맨위로가기

실내 위치 추적 서비스

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

실내 위치 추적 서비스는 다양한 무선 기술과 기타 기술을 활용하여 실내에서 위치 정보를 제공하는 기술이다. GPS 신호가 약한 실내 환경에서 발생하는 문제를 보완하기 위해 관성 측정 장치, SLAM, Wi-Fi 등을 활용하며, 무선 기술로는 Wi-Fi, 블루투스, 초광대역 통신(UWB) 등이 사용된다. 이 외에도 자기 위치 측정, 시각 기반 위치 측정 등 다양한 기술이 적용된다. 실내 위치 추적은 k-최근접 이웃 알고리즘, AoA, ToA, RSSI 등의 측정 방법을 통해 위치를 결정하며, 삼변측량법, 삼각 측량법, 베이즈 통계 분석, 칼만 필터 등 수학적 모델링을 통해 정확도를 높인다. 접근성 보조, 증강 현실, 쇼핑, 병원, 공장 등 다양한 분야에서 활용되며, 특히 모바일 기기의 상황 인식 애플리케이션 개발에 중요한 역할을 한다.

더 읽어볼만한 페이지

  • 위치 결정 - 위치 기반 서비스
    위치 기반 서비스(LBS)는 이동통신, 무선 인터넷, GPS 기술을 이용하여 사용자의 위치 정보를 기반으로 내비게이션, 소셜 네트워크 서비스, 게임, 광고 등 다양한 부가 가치를 제공하는 서비스이다.
  • 위치 결정 - 삼변측량
    삼변측량은 기하학에서 원, 구, 삼각형의 기하를 이용하여 거리 측정을 통해 점의 위치를 결정하는 과정으로 정의되며, 측량에서는 진거리 및 의사거리 다변측량 기술을 통해 대상의 위치를 결정하는 데 사용되고, 실내 위치 추적 시스템, 항공 교통 관제, 로봇 공학 등 다양한 분야에 활용된다.
실내 위치 추적 서비스
개요
유형위치 추적 시스템
기술무선 통신
센서
신호 처리
활용 분야스마트폰
물류 관리
자산 추적
로봇 공학
보안 시스템
주요 기술
무선랜 (Wi-Fi)무선랜 (Wi-Fi) 신호 강도 기반 위치 추정
블루투스블루투스 신호 기반 위치 추정
초광대역 무선 (UWB)정밀 거리 측정 및 위치 추정
지자기지자기 센서 데이터 기반 위치 추정
관성 센서가속도계 및 자이로스코프를 이용한 추측 항법
가시광 통신 (VLC)가시광 통신 (VLC) 신호 기반 위치 추정
RFIDRFID 태그 및 리더를 이용한 위치 식별
음향 센서음향 센서를 이용한 위치 추정
정확도
설명정확도는 기술 및 환경에 따라 크게 달라짐
Wi-Fi2~20m
블루투스1~10m
UWB0.1~1m
VLC0.1~1m
활용
애플리케이션자산 추적
재고 관리
길찾기
개인 위치 확인
증강 현실
로봇 제어

2. 기술 및 적용

실내 위치 추적 시스템은 다양한 무선 기술 및 기타 기술을 활용하여 위치 정보를 제공한다. 건축 자재로 인한 신호 감쇠 때문에 GPS는 실내에서 상당한 전력을 손실하여 최소 4개의 위성이 수신기에 필요한 범위를 침해한다. 또한, 표면에서의 다중 반사는 제어할 수 없는 오류를 일으키는 다중 경로 전파를 야기한다. 이러한 문제를 보상하기 위해 다양한 물리적 및 수학적 방법이 적용된다. 관성 측정 장치(IMU), 단안 카메라 SLAM(동시적 위치 추정 및 지도 작성), WiFi SLAM과 같은 대체 항해 정보 소스를 사용하여 가능성이 높은 방향의 무선 주파수 위치 오류 보정이 이루어졌다. 서로 다른 물리적 원리를 가진 다양한 항법 시스템의 데이터 통합은 전체 솔루션의 정확성과 견고성을 높일 수 있다.[22]

미국 GPS 및 기타 유사한 GNSS는 일반적으로 실내 위치를 파악하는 데 적합하지 않다. 마이크로파가 지붕, 벽 및 기타 물체에 의해 감쇠되고 산란되기 때문이다. 그러나 위치 신호가 어디에나 존재하도록 하기 위해 GPS와 실내 위치 확인 간의 통합이 이루어질 수 있다.[23][24][25][26][27][28][29][30]

현재 GNSS 수신기는 마이크로칩 처리 성능이 향상됨에 따라 점점 더 민감해지고 있다. 고감도 GPS 수신기는 대부분의 실내 환경에서 위성 신호를 수신할 수 있으며, 실내에서 3D 위치를 결정하려는 시도가 성공했다.[31] 수신기의 감도를 높이는 것 외에도, 휴대폰을 통해 역서 및 기타 정보를 전송하는 A-GPS 기술이 사용된다.

하지만 실내 작동을 위해 현재 설계(2008–11)로는 수신기를 찾기 위해 필요한 4개의 위성에 대한 적절한 범위를 달성하지 못한다는 사실에도 불구하고, GPS 에뮬레이션은 스톡홀름 지하철에서 성공적으로 배포되었다.[32] GPS 커버리지 확장 솔루션은 스마트폰에서 사용되는 것과 같은 표준 GPS 칩셋으로 접근할 수 있는 실내 구역 기반 위치 확인 기능을 제공할 수 있었다.[32]

대부분의 현재 IPS는 객체의 위치를 감지할 수 있지만, 객체의 ''방향'' 또는 ''방향''을 감지하는 데 사용할 수 없을 정도로 정밀도가 떨어진다.[33]

==== 무선 기술 기반 ====

무선 기술은 위치 추적에 사용될 수 있다. 많은 시스템이 실내 위치 파악을 위해 기존의 무선 인프라를 활용한다. 하드웨어 및 소프트웨어 구성에는 네트워크 기반, 터미널 기반, 터미널 지원의 세 가지 주요 시스템 토폴로지 옵션이 있다. 위치 정확도는 무선 인프라 장비 및 설치 비용을 들여 향상시킬 수 있다.

