• Journal of Positioning, Navigation, and Timing
• /
• 제9권1호
• /
• pp.33-42
• /
• 2020

In Integration Approach (IA)-based Pedestrian Dead Reckoning (PDR), it is important to detect the exact zero-velocity of the foot with an Inertial Measurement Unit (IMU). By detecting zero-velocity during the stance phase of the foot touching the ground and executing Zero-velocity UPdaTe (ZUPT) at the exact time, stable navigation information can be provided by the PDR. When the pace is fast, however, it is not easy to accurately detect the zero-velocity because of the small stance phase interval and the large signal variance of the corresponding interval. Incorrect zero-velcity detection greatly causes navigation errors of IA-based PDR. In this paper, we propose a method to detect the zero-velocity stably even at high speed by novel buffering of IMU's output data and signal processing of the buffer. And we design a PDR based on this. By analyzing the performance of the proposed Zero-Velocity Detection (ZVD) algorithm and ZVD-based PDR through experiemnts, we confirm that the proposed method can provide accurate navigation information of pedestrians such as firefighters in the indoor space.

• 대한토목학회논문집
• /
• 제37권1호
• /
• pp.203-215
• /
• 2017

최근 스마트폰 보급과 측위 기술의 향상으로 보행자용 내비게이션 서비스(Pedestrian Navigation Service, PNS)에 대한 관심이 높아지고 있으며, 보행자의 이동 특성과 길 찾기 성공률 측면에서 보행자에게 길안내를 하는데 랜드마크를 이용하는 것이 효율적이다. 이에 PNS를 위하여 랜드마크를 추출하려는 연구들이 진행되어 왔다. 그러나 이들 선행연구는 랜드마크를 추출할 때 건물들 간의 차이만을 고려하고, PNS가 구동되는 화면 속 지도에 대한 사용자의 시각적 주의를 고려하지 않았다는 한계를 가지고 있다. 본 연구는 건물의 속성을 지역적 변수와 전역적 변수로 정의함으로써 이와 같은 문제를 개선하고자 한다. 지역적 변수는 건물들 간의 차이를 나타내고 전역적 변수는 건물이 가지는 고유한 특성을 나타냄으로써 건물의 현출성과 시각적 주의 정도를 반영한다. 또한, 네트워크 보로노이 다이어그램을 이용하여 네트워크의 연결성을 고려하고 랜드마크 후보군 추출 시 발생하는 중첩 현상을 해결한다. PNS를 위한 랜드마크를 추출하기 위하여 선행 연구를 바탕을 건물 속성정보를 정의하였다. 다음으로, 보행자를 위한 선택점을 선정하고, 해당 선택점 별로 랜드마크 후보군을 추출하였다. 이들 랜드마크 후보군에 대해서 정의된 건물 속성정보를 산출하고, 주성분 분석을 이용하여 랜드마크를 추출하였다. 제안된 기법을 서울특별시 관악구 일부 지역을 대상으로 적용하여 랜드마크를 추출하고, 네이버와 다음 지도 서비스의 레이블과 길찾기 시 표출되는 랜드마크와 비교하여 정확도를 평가하였다. 그 결과, 네이버와 다음 레이블 219개 중에서 60.3%에 해당하는 132개가 제안된 방법으로 랜드마크로 추출되었으며, 네이버와 다음 지도 서비스에는 없지만 선택점에서 추가로 추출된 228개의 랜드마크는 지역적 수준에서 길 찾기 시 방향 전환을 결정하는데 도움이 될 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.599-607
• /
• 2021

스트리트뷰(Street-view) 영상은 도로의 특정 위치를 중심으로 한 전방위 영상을 제공하며, 보행 환경에 대한 다양한 장애물 정보를 포함한다. 보행자용 길안내 서비스에 활용하기 위한 보행 네트워크(Pedestrian network) 데이터는 교통약자를 비롯한 보행자의 이동 편의성을 보장하기 위하여 보행 장애물에 대한 최신 정보를 반영해야 한다. 본 연구에서는 스트리트뷰 영상과 딥러닝 기반의 객체탐지 알고리즘을 활용하여 서울 전역에 위치한 주요 보행 장애물인 볼라드(Bollard)를 학습하였다. 또한, 탐지된 볼라드 정보와 보행 네트워크 간의 공간매칭을 통해 횡단보도 노드를 대상으로 볼라드의 유무와 개수 정보를 장애물 속성으로 입력하고, 동시에 누락된 횡단보도 정보를 갱신하기 위한 프로세스를 정의하였다. 스트리트뷰 영상으로 학습된 모델은 보행 상황에서 스마트폰으로 촬영한 사진에 대해서도 적용이 가능하며, 향후 스트리트뷰 영상에 포함된 다양한 보행 장애물에 대한 추가 학습을 통해 효율적인 보행 장애 정보 갱신이 가능할 것으로 기대된다.

