All over the place localization system

Abstract

A localização é normalmente obtida utilizando um sistema de navegação baseado num ambiente estruturado. No entanto, estes sistemas não funcionam ou são difíceis de serem implantados em ambientes densos. Assim, considerando que as pessoas se deslocam geralmente a pé, neste trabalho é proposto um Sistema de Navigação Inercial para Pedestres (PINS). Nesta tese são identificadas as principais vantagens e desvantagens dos PINS, bem como, os algoritmos que estão na base destes sistemas. O objetivo é fornecer uma perspectiva abrangente sobre o que é necessário para desenvolver um PINS e quais os problemas encontrados mais frequentemente durante o seu desenvolvimento. São também identificados e comparados os sistemas e tecnologias mais importantes da literatura. Duas unidades de medição inercial foram desenvolvidas, sendo que os sensores inerciais foram combinados com sensores de força para melhorar a detecção das diferentes fases (fase de apoio e fase de balanço) da marcha humana, assim como, para ter uma informação mais precisa sobre a força de contacto. É muito importante que a fase de apoio seja devidamente detectada. Assim três diferentes algoritmos, utilizando diferentes sensores e métodos de fusão sensorial, são explicados e avaliados. A marcha humana representa um padrão que é repetido ao longo do tempo, o qual é aprendido utilizando algoritmos de aprendizagem com base nos dados obtidos pelas diferentes fontes de informação para realizar uma caracterização do passo. Esta caracterização leva a uma melhoria no desempenho do sistema, uma vez que os erros sistemáticos podem ser aprendidos, para depois serem corrigidos em tempo real. Como neste sistema existe mais do que uma fonte de informação, além das técnicas de fusão sensorial, são também aplicadas técnicas de fusão de informação. Depois dos dados serem obtidos com o equipamento desenvolvido, e do passo ser caracterizado com os dados aprendidos, são aplicados os algoritmos que fazem a estimativa do deslocamento. A arquitetura proposta é avaliada em quatro cenários de utilização real, dentro de um edifício, envolvendo diferentes tipos de caminhadas. Esta arquitectura levou a uma melhoria significativa da precisão da estimativa do deslocamento.

Nowadays location information is typically obtained using a navigation system based on a structured environment. However, these systems do not work or are very difficult to be deployed in dense environments. Thus, considering that persons are usually on foot, in this work is proposed a Pedestrian Inertial Navigation System (PINS). In this thesis are identified the main advantages/disadvantages about PINS, as well as, the algorithms that are the base of this type of systems. It is provided a good insight about what is necessary to create a PINS and the problems that are encountered during its development. To complement these insights the fundamentals about Human Gait are presented, along with the main sensor and information fusion strategies used in this type of system. Also, the most important systems and technologies are identified and compared. Two inertial measurement units were developed, where the inertial sensors were combined with force sensors to improve the detection of different phases (stance and swing phase) of the human gait, as well as, to have proper information about the contact force. The stance phase is very important to be properly detected, therefore, three different algorithms using different sensors and sensor fusion methods are explained and evaluated. The human gait cycle represents a pattern that is a repeatable over time. Thus, this pattern is learned using machine learning algorithms, which are applied to the data obtained from the different data sources to perform a step characterization. This characterization leads to an improvement on the system’s performance, since the systematic errors can be learned to then be corrected in real-time. Since there is more than one source of information, besides sensor fusion techniques, it was also implemented an information fusion strategy. After collecting the data with the developed hardware and characterize the step according to the learned data, it is demonstrated the developed displacement estimation architecture. The proposed architecture and algorithms are evaluated through four real use case scenarios in a typical indoor environment involving different types of walking paths. This architecture led to a significant improvement on the displacement estimation accuracy.