===== Wi-Fi 기반 위치 시스템 (WPS) =====

WPS는 GPS가 부적절한 곳에서 사용된다. 무선 액세스 포인트를 사용한 위치 확인 기술은 수신 신호 강도(수신 신호 강도(RSS)라고도 함) 측정과 "핑거프린팅" 방식을 기반으로 한다.[34][35][36][37] 와이파이 핫스팟 또는 무선 액세스 포인트의 지리적 위치를 파악하는 데 유용한 일반적인 매개변수에는 SSID와 액세스 포인트의 MAC 주소가 포함된다. 정확도는 데이터베이스에 입력된 위치의 수에 따라 달라진다. 발생할 수 있는 신호 변동은 사용자의 경로에서 오류와 부정확성을 증가시킬 수 있다.[41][42]

===== 블루투스 =====

원래 블루투스는 정확한 위치보다는 근접성에 초점을 맞추었다.[43] 블루투스는 GPS와 같은 고정된 위치를 제공하도록 설계되지 않았지만, 지오펜스 또는 마이크로펜스 솔루션으로 알려져 실내 위치 추적 솔루션이 아닌 실내 근접성 솔루션을 제공한다.

마이크로 매핑 및 실내 매핑[44]은 블루투스[45] 및 블루투스 LE 기반 아이비콘과 연결되어 있으며, 이는 애플에서 홍보한다. 아이비콘을 기반으로 한 대규모 실내 위치 추적 시스템이 구현되어 실제 적용되었다.[46][47]

블루투스 스피커 위치와 홈 네트워크는 광범위한 참조에 사용될 수 있다.

2021년 애플은 에어태그를 출시하여 블루투스와 UWB 기술을 결합하여 나의 찾기 네트워크 내에서 애플 기기를 추적할 수 있게 되었고, 이로 인해 추적 기술에 대한 인기가 급증했다.

===== 초광대역 통신 (UWB) =====

UWB는 다른 기기와의 간섭이 적고, 정밀한 위치 추적이 가능하다.

===== 기타 무선 기술 =====


  • 무선 주파수 식별[16](RFID): 수동 태그는 비용 효율성이 매우 높지만, 어떠한 측정 지표도 지원하지 않는다.
  • 적외선 (IR): 이전에 대부분의 모바일 기기에 포함되었다.
  • Gen2IR(2세대 적외선)
  • 가시광 통신[10][54](VLC), LiFi로도 알려짐: 기존 조명 시스템을 사용할 수 있다.
  • 초음파:[18] 파동이 매우 느리게 이동하여 훨씬 더 높은 정확도를 얻을 수 있다.
  • MALLY by Geniusmatcher는 모든 실내 위치에서 하드웨어 없이 사용할 수 있는 솔루션이다.


==== 기타 기술 기반 ====

무선 기술을 사용하지 않는 기술을 사용하여 기존 무선 인프라 없이 위치를 파악할 수 있다. 이는 값비싼 장비와 설치 비용을 들여 정확도를 높일 수 있다.

===== 자기 위치 측정 =====

건물 내 철근이 지구 자기장의 국지적인 변화를 생성하는 것을 기반으로 자기 위치 측정을 한다. 스마트폰 내부의 최적화되지 않은 나침반 칩은 이러한 자기장의 변화를 감지하고 기록하여 실내 위치를 매핑할 수 있다.[55] 자기 위치 측정은 스마트폰을 소지한 보행자에게 추가적인 무선 인프라를 사용하지 않고도 90% 신뢰 수준에서 실내에서 1~2미터의 정확도를 제공할 수 있다.[55]

===== 관성 측정 =====

보행자 추측 항법 및 기타 보행자 위치 결정 방법은 보행자가 간접적으로 보폭을 측정(걸음 수 계산)하거나 발에 장착하는 방식을 통해 휴대하는 관성 측정 장치를 제안하며,[56] 때로는 관성 항법에서 발생하는 고유한 센서 드리프트를 제한하기 위해 지도나 기타 추가 센서를 참조하기도 한다. MEMS 관성 센서는 내부 잡음으로 인해 시간에 따라 3차 함수적으로 증가하는 위치 오차를 겪는다. 이러한 장치에서 오차 증가를 줄이기 위해 칼만 필터 기반의 접근 방식이 자주 사용된다.[57][58][59][60]

관성 측정은 일반적으로 움직임의 미분 값을 다루므로, 위치는 적분을 통해 결정되며, 따라서 결과를 제공하기 위해 적분 상수가 필요하다.[65][66] 실제 위치 추정은 각 단계에서 모든 관련 센서의 잡음 모델과 벽 및 가구에 의해 부과된 제약 조건을 고려하여 다시 계산되는 2차원 확률 분포의 최댓값으로 찾을 수 있다.[67]

움직임과 사용자의 보행 행동을 기반으로 실내 위치 추적 시스템(IPS)은 기계 학습 알고리즘을 통해 사용자의 위치를 추정할 수 있다.[68]

===== 시각 기반 위치 측정 =====

시각적 위치 시스템은 시각적 마커로부터 위치 좌표를 해독하여 카메라가 장착된 모바일 장치의 위치를 결정할 수 있다. 이러한 시스템에서 마커는 특정 위치에 배치되며, 각 마커는 해당 위치의 좌표(위도, 경도, 바닥으로부터의 높이)를 인코딩한다. 장치에서 마커까지의 시각적 각도를 측정하면 장치가 마커를 기준으로 자체 위치 좌표를 추정할 수 있다. 좌표에는 위도, 경도, 층수, 바닥으로부터의 고도가 포함된다.[69][70]

모바일 장치의 카메라로 연속적으로 촬영한 스냅샷 모음을 통해 실내 위치를 추정하는 데 적합한 이미지 데이터베이스를 구축할 수 있다. 데이터베이스가 구축되면, 실내를 이동하는 모바일 장치는 해당 실내의 데이터베이스에 보간될 수 있는 스냅샷을 촬영하여 위치 좌표를 얻을 수 있다. 이 좌표는 더 높은 정확도를 위해 다른 위치 추정 기술과 함께 사용될 수 있다. 이는 카메라가 또 다른 센서 역할을 하는 센서 융합의 특별한 경우일 수 있다.

2. 1. 무선 기술 기반

무선 기술은 위치 추적에 사용될 수 있다. 많은 시스템이 실내 위치 파악을 위해 기존의 무선 인프라를 활용한다. 하드웨어 및 소프트웨어 구성에는 네트워크 기반, 터미널 기반, 터미널 지원의 세 가지 주요 시스템 토폴로지 옵션이 있다. 위치 정확도는 무선 인프라 장비 및 설치 비용을 들여 향상시킬 수 있다.

