。おそらくこれは人の位置と速度です（経験則：実際に測定している場合にのみ加速度を含めます）。人々はそれほど遠くまで歩いていないので、おそらく緯度/経度座標でこれを行うことができ、非線形性について心配する必要はありません。
  2. 測定空間を定義します。つまり、センサーが何を伝え、それが状態空間にどのように関連しているかを定義します。
  3. プラントノイズモデルを定義します。ターゲットの実際のモーション特性を決定します。通常、これは、ターゲットの動きが観測間でどのように変化するかを統計的に説明する単なる共分散行列です。
  4. 測定ノイズモデルを定義します。センサーによって報告されたデータのエラーを推定します。繰り返しますが、これは統計モデルであり、通常は測定誤差の共分散で表されます。

私の推測では、あなたの問題は（4）から来ていると思います：歩数計ベースのサブシステムとGPS固定ベースのサブシステムからの測定誤差を適切にモデル化していない。

また、問題に対して基本的な線形カルマンフィルターを試す価値があるかもしれません。関連する計算は少し複雑ではなく、多かれ少なかれブラックボックスとして使用できます（上記のモデルを定義すると）。拡張アプローチ（シグマポイントKFまたは粒子フィルタリング）は通常、より問題領域固有の調整を必要とします。

于 2013-02-26T16:03:44.910 に答える