論文の概要: DIY-IPS: Towards an Off-the-Shelf Accurate Indoor Positioning System
- arxiv url: http://arxiv.org/abs/2209.03613v1
- Date: Thu, 8 Sep 2022 07:36:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-09 13:37:46.590034
- Title: DIY-IPS: Towards an Off-the-Shelf Accurate Indoor Positioning System
- Title(参考訳): DIY-IPS:市販の正確な室内位置決めシステムを目指して
- Authors: Riccardo Menon, Abdallah Lakhdari, Amani Abusafia, Qijun He, Athman
Bouguettaya
- Abstract要約: DIY-IPSは、利用可能なWiFiアクセスポイントの二重バンドRSSIフィンガープリントを用いて、ユーザの屋内位置を検出する。
アプリは、追加のインフラコストなしで使用でき、ユーザーの屋内位置をリアルタイムで検出できる。
- 参考スコア(独自算出の注目度): 0.39373541926236766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present DIY-IPS - Do It Yourself - Indoor Positioning System, an
open-source real-time indoor positioning mobile application. DIY-IPS detects
users' indoor position by employing dual-band RSSI fingerprinting of available
WiFi access points. The app can be used, without additional infrastructural
costs, to detect users' indoor positions in real time. We published our app as
an open source to save other researchers time recreating it. The app enables
researchers/users to (1) collect indoor positioning datasets with a ground
truth label, (2) customize the app for higher accuracy or other research
purposes (3) test the accuracy of modified methods by live testing with ground
truth. We ran preliminary experiments to demonstrate the effectiveness of the
app.
- Abstract(参考訳): DIY-IPS - Do It Yourself - Indoor Positioning Systemは、オープンソースのリアルタイム屋内位置決めモバイルアプリケーションである。
DIY-IPSは、利用可能なWiFiアクセスポイントの二重バンドRSSIフィンガープリントを用いて、ユーザの屋内位置を検出する。
アプリは、追加のインフラコストなしで、ユーザーの屋内位置をリアルタイムで検出するために使用できる。
私たちはこのアプリをオープンソースとして公開し、他の研究者がそれを再現する時間を節約しました。
本アプリは,(1)屋内位置決めデータセットを地中真理ラベルで収集し,(2)高い精度や他の研究目的のためにアプリをカスタマイズし,(3)地中真理でライブテストして修正方法の精度をテストする。
アプリの有効性を実証するために予備実験を行った。
関連論文リスト
- What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
本稿では、RANによって異なるアプリが実装された場合のトラフィックの値を推定する問題に対処する。
本稿では,無線システムに対する共形予測に基づく対実解析手法を提案する。
論文 参考訳(メタデータ) (2024-09-30T18:47:26Z) - Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳(メタデータ) (2024-07-22T12:32:09Z) - FastPillars: A Deployment-friendly Pillar-based 3D Detector [63.0697065653061]
既存のBEVベースの(つまりバードアイビュー)検出器は、トレーニングと推論を高速化するためにスパース・コンボリューション(SPConv)を好む。
FastPillarsは、CenterPoint(SPConvベース)よりも1.8倍のスピードアップと3.8mAPH/L2の改善で、Openデータセットの最先端の精度を提供する
論文 参考訳(メタデータ) (2023-02-05T12:13:27Z) - Indoor Smartphone SLAM with Learned Echoic Location Features [47.264724701407545]
スマートフォン内蔵オーディオハードウェアと慣性計測ユニット(IMU)を用いた屋内同時位置決めマッピング(SLAM)システムを提案する。
我々のシステムは、スマートフォンのスピーカーを使って、ほぼ可聴のチャープを出力し、マイクを使って室内環境から音響エコーを記録する。
ELFベースのSLAMは、リビングルーム、オフィス、ショッピングモールの再建軌道上で、0.1,textm$、0.53,textm$および0.5,textm$の平均的なローカライゼーション誤差を達成します。
論文 参考訳(メタデータ) (2022-10-16T09:41:09Z) - Indoor simultaneous localization and mapping based on fringe projection
profilometry [17.58921454201053]
本稿では,FPPの座標変換関係に基づいたFPPを用いた室内SLAM法を提案する。
提案した屋内SLAMは1ミリ付近の局所化とマッピングの精度を達成できる。
論文 参考訳(メタデータ) (2022-04-23T08:35:58Z) - RFID-Based Indoor Spatial Query Evaluation with Bayesian Filtering
Techniques [15.551753101355622]
屋内空間問合せアルゴリズムを多種多様な位置ベースアプリケーションに適用する。
本研究では,屋内空間問合せ評価の基盤としてベイズフィルタを用いた位置推定手法を提案する。
推論手法と追跡モデルに基づいて、革新的な屋内範囲とk近傍のクエリアルゴリズム(kNN)を開発する。
論文 参考訳(メタデータ) (2022-04-02T02:52:19Z) - Multimodal Approaches for Indoor Localization for Ambient Assisted
Living in Smart Homes [0.0]
ユーザインタラクションのマルチモーダルコンポーネントを研究する,ビッグデータ駆動の方法論を提案する。
第二に、加速度計とジャイロスコープデータを解釈できる文脈に依存しないアプローチを導入する。
第3に,室内位置の空間座標を検出する手法を提案する。
論文 参考訳(メタデータ) (2021-06-29T17:46:21Z) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳(メタデータ) (2021-06-21T16:35:49Z) - Self-Supervised Person Detection in 2D Range Data using a Calibrated
Camera [83.31666463259849]
2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。
擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。
私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
論文 参考訳(メタデータ) (2020-12-16T12:10:04Z) - EdgeLoc: An Edge-IoT Framework for Robust Indoor Localization Using
Capsule Networks [3.659977669398194]
カプセルネットワークを用いた効率的で堅牢な屋内ローカライズのためのエッジIoTフレームワークであるEdgeLocを提案する。
WiFi指紋データから階層情報を効率的に抽出する深層学習モデルをCapsNetで開発する。
我々は,33,600点以上のデータポイントを用いて実世界のフィールド実験を行い,オープンデータセットを用いた広範囲な合成実験を行った。
論文 参考訳(メタデータ) (2020-09-12T12:38:47Z)
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。