==== Wi-Fi 기반 위치 시스템 (WPS) ====

WPS는 GPS가 부적절한 곳에서 사용된다. 무선 액세스 포인트를 사용한 위치 확인 기술은 수신 신호 강도(수신 신호 강도(RSS)라고도 함) 측정과 "핑거프린팅" 방식을 기반으로 한다.[34][35][36][37] 핑거프린팅 방식의 정확도를 높이기 위해 통계적 후처리 기술(가우시안 과정 이론 등)을 적용하여 이산적인 "핑거프린트" 집합을 전체 위치에서 각 액세스 포인트의 RSSI의 연속 분포로 변환할 수 있다.[38][39][40] 와이파이 핫스팟 또는 무선 액세스 포인트의 지리적 위치를 파악하는 데 유용한 일반적인 매개변수에는 SSID와 액세스 포인트의 MAC 주소가 포함된다. 정확도는 데이터베이스에 입력된 위치의 수에 따라 달라진다. 발생할 수 있는 신호 변동은 사용자의 경로에서 오류와 부정확성을 증가시킬 수 있다.[41][42]

==== 블루투스 ====

원래 블루투스는 정확한 위치보다는 근접성에 초점을 맞추었다.[43]

블루투스는 GPS와 같은 고정된 위치를 제공하도록 설계되지 않았지만, 지오펜스 또는 마이크로펜스 솔루션으로 알려져 실내 위치 추적 솔루션이 아닌 실내 근접성 솔루션을 제공한다.

마이크로 매핑 및 실내 매핑[44]은 블루투스[45] 및 블루투스 LE 기반 아이비콘과 연결되어 있으며, 이는 애플에서 홍보한다. 아이비콘을 기반으로 한 대규모 실내 위치 추적 시스템이 구현되어 실제 적용되었다.[46][47]

블루투스 스피커 위치와 홈 네트워크는 광범위한 참조에 사용될 수 있다.

2021년 애플은 에어태그를 출시하여 블루투스와 UWB 기술을 결합하여 나의 찾기 네트워크 내에서 애플 기기를 추적할 수 있게 되었고, 이로 인해 추적 기술에 대한 인기가 급증했다.

==== 초광대역 통신 (UWB) ====

UWB는 다른 기기와의 간섭이 적고, 정밀한 위치 추적이 가능하다.

==== 기타 무선 기술 ====

  • 무선 주파수 식별[16](RFID): 수동 태그는 비용 효율성이 매우 높지만, 어떠한 측정 지표도 지원하지 않는다.
  • 적외선 (IR): 이전에 대부분의 모바일 기기에 포함되었다.
  • Gen2IR(2세대 적외선)
  • 가시광 통신[10][54](VLC), LiFi로도 알려짐: 기존 조명 시스템을 사용할 수 있다.
  • 초음파:[18] 파동이 매우 느리게 이동하여 훨씬 더 높은 정확도를 얻을 수 있다.
  • MALLY by Geniusmatcher는 모든 실내 위치에서 하드웨어 없이 사용할 수 있는 솔루션이다.

2. 1. 1. Wi-Fi 기반 위치 시스템 (WPS)

와이파이 위치 시스템(WPS)은 GPS가 부적절한 곳에서 사용된다. 무선 액세스 포인트를 사용한 위치 확인 기술은 수신 신호 강도('수신 신호 강도(RSS)'라고도 함) 측정과 "핑거프린팅" 방식을 기반으로 한다.[34][35][36][37] 핑거프린팅 방식의 정확도를 높이기 위해 통계적 후처리 기술(가우시안 과정 이론 등)을 적용하여 이산적인 "핑거프린트" 집합을 전체 위치에서 각 액세스 포인트의 RSSI의 연속 분포로 변환할 수 있다.[38][39][40] 와이파이 핫스팟 또는 무선 액세스 포인트의 지리적 위치를 파악하는 데 유용한 일반적인 매개변수에는 SSID와 액세스 포인트의 MAC 주소가 포함된다. 정확도는 데이터베이스에 입력된 위치의 수에 따라 달라진다. 발생할 수 있는 신호 변동은 사용자의 경로에서 오류와 부정확성을 증가시킬 수 있다.[41][42]

2. 1. 2. 블루투스

원래 블루투스는 정확한 위치보다는 근접성에 초점을 맞추었다.[43]

블루투스는 GPS와 같은 고정된 위치를 제공하도록 설계되지 않았지만, 지오펜스 또는 마이크로펜스 솔루션으로 알려져 실내 위치 추적 솔루션이 아닌 실내 근접성 솔루션을 제공한다.

마이크로 매핑 및 실내 매핑[44]은 블루투스[45] 및 블루투스 LE 기반 아이비콘과 연결되어 있으며, 이는 애플에서 홍보한다. 아이비콘을 기반으로 한 대규모 실내 위치 추적 시스템이 구현되어 실제 적용되었다.[46][47]

블루투스 스피커 위치와 홈 네트워크는 광범위한 참조에 사용될 수 있다.

2021년 애플은 에어태그를 출시하여 블루투스와 UWB 기술을 결합하여 나의 찾기 네트워크 내에서 애플 기기를 추적할 수 있게 되었고, 이로 인해 추적 기술에 대한 인기가 급증했다.

2. 1. 3. 초광대역 통신 (UWB)

UWB는 다른 기기와의 간섭이 적고, 정밀한 위치 추적이 가능하다.

2. 1. 4. 기타 무선 기술


  • 무선 주파수 식별[16](RFID): 수동 태그는 비용 효율성이 매우 높지만, 어떠한 측정 지표도 지원하지 않는다.
  • 초광대역[17][53](UWB): 다른 기기와의 간섭 감소.
  • 적외선 (IR): 이전에 대부분의 모바일 기기에 포함되었다.
  • Gen2IR(2세대 적외선)
  • 가시광 통신[10][54](VLC), LiFi로도 알려짐: 기존 조명 시스템을 사용할 수 있다.
  • 초음파:[18] 파동이 매우 느리게 이동하여 훨씬 더 높은 정확도를 얻을 수 있다.
  • MALLY by Geniusmatcher는 모든 실내 위치에서 하드웨어 없이 사용할 수 있는 솔루션이다.