• 한국측량학회지
• /
• 제28권1호
• /
• pp.65-72
• /
• 2010

본 연구에서는 MMS인 경우 고성능의 중급 IMU가 사용되고 보행자 항법시스템에서는 MEMS형의 저급 IMU가 사용된다고 가정한 후 GPS 신호가 단절되었을 경우 IMU에 의해 생성되는 위치 및 자세 오차를 시뮬레이션을 통하여 계산하였다. 또한 GPS 신호 단절 시에 고도계, 전자나침반 및 2가지 센서를 동시에 이용하는 MultiSensor를 이용하여 중급 및 저급 IMU를 보정하였을 경우의 정확도 향상 효과를 분석하였다. 실험 결과 중급 IMU의 경우 MMS에서 요구되는 3차원 위치오차 정확도가 5m라고 가정할 경우 GPS 단절 시간이 30초가 넘으면 요구 정확도를 만족하지 못하였다. 하지만 GPS 단절 구간에서 고도계 전자나침반 그리고 MultiSensor를 이용하여 IMU 보정을 수행할 경우 약 60초까지 요구정확도를 만족하였다. 또한 고도계 및 전자나침반을 동시에 사용할 경우 고도계에 의한 영향이 더욱 큰 것으로 판단된다 MEMS IMU와 같은 저급 IMU가 사용되는 보행자 항법 시스템의 요구 위치 정확도가 약 20m라고 가정할 경우 4초 이후에는 요구 정확도를 만족하지 못하였으며 자세 오차도 매우 급증하였다. 하지만 GPS 신호 단절시 보조센서를 이용하여 저급 IMU 보정을 수행하였을 경우 약 15초까지 요구 정확도를 만족할수 있을 것으로 시뮬레이션 결과 예측되었으며 또한 중급 IMU 실험과는 반대로 보행자 항법과 같은 속도가 느린 시스템에서 고도계 및 전자나침반 2가지 센서를 동시에 사용할 경우 전자나침반에 의한 영향이 더욱 큰 것으로 나타났다. 본 연구는 GPS 신호 단절이 발생할 수 있는 지역에 대하여 MMS 또는 보행자 항법시스템을 운용할 경우 요구 정확도에 따른 보조센서 통합을 이용하여 정확도를 높이는 자료로써 사용될 수 있을 것으로 예상된다.

• 한국측량학회지
• /
• 제36권5호
• /
• pp.395-401
• /
• 2018

Recently, most of mobile devices are equipped with GNSS (Global Navigation Satellite System). When the GNSS signal is available, it is easy to obtain position information. However, GNSS is not suitable solution for indoor localization, since the signals are normally not reachable inside buildings. A wide varieties of technology have been developed as a solution for indoor localization such as Wi-Fi, beacons, and inertial sensor. With the increased sensor combinations in mobile devices, mobile devices also became feasible to provide a solution, which based on PDR (Pedestrian Dead Reckoning) method. In this study, we utilized the combination of three sensors equipped in mobile devices including accelerometer, digital compass, and gyroscope and applied three representative PDR methods. The proposed methods are done in three stages; step detection, step length estimation, and heading determination and the final indoor localization result was evaluated with terrestrial LiDAR (Light Detection And Ranging) data obtained in the same test site. By using terrestrial LiDAR data as reference ground truth for PDR in two differently designed experiments, the inaccuracy of PDR methods that could not be found by existing evaluation method could be revealed. The firstexperiment included extreme direction change and combined with similar pace size. Second experiment included smooth direction change and irregular step length. In using existing evaluation method which only checks traveled distance, The results of two experiments showed the mean percentage error of traveled distance estimation resulted from three different algorithms ranging from 0.028 % to 2.825% in the first experiment and 0.035% to 2.282% in second experiment, which makes it to be seen accurately estimated. However, by using the evaluation method utilizing terrestrial LiDAR data, the performance of PDR methods emerged to be inaccurate. In the firstexperiment, the RMSEs (Root Mean Square Errors) of x direction and y direction were 0.48 m and 0.41 m with combination of the best available algorithm. However, the RMSEs of x direction and y direction were 1.29 m and 3.13 m in the second experiment. The new evaluation result reveals that the PDR methods were not effective enough to find out exact pedestrian position information opposed to the result from existing evaluation method.

