Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Wintersemester 2012/2013

ET/IT & Master AR Projektgruppe WS 2012/2013

 

Indoor-Lokalisierung und Mapping mit Smartphones

 

SmartphoneG

 

Einleitung

Der hohe und zunehmend wachsende Verbreitungsgrad von Smart Phones prädestiniert diese als universale Helfer nicht nur für die reine Kommunikation und Informationsbeschaffung sondern auch für neuartige Aufgaben, wie die augmentierte Führung und Wegweisung von Personen durch ihnen unbekannte Gebäude. In der vorwiegend auf GPS-Signalen basierenden Outdoor Navigation von Fahrzeugen und Fußgängern verdrängen Smart Phones zunehmend dedizierte Navigationssysteme und gehören mittlerweile zum Alltag. In Indoor Umgebungen sind vergleichbare Apps zur Standortbestimmung und Navigation aufgrund der auf GPS basierenden fehlenden Lokalisationsinfrastruktur nur spärlich verbreitet und es existieren in Gegensatz zur GPS-gestützten Outdoor-Lokalisierung derzeit keine Standards. Ziel ist es, die herkömmliche Infrastruktur zur Orientierungshilfe von Besuchern in öffentlichen Gebäuden oder in größeren Komplexen wie Flughäfen, Bahnhöfen oder Kongresszentren in Form von Wegweisern, Hinweistafeln oder Info-Points durch Smart Phone Technologie zu ersetzen beziehungsweise zu erweitern und leistungsfähiger zu gestalten. Diese bietet den Vorteil einer individuell auf die Bedürfnisse und Ziele des einzelnen Besuchers abgestimmte Bereitstellung der für ihn relevanten Informationen, beispielsweise zum Auffinden von Kontaktpersonen oder zur Teilnahme an einer Tagung oder Messe. Ein weiterer Vorteil ist die zeitnahe Aktualisierung der für die Navigation maßgeblichen Informationen und die Bereitstellung ortsnaher Dienste.  Der technologische Fortschritt bei der Ausstattung von Smart Phones mit zusätzlichen Sensoren wie  Kameras, Beschleunigungssensoren, Gyrosensoren und Kompass in Verbindung mit drahtloser Kommunikation über WLAN oder 3G ermöglicht die technische Realisierung einer für die Mehrzahl der Anwendungen hinreichend genauen Standortbestimmung auch im Indoor-Bereich. Durch die Anbindung an eine lokale Informationsinfrastruktur über WLAN lassen sich auf den jeweiligen Gebäudekomplex oder die Organisationstruktur angepasste  ortsbezogene Dienste anbieten. Die Nachfrage nach einer solchen Funktionalität wird daran deutlich, dass Google für Besitzer eines Smart Phones mit dem von Google entwickelten Betriebssystems Android ab Version 2.2  eine Erweiterung für den Karten- und Navigationsdienst Google Maps (Version 6.0) entwickelt.

Bisher kommen in prototypischen Entwicklungen und Anwendungen zur Indoor-Standortbestimmung folgende Technologien zum Einsatz:

  • Location Fingerprinting (WLAN): Die Standortbestimmung beruht auf dem Vergleich der gemessenen Empfangsstärke mit  zuvor offline an ausgewählten Standorten gemessenen und in einer Karte (radio map) vermerkten Signalstärken von Access Points.
  • QR-Codes und Dead Reckoning (Kamera und Inertialsensoren): Die Kombination aus kamerabasierter Lokalisation durch eindeutig unterscheidbare Merkmale (QR-Codes) und aus Vorhersage der Eigenbewegung durch Beschleunigungssensoren und Kompass ermöglicht eine zumindest auf kürzeren Wegen recht genaue Lokalisation.
  • Bildbasierte Lokalisation Die Lokalisation erfolgt über den Abgleich zwischen aktueller Ansicht und zuvor an ausgewählten Standorten aufgenommenen und gespeicherten Referenzansichten.

 

Arbeitspaket 1 – Bildbasierte Ortserkennung und Semantische Kartierung

Um Roboter in die Lage zu versetzen komplexe Aufgaben zu bewältigen, bedürfen diese eines tieferen räumlichen und semantischen Verständnisses ihrer Arbeitsumgebung. Insbesondere in Hinblick auf eine angestrebte Kooperation mit Menschen benötigen sie eine semantische Repräsentation des Raumes welche der des Menschen ähnelt.  Ein Ziel des Arbeitspaketes ist die semantische Kartierung einer Umgebung durch einen mobilen Roboter mit Hilfe einer omnidirektionalen Kamera. Dies beinhaltet Klassifikation von Orten und räumlich semantischer Konzepte anhand ihrer visuellen Erscheinung, Geometrie, Topologie und dem Vorhandensein für die mutmaßliche Verwendung des Raumes bedeutungstragender Objekte wie Schreibtische, Schränke und Bestuhlung.