2. 2. 기타 기술 기반

무선 기술을 사용하지 않는 기술을 사용하여 기존 무선 인프라 없이 위치를 파악할 수 있다. 이는 값비싼 장비와 설치 비용을 들여 정확도를 높일 수 있다.

자기 위치 측정은 스마트폰을 소지한 보행자에게 추가적인 무선 인프라를 사용하지 않고도 90% 신뢰 수준에서 실내에서 1~2미터의 정확도를 제공할 수 있다.[55] 자기 위치 측정은 건물 내 철근이 지구 자기장의 국지적인 변화를 생성하는 것을 기반으로 한다. 스마트폰 내부의 최적화되지 않은 나침반 칩은 이러한 자기장의 변화를 감지하고 기록하여 실내 위치를 매핑할 수 있다.[55]

보행자 추측 항법 및 기타 보행자 위치 결정 방법은 보행자가 간접적으로 보폭을 측정(걸음 수 계산)하거나 발에 장착하는 방식을 통해 휴대하는 관성 측정 장치를 제안하며,[56] 때로는 관성 항법에서 발생하는 고유한 센서 드리프트를 제한하기 위해 지도나 기타 추가 센서를 참조하기도 한다. MEMS 관성 센서는 내부 잡음으로 인해 시간에 따라 3차 함수적으로 증가하는 위치 오차를 겪는다. 이러한 장치에서 오차 증가를 줄이기 위해 칼만 필터 기반의 접근 방식이 자주 사용된다.[57][58][59][60]

그러나 자체적으로 지도를 구축할 수 있도록 하기 위해 SLAM 알고리즘 프레임워크[61]가 사용된다.[62][63][64]

관성 측정은 일반적으로 움직임의 미분 값을 다루므로, 위치는 적분을 통해 결정되며, 따라서 결과를 제공하기 위해 적분 상수가 필요하다.[65][66] 실제 위치 추정은 각 단계에서 모든 관련 센서의 잡음 모델과 벽 및 가구에 의해 부과된 제약 조건을 고려하여 다시 계산되는 2차원 확률 분포의 최댓값으로 찾을 수 있다.[67]

움직임과 사용자의 보행 행동을 기반으로 실내 위치 추적 시스템(IPS)은 기계 학습 알고리즘을 통해 사용자의 위치를 추정할 수 있다.[68]

시각적 위치 시스템은 시각적 마커로부터 위치 좌표를 해독하여 카메라가 장착된 모바일 장치의 위치를 결정할 수 있다. 이러한 시스템에서 마커는 특정 위치에 배치되며, 각 마커는 해당 위치의 좌표(위도, 경도, 바닥으로부터의 높이)를 인코딩한다. 장치에서 마커까지의 시각적 각도를 측정하면 장치가 마커를 기준으로 자체 위치 좌표를 추정할 수 있다. 좌표에는 위도, 경도, 층수, 바닥으로부터의 고도가 포함된다.[69][70]

모바일 장치의 카메라로 연속적으로 촬영한 스냅샷 모음을 통해 실내 위치를 추정하는 데 적합한 이미지 데이터베이스를 구축할 수 있습니다. 데이터베이스가 구축되면, 실내를 이동하는 모바일 장치는 해당 실내의 데이터베이스에 보간될 수 있는 스냅샷을 촬영하여 위치 좌표를 얻을 수 있습니다. 이 좌표는 더 높은 정확도를 위해 다른 위치 추정 기술과 함께 사용될 수 있습니다. 이는 카메라가 또 다른 센서 역할을 하는 센서 융합의 특별한 경우일 수 있습니다.

2. 2. 1. 자기 위치 측정

건물 내 철근이 지구 자기장의 국지적인 변화를 생성하는 것을 기반으로 자기 위치 측정을 한다. 스마트폰 내부의 최적화되지 않은 나침반 칩은 이러한 자기장의 변화를 감지하고 기록하여 실내 위치를 매핑할 수 있다.[55] 자기 위치 측정은 스마트폰을 소지한 보행자에게 추가적인 무선 인프라를 사용하지 않고도 90% 신뢰 수준에서 실내에서 1~2미터의 정확도를 제공할 수 있다.[55]

2. 2. 2. 관성 측정

보행자 추측 항법 및 기타 보행자 위치 결정 방법은 보행자가 간접적으로 보폭을 측정(걸음 수 계산)하거나 발에 장착하는 방식을 통해 휴대하는 관성 측정 장치를 제안하며,[56] 때로는 관성 항법에서 발생하는 고유한 센서 드리프트를 제한하기 위해 지도나 기타 추가 센서를 참조하기도 한다. MEMS 관성 센서는 내부 잡음으로 인해 시간에 따라 3차 함수적으로 증가하는 위치 오차를 겪는다. 이러한 장치에서 오차 증가를 줄이기 위해 칼만 필터 기반의 접근 방식이 자주 사용된다.[57][58][59][60]

그러나 자체적으로 지도를 구축할 수 있도록 하기 위해 SLAM 알고리즘 프레임워크[61]가 사용된다.[62][63][64]

관성 측정은 일반적으로 움직임의 미분 값을 다루므로, 위치는 적분을 통해 결정되며, 따라서 결과를 제공하기 위해 적분 상수가 필요하다.[65][66] 실제 위치 추정은 각 단계에서 모든 관련 센서의 잡음 모델과 벽 및 가구에 의해 부과된 제약 조건을 고려하여 다시 계산되는 2차원 확률 분포의 최댓값으로 찾을 수 있다.[67]

움직임과 사용자의 보행 행동을 기반으로 실내 위치 추적 시스템(IPS)은 기계 학습 알고리즘을 통해 사용자의 위치를 추정할 수 있다.[68]

2. 2. 3. 시각 기반 위치 측정

시각적 위치 시스템은 시각적 마커로부터 위치 좌표를 해독하여 카메라가 장착된 모바일 장치의 위치를 결정할 수 있다. 이러한 시스템에서 마커는 특정 위치에 배치되며, 각 마커는 해당 위치의 좌표(위도, 경도, 바닥으로부터의 높이)를 인코딩한다. 장치에서 마커까지의 시각적 각도를 측정하면 장치가 마커를 기준으로 자체 위치 좌표를 추정할 수 있다. 좌표에는 위도, 경도, 층수, 바닥으로부터의 고도가 포함된다.[69][70]

모바일 장치의 카메라로 연속적으로 촬영한 스냅샷 모음을 통해 실내 위치를 추정하는 데 적합한 이미지 데이터베이스를 구축할 수 있다. 데이터베이스가 구축되면, 실내를 이동하는 모바일 장치는 해당 실내의 데이터베이스에 보간될 수 있는 스냅샷을 촬영하여 위치 좌표를 얻을 수 있다. 이 좌표는 더 높은 정확도를 위해 다른 위치 추정 기술과 함께 사용될 수 있다. 이는 카메라가 또 다른 센서 역할을 하는 센서 융합의 특별한 경우일 수 있다.

