University of Oulu

Indoor location estimation using an NFC-based crowdsourcing approach for bootstrapping

Saved in:
Author: Chaudhry, Muhammad1
Organizations: 1University of Oulu, Faculty of Technology, Department of Computer Science and Engineering, Computer Science and Engineering
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 4.7 MB)
Persistent link: http://urn.fi/URN:NBN:fi:oulu-201306011429
Language: English
Published: Oulu : M. Chaudhry, 2013
Publish Date: 2013-06-03
Physical Description: 95 p.
Thesis type: Master's thesis (tech)
Tutor: Riekki, Jukka
Reviewer: Kostakos, Vasileios
Riekki, Jukka
Description:
Indoor location estimation, the process of reckoning the location of a device in an indoor environment, remains a technical challenge due to the poor performance of GPS in such settings. While a substantial amount of work has been done in this context, particularly employing the Wi-Fi fingerprinting technique, the very approach has certain shortcomings. A major limitation is the need of time-and-labor-intensive fingerprint acquisition process. What is more, the costly fingerprint soon gets outdated because of the dynamic environment. The alternative, triangulation-based systems are not only complex to build because of the increased multipath signal propagation indoors, but also require prior knowledge of the location of Wi-Fi access points which is not always possible, or requires dedicated beacons which is not cost-effective. Here we present an indoor location estimation approach that employs an already deployed Wi-Fi network, without requiring any prior knowledge of the position of the access points, or the need for manually collecting the fingerprints, and with dynamic environmental adaptability. This is achieved by crowdsourcing the fingerprinting process using localized QR-Codes and NFC tags as reference points for bootstrapping this process. We have developed the complete system including the location estimation algorithm and a mobile mapping application to demonstrate that our approach can achieve 10-meter accuracy for 64% of the location estimations, and 98% accuracy in estimating the floor, using a reference tag density of 1 tag per 400 square meters.
see all

Sisätilapaikannus, menetelmä laitteen paikantamiseksi sisätiloissa, on edelleen tekninen haaste GPS-paikannuksen sisätilan toimivuuden rajoitteiden vuoksi. Vaikka työtä on tehty paljon asian puitteissa, erityisesti käyttämällä Wi-Fi sormenjälkitekniikkaa, on lähestymistavassa tiettyjä puutteita. Merkittävin rajoitus on aika- ja työvaltainen sormenjälkien eli referenssipisteiden hankintaprosessi. Lisäksi nämä referenssipisteet vanhenevat nopeasti muuttuvassa ympäristössä. Vaihtoehtoinen kolmiomittauspohjainen järjestelmä ei ole pelkästään monimutkainen rakentaa monitiesignaalien lisääntyneen määrän vuoksi, mutta myös siksi, että se vaatii Wi-Fi-tukiasemien paikkojen tietämystä, joka ei ole aina mahdollista, tai erityisiä majakoita, jotka eivät ole kustannustehokkaita. Tässä työssä esitellään sisätilapaikannusmenetelmä, joka käyttää olemassa olevaa Wi-Fi-verkkoa ilman aiempaa tietoa tukiasemien paikasta, ja jossa ei ole tarvetta kerätä referenssipisteitä käsin, ja joka pystyy sopeutumaan muuttumaan ympäristön mukana. Tämä saavutetaan yhteisöllisellä referenssipisteiden keruulla, jossa käytetään tietyissä tunnetuissa paikoissa olevia QR-koodeja ja NFC-tunnisteita vertailukohtana. Tässä työssä kehitettiin paikannusalgoritmin lisäksi sitä käyttävä ohjelmisto. Testitulokset osoittavat, että tällä lähestymistavalla voidaan saavuttaa 10 metrin tarkkuus 64 % paikannusarvioista sekä 98 % kerrostarkkuus käytettäessä yhtä tunnistetta 400 neliömetriä kohti.
see all

Subjects:
Copyright information: © Muhammad Chaudhry, 2013. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.