Eine weitere Teilaufgabe ist die Wiedererkennung von Orten (visual place recognition) durch den Vergleich des mit der Kamera des Smart Phone aufgenommen Bildes mit gespeicherten Referenzansichten bereits gesehener Orte.

Sowohl die Wiedererkennung als auch die Klassifikation von Orten erfolgen anhand lokaler Merkmale (SIFT/SURF) und globaler Merkmale (CRFH). Zunächst werden Orte anhand ihrer geometrischen Form und Verteilung der lokalen Umgebung in wenige zentrale Kategorien wie Korridor, Büro, Labor, Seminarraum klassifiziert. In einer zweiten Stufe sollen Objektkategorien (optional unter Verwendung eines Bag of Words Ansatzes)  wie Türen, Schränke, Stühle, Tische erkannt werden. Zum Trainieren der Klassifikatoren kann teilweise auf vorhandene Datenbanken (INDECS, IDOL, COLD) zurückgegriffen werden, die Klassifikatoren sollen jedoch an neuen Daten aus der Umgebung TU Dortmund verifiziert und validiert werden.

 

Ansprechpartner:

    Frank Hoffmann (frank.hoffmann@tu-dortmund.de),

    Felipe Posada (felipe.posada@tu-dortmund.de)

Teilnehmerzahl:  2-6 Teilnehmer

 

Arbeitspaket 2 – Mobile Data Collection for Indoor Positioning and Routing

In diesem Arbeitspaket soll eine Datenbasis für die Lokalisierungs- und Routingtechniken entstehen. Dazu soll eine Datensammlung mit Hilfe von Android-Smartphones stattfinden. Durch Messungen in den Gebäuden werden sowohl lokale WLAN-Informationen, als auch Bilddaten gesammelt. Die Daten werden direkt von dem Smartphone an ein Serversystem übermittelt und in einer Datenbank gesichert. Der so entstehende Datenpool dient für die anderen Arbeitspakete als Basis zur Entwicklung der Algorithmen für Lokalisierung und Routing.

 

Das Arbeitspaket  beinhaltet folgende Aspekte:

  • Implementierung einer Smartphone Applikation zur Sammlung von WLAN-Informationen und Bilddaten
  • Einrichtung einer Serverumgebung (Application Server, z. B. JBoss) und einer Datenbank
  • Aufbau eines Kommunikationskanals zwischen Smartphone und Server
  • Durchführung von Messungen an ausgewählten Standorten der Fakultät

 

 

Ansprechpartner:

    Christian Lewandowski (christian.lewandowski@tu-dortmund.de)

Teilnehmerzahl:   3-6 Teilnehmer

 

Arbeitspaket 3 – Indoor Positioning with Dead Reckoning and Fingerprinting

Heutzutage sind Smartphones Teil des täglichen Lebens. Will man wissen, wo man sich gerade befindet, kann man sich mit Hilfe des eingebauten GPS Empfängers lokalisieren lassen. Die Lokalisierung funktioniert jedoch meist nur bis zu den Eingängen eines Gebäudes. Ist man erst einmal hineingegangen, dann schlägt die Lokalisierung fehl.

Genau an dieser Stelle setzt das Projekt an. Anstelle des GPS sollen hier zur Lokalisierung Sensoren wie beispielsweise Beschleunigungssensor, Gyroskop oder WirelessLAN zum Einsatz kommen.

Dabei ist es die Aufgabe der Projektgruppe geeignete Algorithmen zur Indoor-Lokalisierung auf Basis der in einem Smartphone vorhandenen Sensorik zu implementieren und zu evaluieren. Um die Lokalisierungsgenauigkeit weiter zu erhöhen, sollen sowohl die Umgebung als Karteninformation, als auch verschiedene Mobilitätsmodelle von Personen berücksichtigt werden.

 

Die Arbeit beinhaltet folgende Aspekte:

  • Recherche geeigneter Lokalisierungsansätze und Mobilitätsmodelle
  • Implementierung verschiedener Lokalisierungsansätze in Matlab
  • Implementierung verschiedener Mobilitätsmodelle in Matlab
  • Erstellen verschiedener Datensätze, um die Güte der Algorithmen bewerten zu können
  • Analyse der Performance und Güte der Algorithmen
  • Entwicklung eines Demonstrators als Client/Server Architektur auf Basis von Android und Webtechnologien

 

Ansprechpartner:

    Daniel Hauschildt (daniel.hauschildt@tu-dortmund.de)

    Theresa Nick (theresa.nick@tu-dortmund.de)

Teilnehmerzahl:   3-6 Teilnehmer

 

 

Vorraussetzungen

Vorkenntnisse in Matlab, Java oder einer anderen Programmiersprache sind wünschenswert. Ein generelles Interesse an Teamarbeit, Sensorik und Algorithmik wird erwartet.

 

 

Teilnehmerzahl

gesamt: mindestens 8, maximal 18

 

Anmeldung