3. 측정 방법

센서 데이터가 수집되면 실내 위치 추적 시스템(IPS)은 수신된 전송이 가장 가능성이 높은 위치를 결정하려고 시도한다. 단일 센서의 데이터는 일반적으로 모호하며 여러 센서 입력 스트림을 결합하기 위해 일련의 통계적 절차를 통해 해결해야 한다.

위치를 결정하는 한 가지 방법은 k-최근접 이웃과 같은 알고리즘을 사용하여 알 수 없는 위치의 데이터를 알려진 대규모 위치 집합과 일치시키는 것이다. 이 기술은 현장 조사를 광범위하게 수행해야 하며, 환경에 상당한 변화(이동하는 사람 또는 이동된 물체로 인해)가 발생하면 부정확해진다.

== 도래각 (AoA) ==

도래 각도(AoA)는 신호가 수신기에 도달하는 각도이다. AoA는 일반적으로 센서 배열 내 여러 안테나 간의 도착 시간 차이(TDOA)를 측정하여 결정된다.[50] 다른 수신기에서는 고도로 지향적인 센서 배열에 의해 결정되는데, 신호가 수신된 센서에 의해 각도를 결정할 수 있다. AoA는 일반적으로 삼각 측량 및 알려진 기준선과 함께 사용하여 두 개의 앵커 송신기를 기준으로 위치를 찾는다.[50]

도착 각도와 시간을 함께 추정하는 방식은 사용자의 위치를 추정하는 또 다른 방법이다. 단일 접근 지점이 도착 각도와 시간을 결합하여 사용자의 위치를 파악할 수 있다.[50] 공간 및 시간 차원을 모두 활용하는 기술은 전체 시스템의 자유도를 높이고, 부분 공간 접근 방식을 통해 더 많은 소스를 해결하기 위해 더 많은 가상 자원을 생성할 수 있다.[51]

== 도착 시간 (ToA) ==

도착 시간(ToA, 비행 시간이라고도 함)은 신호가 송신기에서 수신기로 전파되는 데 걸리는 시간이다. 신호 전파 속도는 일정하고 알려져 있으므로 신호의 이동 시간을 사용하여 거리를 직접 계산할 수 있다. 여러 측정을 삼변측량 및 다변측량과 결합하여 위치를 찾을 수 있다.[17] 이것은 GPS 및 초광대역 시스템에서 사용되는 기술이다. ToA를 사용하는 시스템은 일반적으로 센서에 대한 신뢰할 수 있는 시간 소스를 유지하기 위해 복잡한 동기화 메커니즘이 필요하다.

TOA 기반 방법의 정확성은 실내 위치 확인에서 발생하는 대규모 다중 경로 조건으로 인해 종종 손실되는데, 이는 환경의 물체(예: 실내 벽, 문 또는 가구)에서 RF 신호가 반사 및 회절되기 때문이다. 그러나 시간적 또는 공간적 희소성 기반 기술을 적용하여 다중 경로의 영향을 줄일 수 있다.[48][49] 도착 각도와 시간을 함께 추정하는 방식은 사용자의 위치를 추정하는 또 다른 방법이다. 실제로 삼각 측량 및 삼변 측량과 같은 여러 개의 접근 지점이 필요하지 않으며, 단일 접근 지점이 도착 각도와 시간을 결합하여 사용자의 위치를 파악할 수 있다.[50] 더욱이, 공간 및 시간 차원을 모두 활용하는 기술은 전체 시스템의 자유도를 높이고, 부분 공간 접근 방식을 통해 더 많은 소스를 해결하기 위해 더 많은 가상 자원을 생성할 수 있다.[51]

== 수신 신호 강도 (RSSI) ==

수신 신호 강도 표시 (RSSI)는 센서가 수신한 전력 레벨의 측정값이다. 전파는 역제곱 법칙에 따라 전파되므로, 전송된 신호 강도와 수신된 신호 강도의 관계(전송 강도는 사용 중인 장비에 따라 결정되는 상수)를 기반으로 거리를 근사할 수 있다(이상적인 조건에서는 일반적으로 1.5미터 이내, 표준 조건에서는 2~4미터 이내).[52] 단, 다른 오류가 잘못된 결과를 초래하지 않는다는 전제하에 가능하다. 건물 내부는 자유 공간이 아니므로, 벽에서 반사 및 흡수되어 정확도에 큰 영향을 미친다. 문, 가구, 사람과 같은 비정적 물체는 동적이고 예측할 수 없는 방식으로 신호 강도에 영향을 미칠 수 있으므로 훨씬 더 큰 문제를 야기할 수 있다.

많은 시스템은 위치 정보를 제공하기 위해 향상된 와이파이 인프라를 사용한다.[12][14][15] 이러한 시스템은 어떠한 인프라와도 제대로 작동하지 않는다. 불행히도, 와이파이 신호 강도 측정은 매우 노이즈가 많으므로, 더 정확한 시스템을 만들기 위한 연구가 진행 중이다.

== 기타 측정 방법 ==

좁은 통로 개념은 알려진 센서 식별만을 사용하는 간단한 위치 인덱싱 및 태그된 객체 보고 개념이다.[16] 이는 수동 RFID/NFC 시스템에 해당하며, 센서의 알려진 위치 좌표나 태그의 현재 위치를 갱신하지 않는다.[16] 이 방식은 범위를 벗어나 통과하는 것을 방지하기 위해 좁은 통로가 필요하다.

그리드 개념은 저거리 수신기 네트워크를 그리드 패턴으로 배치하여 태그 위치를 대략적으로 추정하는 방식이다. 짧은 거리로 인해 태그된 개체는 몇 개의 근접한 수신기에 의해서만 식별되며, 식별된 태그는 식별하는 리더의 범위 내에 있어야 한다. 고급 시스템은 무선 통신 범위와 카메라 그리드를 이용한 시각적 커버리지를 결합하여 위치 추정의 정확도를 높인다.