• Journal of Positioning, Navigation, and Timing
• /
• 제9권3호
• /
• pp.169-173
• /
• 2020

Location-based services are used as core services in various fields. In particular, in the field of public services such as emergency rescue, accurate location estimation technology is very important. Recently, the technology of tracking the location of self-isolation subjects for COVID-19 has become a major issue. Therefore, location estimation technology using personal smart devices is being studied in various ways, and the most widely used method is to use GPS. Other representative methods are using Wi-Fi, Pedestrian Dead Reckoning (PDR), Bluetooth Low Energy (BLE) beacons, and LTE signals. In this paper, we introduced a positioning technology using deep learning based on LTE Channel State Information-Reference Signal (CSI-RS) data, and confirmed the possibility through an outdoor location estimation experiment using a commercial LTE signal.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2008년도 추계학술대회
• /
• pp.5-8
• /
• 2008

This study proposed the Knowledge Base Building method reflecting the user's preferences based on the fuzzy set theory to develop information contents which support pedestrian's navigation. This research evaluated subject's preferences on the commercial spaces set to the hypothetical destination. Also it surveyed the causal relationship between the visual characteristics and the emotional characteristics to propose the methods of Navigation Knowledge Base (NKB). The NKB was composed by three elements; 1.the correlation model between emotional characteristics, 2.the causal relationship between visual characteristics and emotional characteristics, 3.the transformation model between visual characteristics and the physical characteristics.

• 정보와 통신
• /
• 제31권3호
• /
• pp.103-116
• /
• 2014

This paper proposes the design of Vehicular Cyber-Physical Systems (called VCPS) based on vehicular cloud for smart road networks. Our VCPS realizes mobile cloud computing services where vehicles themselves or mobile devices (e.g., smartphones and tablets of drivers or passengers in vehicles) play a role of both cloud server and cloud client in the vehicular cloud. First, this paper describes the architecture of vehicular networks for VCPS and the delay modeling for the event prediction and data delivery, such as a mobile node's travel delay along its navigation path and the packet delivery delay in vehicular networks. Second, the paper explains two VCPS applications as smart road services for the driving efficiency and safety through the vehicular cloud, such as interactive navigation and pedestrian protection. Last, the paper discusses further research issues for VCPS for smart road networks.

• 한국멀티미디어학회논문지
• /
• 제14권4호
• /
• pp.517-528
• /
• 2011

본 논문에서는 시각장애인이 실내에서 특정 목적지까지 안전하게 보행할 수 있도록 하는 시스템을 제안한다. 이 시스템은 카메라로 찍은 영상을 분석하여 마커의 ID를 구한 후 이로부터 보행자의 절대위치를 파악하고, IMU(Inertial Measurement Unit)의 가속도 센서와 자이로 센서를 통해 들어온 이동거리와 각도를 이용하여 보행자의 이전위치에 대한 상대위치를 파악하여 다음 진행 방향을 결정한다. 동시에 다수의 초음파 센서들을 이용하여 보행자 전방의 장애물 위치를 파악하여 사용자에게 최적의 진행방향을 알려준다. 이때 경로상의 계단이 있을 경우 IR(Infrared Rays)센서로 감지하여 보행자에게 알려준다. 본 시스템은 다중 복합 센서들을 융합하여 시각장애인에게 위치정보를 제공하고 원하는 목적지까지 안전하게 보행할 수 있도록 한다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권2호
• /
• pp.91-100
• /
• 2023

The existing indoor localization method using Wi-Fi fingerprinting has a high collection cost and relatively low accuracy, thus requiring integrated correction of convergence with other technologies. This paper proposes a new method that significantly reduces collection costs compared to existing methods using Wi-Fi fingerprinting. Furthermore, it does not require labeling of data at collection and can estimate pedestrian travel paths even in large indoor spaces. The proposed pedestrian movement path estimation process is as follows. Data collection is accomplished by setting up a feature area near an indoor space intersection, moving through the set feature areas, and then collecting data without labels. The collected data are processed using Kernel Linear Discriminant Analysis (KLDA) and the valley point of the Euclidean distance value between two data is obtained within the feature space of the data. We build learning data by labeling data corresponding to valley points and some nearby data by feature area numbers, and labeling data between valley points and other valley points as path data between each corresponding feature area. Finally, for testing, data are collected randomly through indoor space, KLDA is applied as previous data to build test data, the K-Nearest Neighbor (K-NN) algorithm is applied, and the path of movement of test data is estimated by applying a correction algorithm to estimate only routes that can be reached from the most recently estimated location. The estimation results verified the accuracy by comparing the true paths in indoor space with those estimated by the proposed method and achieved approximately 90.8% and 81.4% accuracy in two experimental spaces, respectively.