論文の概要: Deep Smartphone Sensors-WiFi Fusion for Indoor Positioning and Tracking
- arxiv url: http://arxiv.org/abs/2011.10799v1
- Date: Sat, 21 Nov 2020 14:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 23:41:14.056351
- Title: Deep Smartphone Sensors-WiFi Fusion for Indoor Positioning and Tracking
- Title（参考訳）: 深部スマートフォンセンサ-屋内位置計測と追跡のためのWi-Fiフュージョン
- Authors: Leonid Antsfeld, Boris Chidlovskii, Emilio Sansano-Sansano
- Abstract要約: 本研究では,ユーザの相対的位置を高精度に推定する深層学習に基づく歩行者致死推定モデルを実装した。
Kalmanフィルタを用いて、WiFiスキャンを受けるたびにユーザの絶対位置を予測できるWiFiを用いてPDRのドリフトを補正する。
最後に,環境の物理的制約を考慮に入れたマップフリープロジェクション法を用いて,カルマンフィルタの結果を調整する。
- 参考スコア（独自算出の注目度）: 7.296425002029293
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We address the indoor localization problem, where the goal is to predict
user's trajectory from the data collected by their smartphone, using inertial
sensors such as accelerometer, gyroscope and magnetometer, as well as other
environment and network sensors such as barometer and WiFi. Our system
implements a deep learning based pedestrian dead reckoning (deep PDR) model
that provides a high-rate estimation of the relative position of the user.
Using Kalman Filter, we correct the PDR's drift using WiFi that provides a
prediction of the user's absolute position each time a WiFi scan is received.
Finally, we adjust Kalman Filter results with a map-free projection method that
takes into account the physical constraints of the environment (corridors,
doors, etc.) and projects the prediction on the possible walkable paths. We
test our pipeline on IPIN'19 Indoor Localization challenge dataset and
demonstrate that it improves the winner's results by 20\% using the challenge
evaluation protocol.
- Abstract（参考訳）: そこでは,加速度センサ,ジャイロスコープ,磁気センサなどの慣性センサ,さらにはバロメーターやWiFiなどの他の環境やネットワークセンサを用いて,スマートフォンが収集したデータからユーザの軌道を予測することを目的としている。
本システムは,ユーザの相対的位置を高精度に推定する深層学習に基づく歩行者死推定(deep PDR)モデルを実装している。
Kalmanフィルタを用いて、WiFiスキャンを受けるたびにユーザの絶対位置を予測できるWiFiを用いてPDRのドリフトを補正する。
最後に,環境(コリダ,ドアなど)の物理的制約を考慮したマップフリー投影法を用いてカルマンフィルタ結果を調整し,歩行可能な経路に予測を投影する。
我々はIPIN'19屋内ローカライゼーションチャレンジデータセット上でパイプラインをテストし、チャレンジ評価プロトコルを用いて勝者の結果を20%改善することを示した。
関連論文リスト
- Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Unsupervised Visual Odometry and Action Integration for PointGoal
Navigation in Indoor Environment [14.363948775085534]
屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。
GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。
実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-10-02T03:12:03Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - Location Leakage in Federated Signal Maps [7.093808731951124]
複数のモバイルデバイスで収集した測定値からセルラーネットワーク性能(信号マップ)を予測することの問題点を考察する。
i) フェデレーション学習は、ユーザがデバイスにトレーニングデータを保持しながら、協調的にモデルをトレーニングすることを可能にする。
我々は、FLに参加しているターゲットユーザーから更新を観測し、グラデーション(DLG)タイプの攻撃による深い漏洩を用いて位置情報を推測する、誠実だが正確なサーバを考える。
FLのチューニングを含むフェデレーション学習フレームワーク内でのメカニズムの再検討と設計により、位置のプライバシーを保護するために、この観測に基づいて構築する。
論文 参考訳（メタデータ） (2021-12-07T02:28:12Z) - Analysis of geospatial behaviour of visitors of urban gardens: is
positioning via smartphones a valid solution? [0.0]
本研究では,スマートフォンで直接記録された位置が,都市庭園における人々の行動の空間的分析に有効な解である,という仮説を検証した。
i)参照トラックに対する位置の精度の評価、(ii)位置情報の送信と処理を自動化するフレームワークの実装、(iii)空間分析による所望スポットの分析の3つの部分について報告する。
論文 参考訳（メタデータ） (2021-06-20T08:32:05Z) - WiFi Fingerprint Clustering for Urban Mobility Analysis [20.190366137684205]
スマートフォンアプリケーションデータからWi-Fi計測を利用してユーザポイント(POI)を識別するための教師なし学習手法を提案する。
屋内・シェルター・高層建築環境におけるGPS位置決め精度の欠如により、現代都市部において広く利用可能なWiFiアクセスポイント(AP)に依存している。
周囲のWiFi APをスキャンし、監視されていない学習を行い、3つの大きな洞察を識別できることを実証するシステムアーキテクチャを提案します。
論文 参考訳（メタデータ） (2021-05-04T03:46:14Z) - IDOL: Inertial Deep Orientation-Estimation and Localization [18.118289074111946]
多くのスマートフォンアプリケーションは、運動を感知するために慣性測定装置(IMU)を使用しているが、歩行者の局所化にこれらのセンサーを使用することは困難である。
近年,慣性航法の可能性が高まっている。
本稿では,まず端末の向きを推定し,次にデバイスの位置を推定するコモディティスマートフォンを用いた2段階のデータ駆動パイプラインを提案する。
論文 参考訳（メタデータ） (2021-02-08T06:41:47Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。