장거리 센서 개념은 각도, 거리 등 연속적인 물리적 측정값을 결합하여 사용한다. 이러한 센서의 도달 범위는 주로 전체 층, 통로 또는 단일 실내를 커버한다. 단거리 솔루션은 여러 센서와 중첩된 도달 범위를 사용한다.

3. 1. 도래각 (AoA)

도래 각도(AoA)는 신호가 수신기에 도달하는 각도이다. AoA는 일반적으로 센서 배열 내 여러 안테나 간의 도착 시간 차이(TDOA)를 측정하여 결정된다.[50] 다른 수신기에서는 고도로 지향적인 센서 배열에 의해 결정되는데, 신호가 수신된 센서에 의해 각도를 결정할 수 있다. AoA는 일반적으로 삼각 측량 및 알려진 기준선과 함께 사용하여 두 개의 앵커 송신기를 기준으로 위치를 찾는다.[50]

도착 각도와 시간을 함께 추정하는 방식은 사용자의 위치를 추정하는 또 다른 방법이다. 단일 접근 지점이 도착 각도와 시간을 결합하여 사용자의 위치를 파악할 수 있다.[50] 공간 및 시간 차원을 모두 활용하는 기술은 전체 시스템의 자유도를 높이고, 부분 공간 접근 방식을 통해 더 많은 소스를 해결하기 위해 더 많은 가상 자원을 생성할 수 있다.[51]

3. 2. 도착 시간 (ToA)

도착 시간(ToA, 비행 시간이라고도 함)은 신호가 송신기에서 수신기로 전파되는 데 걸리는 시간이다. 신호 전파 속도는 일정하고 알려져 있으므로 신호의 이동 시간을 사용하여 거리를 직접 계산할 수 있다. 여러 측정을 삼변측량 및 다변측량과 결합하여 위치를 찾을 수 있다.[17] 이것은 GPS 및 초광대역 시스템에서 사용되는 기술이다. ToA를 사용하는 시스템은 일반적으로 센서에 대한 신뢰할 수 있는 시간 소스를 유지하기 위해 복잡한 동기화 메커니즘이 필요하다.

TOA 기반 방법의 정확성은 실내 위치 확인에서 발생하는 대규모 다중 경로 조건으로 인해 종종 손실되는데, 이는 환경의 물체(예: 실내 벽, 문 또는 가구)에서 RF 신호가 반사 및 회절되기 때문이다. 그러나 시간적 또는 공간적 희소성 기반 기술을 적용하여 다중 경로의 영향을 줄일 수 있다.[48][49] 도착 각도와 시간을 함께 추정하는 방식은 사용자의 위치를 추정하는 또 다른 방법이다. 실제로 삼각 측량 및 삼변 측량과 같은 여러 개의 접근 지점이 필요하지 않으며, 단일 접근 지점이 도착 각도와 시간을 결합하여 사용자의 위치를 파악할 수 있다.[50] 더욱이, 공간 및 시간 차원을 모두 활용하는 기술은 전체 시스템의 자유도를 높이고, 부분 공간 접근 방식을 통해 더 많은 소스를 해결하기 위해 더 많은 가상 자원을 생성할 수 있다.[51]

3. 3. 수신 신호 강도 (RSSI)

수신 신호 강도 표시 (RSSI)는 센서가 수신한 전력 레벨의 측정값이다. 전파는 역제곱 법칙에 따라 전파되므로, 전송된 신호 강도와 수신된 신호 강도의 관계(전송 강도는 사용 중인 장비에 따라 결정되는 상수)를 기반으로 거리를 근사할 수 있다(이상적인 조건에서는 일반적으로 1.5미터 이내, 표준 조건에서는 2~4미터 이내).[52] 단, 다른 오류가 잘못된 결과를 초래하지 않는다는 전제하에 가능하다. 건물 내부는 자유 공간이 아니므로, 벽에서 반사 및 흡수되어 정확도에 큰 영향을 미친다. 문, 가구, 사람과 같은 비정적 물체는 동적이고 예측할 수 없는 방식으로 신호 강도에 영향을 미칠 수 있으므로 훨씬 더 큰 문제를 야기할 수 있다.

많은 시스템은 위치 정보를 제공하기 위해 향상된 와이파이 인프라를 사용한다.[12][14][15] 이러한 시스템은 어떠한 인프라와도 제대로 작동하지 않는다. 불행히도, 와이파이 신호 강도 측정은 매우 노이즈가 많으므로, 더 정확한 시스템을 만들기 위한 연구가 진행 중이다.

3. 4. 기타 측정 방법

좁은 통로 개념은 알려진 센서 식별만을 사용하는 간단한 위치 인덱싱 및 태그된 객체 보고 개념이다.[16] 이는 수동 RFID/NFC 시스템에 해당하며, 센서의 알려진 위치 좌표나 태그의 현재 위치를 갱신하지 않는다.[16] 이 방식은 범위를 벗어나 통과하는 것을 방지하기 위해 좁은 통로가 필요하다.

그리드 개념은 저거리 수신기 네트워크를 그리드 패턴으로 배치하여 태그 위치를 대략적으로 추정하는 방식이다. 짧은 거리로 인해 태그된 개체는 몇 개의 근접한 수신기에 의해서만 식별되며, 식별된 태그는 식별하는 리더의 범위 내에 있어야 한다. 고급 시스템은 무선 통신 범위와 카메라 그리드를 이용한 시각적 커버리지를 결합하여 위치 추정의 정확도를 높인다.

장거리 센서 개념은 각도, 거리 등 연속적인 물리적 측정값을 결합하여 사용한다. 이러한 센서의 도달 범위는 주로 전체 층, 통로 또는 단일 실내를 커버한다. 단거리 솔루션은 여러 센서와 중첩된 도달 범위를 사용한다.

4. 수학적 모델링

센서 데이터가 수집되면, 실내 위치 추적 시스템(IPS)은 수신된 전송이 가장 가능성이 높은 위치를 결정하려고 시도한다. 단일 센서의 데이터는 일반적으로 모호하며, 여러 센서 입력 스트림을 결합하기 위해 일련의 통계적 절차를 통해 해결해야 한다.

위치는 신호 전파를 근사하고 각도 및/또는 거리를 찾아 수학적으로 계산된다. 역 삼각법을 사용하여 위치를 결정한다.


  • 삼변측량법 (기준점과의 거리)
  • 삼각 측량 (기준점과의 각도)

고급 시스템은 보다 정확한 물리적 모델과 통계적 절차를 결합한다.

  • 베이즈 통계 분석 (확률 모델)
  • 칼만 필터 (잡음 조건에서 적절한 값 스트림을 추정)
  • 순차 몬테카를로 방법 (베이즈 통계 모델 근사)

4. 1. 삼변측량법 (Trilateration)

위치는 신호 전파를 근사하고 각도 및/또는 거리를 찾아 수학적으로 계산된다. 역 삼각법을 사용하여 위치를 결정한다. 삼변측량법은 기준점과의 거리를 기반으로 위치를 결정하는 방법이다.

4. 2. 삼각 측량법 (Triangulation)

위치는 신호 전파를 근사하고 각도 및/또는 거리를 찾아 수학적으로 계산된다. 역 삼각법을 사용하여 위치를 결정한다. 고급 시스템은 보다 정확한 물리적 모델과 통계적 절차를 결합하기도 한다.

4. 3. 고급 통계적 방법

고급 시스템은 보다 정확한 물리적 모델과 통계적 절차를 결합하여 위치 추정의 정확도를 높인다. 베이즈 통계 분석은 확률 모델을 통해 위치를 추정하고, 칼만 필터는 잡음이 섞인 환경에서도 적절한 값의 흐름을 추정한다. 순차 몬테카를로 방법은 베이즈 통계 모델을 근사하는 데 사용된다. 이러한 방법들은 신호 전파를 근사하고 각도 및 거리를 찾아 수학적으로 계산하여 역 삼각 측량을 통해 위치를 결정하는 데 기여한다.

5. 활용 분야

실내 위치 정보는 다양한 분야에서 활용된다.

5. 1. 상업 시설

쇼핑몰, 대형 마트에서는 길찾기, 맞춤형 광고, 상품 위치 안내 등의 서비스를 제공한다.[73][74] 공항, 버스 터미널, 기차역, 지하철역에서는 길찾기, 시설 안내, 혼잡도 정보를 제공하여 편리한 이용을 돕는다.[75] 호텔, 크루즈 선에서는 객실 안내, 시설 예약, 맞춤형 서비스 제공 등을 통해 고객 만족도를 높인다.[76]

5. 2. 공공 시설

실내 위치 추적 기술은 실내에서 위치 인식 모바일 컴퓨팅을 확장하여 다양한 편의를 제공한다.[73] 모바일 기기가 보편화되면서, 애플리케이션의 상황 인식이 중요해졌으며, 실내 위치 정보는 GPS가 제대로 작동하지 않는 실내 환경에서 유용하게 활용된다.

  • 학교 캠퍼스: 학생 안전 관리 및 시설 안내 등에 활용될 수 있다.
  • 박물관, 미술관: 전시 안내 및 가이드 투어에 활용된다.[75]
  • 병원: 환자 위치 추적, 의료 장비 관리, 응급 상황 대응 등에 사용된다.
  • 도서관: 도서 위치 안내 및 시설 안내를 제공한다.

5. 3. 산업 시설

실내 위치 추적 기술은 접근성 보조 기능(예: 시각 장애인을 위한 보조 기능)[73], 증강 현실[74], 학교 캠퍼스, 박물관 가이드 투어[75], 쇼핑몰, 대형 마트, 창고, 공장, 공항, 버스 터미널, 기차역, 지하철역, 주차장, 타겟 광고, 소셜 네트워크 서비스, 병원, 호텔, 스포츠, 크루즈 선, 실내 로봇[76], 관광, 놀이공원 등 다양한 분야에서 활용된다. 특히 산업 시설 중 창고 및 공장에서는 자산 관리, 작업자 안전 관리, 생산 효율 향상 등을 위해 실내 위치 추적 시스템이 도입되고 있다. 모바일 기기가 보편화되면서, 애플리케이션의 상황 인식이 개발자들에게 우선순위가 되었으며, 실내 위치 정보를 활용하는 애플리케이션 개발이 활발하게 이루어지고 있다.[73][74][75][76]

5. 4. 기타

위치 인식 모바일 컴퓨팅의 확장으로, 실내 위치 추적은 다양한 소비자 혜택을 제공한다.[73][74][75][76] 모바일 기기가 보편화되면서, 애플리케이션의 상황 인식은 개발자들에게 중요한 과제가 되었다. 대부분의 애플리케이션은 GPS에 의존하지만, 실내에서는 제대로 작동하지 않기 때문에 실내 위치 정보를 활용하는 다양한 애플리케이션이 개발되고 있다.

실내 위치 추적 기술은 주차장 및 대형 마트 내 주차장에서 주차 공간 안내 및 차량 위치 추적 서비스를 제공하며, 스포츠 경기장에서는 경기 정보 제공 및 좌석 안내를 지원한다. 놀이공원에서는 놀이기구 위치 안내와 대기 시간 정보를 제공하고, 실내 로봇 제어에도 활용된다. 관광 분야에서는 관광 정보 제공 및 길 안내를 지원하며, 접근성 보조 기능을 통해 시각 장애인 등 이동 약자의 이동을 돕는다. 증강 현실 분야에서는 실내 증강 현실 콘텐츠를 제공하며, 소셜 네트워크 서비스에서는 위치 기반 서비스를, 타겟 광고에서는 위치 기반 맞춤형 광고를 제공하는 데 사용된다.

이 외에도 학교 캠퍼스, 박물관, 쇼핑몰, 창고, 공장, 공항, 버스 터미널, 기차역, 지하철역, 병원, 호텔, 크루즈 선 등 다양한 장소에서 실내 위치 추적 기술이 활용되고 있다.

6. 한국의 실내 위치 추적 기술 현황 및 전망

6. 1. 기술 개발 동향

6. 2. 정책 및 제도 개선 방향

참조

[1] 간행물 New techniques for indoor positioning, combining deterministic and estimation methods https://hal.archives[...] 2009-05
[2] 논문 An Evaluation of Indoor Location Determination Technologies
[3] 논문 A radiosity-based method to avoid calibration for indoor positioning systems https://doi.org/10.1[...] 2018
[4] 웹사이트 2cm accuracy using an Indoor Positioning System https://www.vboxauto[...] 2019-11-19
[5] 웹사이트 2cm accuracy using RTK https://www.vboxauto[...] 2019-11-19
[6] 논문 CRISP: cooperation among smartphones to improve indoor position information
[7] 논문 HABITS: A Bayesian Filter Approach to Indoor Tracking and Location
[8] 간행물 Propagation of a position in a connected network http://www.theses.fr[...] 2011
[9] 논문 Indoor Positioning System Using Visible Light and Accelerometer https://doi.org/10.1[...] 2014
[10] 간행물 Improved indoor location estimation using fluorescent light communication system with a nine-channel receiver https://www.research[...] 2010
[11] 논문 Recent Advances in Wireless Indoor Localization Techniques and System 2013
[12] 논문 Robust indoor positioning using differential Wi-Fi access points
[13] 논문 Dynamic Online-Calibrated Radio Maps for Indoor Positioning in Wireless Local Area Networks https://doi.org/10.1[...] 2013
[14] 논문 An adaptive location estimator using tracking algorithms for indoor WLANs
[15] 논문 Zero-configuration indoor localization over IEEE 802.11 wireless infrastructure
[16] 논문 Investigation of indoor location sensing via RFID reader network utilizing grid covering algorithm
[17] 논문 Indoor elliptical localization based on asynchronous UWB range measurement
[18] 논문 Ultrasonic device localization and its potential for wireless sensor network security
[19] 서적 2017 IEEE 18th International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM)
[20] 문서 Positioning and orientation using image processing https://courses.cs.w[...] University of Washington 2007
[21] 웹사이트 Startup uses a smartphone to track people indoors https://www.technolo[...] MIT Technology Review website
[22] 간행물 Survey of Accuracy Improvement Approaches for Tightly Coupled ToA/IMU Personal Indoor Navigation System http://community.sk.[...] LLC RTLS, Moscow, Russia 2013-10
[23] 간행물 Offline Beacon Selection-Based RSSI Fingerprinting for Location-Aware Shopping Assistance: A Preliminary Result https://link.springe[...] 2015
[24] 간행물 Emergency Rescue Localization (ERL) using GPS, Wireless LAN and Camera https://serscjournal[...] 2015
[25] 간행물 Performance Analysis of Grey-World-based Feature Detection and Matching for Mobile Positioning Systems https://link.springe[...] 2014
[26] 논문 Wireless LAN/FM Radio-based Robust Mobile Indoor Positioning: An Initial Outcome https://serscjournal[...]
[27] 논문 Performance Evaluation of Spatial Correlation-based Feature Detection and Matching for Automated Wheelchair Navigation System
[28] 간행물 Ubiquitous Positioning: Integrated GPS/Wireless LAN Positioning for Wheelchair Navigation System https://link.springe[...] 2013
[29] 간행물 Ubiquitous WLAN/Camera Positioning using Inverse Intensity Chromaticity Space-based Feature Detection and Matching: A Preliminary Result https://arxiv.org/ab[...] 2012
[30] 간행물 The Measurement Preciseness of the GPS Built in Smartphones and Tablets http://www.iject.org[...] 2014
[31] 웹사이트 GNSS Indoors — Fighting The Fading, Part 1 - Inside GNSS http://www.insidegns[...] 2009-10-18
[32] 웹사이트 Syntony rises high by going underground https://www.gpsworld[...] 2016-11
[33] 논문 Probabilistic Indoor Human Movement Modeling to Aid First Responders https://pure.ulster.[...]
[34] 서적 2009 Fifth International Conference on Wireless and Mobile Communications 2009-08
[35] 간행물 RADAR: an in-building RF-based user location and tracking system https://www.microsof[...] 2000-03
[36] 논문 The Horus location determination system 2007-01-04
[37] 간행물 Signal strength based indoor geolocation https://web.archive.[...] 2002-04
[38] 간행물 Efficient localization using different mean offset models in Gaussian processes https://ieeexplore.i[...] 2014
[39] 간행물 Gaussian processes for signal strength-based location estimation http://citeseerx.ist[...] 2006
[40] 간행물 Wifi-slam using gaussian process latent variable models https://www.aaai.org[...] 2007
[41] 서적 Proceedings of the 14th International Conference on Information Processing in Sensor Networks
[42] 서적 2012 IEEE 13th International Conference on Mobile Data Management
[43] 웹사이트 Everything You Always Wanted To Know about Beacons https://www.brightta[...] Bright Talk 2014-06-12
[44] 웹사이트 Apple Is Launching A Vast Project To Map The Inside Of Every Large Building It Can http://www.businessi[...] 2014-06-12
[45] 웹사이트 Apple Inc. iBeacon with Micromapping can revolutionize retail http://www.valuewalk[...] ValueWalk 2014-06-12
[46] 웹사이트 Music City Center Unveil Wayfinding App http://www.nashville[...] 2014-11-28
[47] 웹사이트 Music City Center app guides visitors http://www.tennessea[...] 2014-11-28
[48] 논문 Spatial Sparsity Based Indoor Localization in Wireless Sensor Network for Assistive Healthcare Systems http://ws2.binghamto[...]
[49] 간행물 Source Localization Using Time Difference Of Arrival Within A Sparse Representation Framework https://www.research[...] 2011
[50] 간행물 Fine-grained indoor localization using single access point with multiple antennas 2014
[51] 간행물 Single snapshot joint estimation of angles and times of arrival: A 2D Matrix Pencil approach 2016
[52] 서적 The 2nd International Conference on Information Science and Engineering 2010-12-01
[53] 웹사이트 Racelogic debuts VBOX indoor positioning system https://www.gpsworld[...] 2018-09-24
[54] 간행물 Long-range indoor hybrid localization system design with visible light communications and wireless network https://ieeexplore.i[...] 2012-07-09
[55] 간행물 Geospatial World August 2014 http://www.geospatia[...]
[56] 논문 Pedestrian Tracking with Shoe-Mounted Inertial Sensors 2005-11-01
[57] 서적 2017 International Conference on Indoor Positioning and Indoor Navigation (IPIN)
[58] 서적 2015 Annual IEEE India Conference (INDICON)
[59] 서적 2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN)
[60] 서적 2017 International Conference on Indoor Positioning and Indoor Navigation (IPIN)
[61] 문서 Simultaneous localization and mapping
[62] 간행물 A Proposal of Emergency Rescue Location (ERL) using Optimization of Inertial Measurement Unit (IMU) based Pedestrian Simultaneously Localization and Mapping (SLAM) https://serscjournal[...] 2015
[63] 간행물 Optimisation of Emergency Rescue Location (ERL) using KLD Resampling: An Initial Proposal https://serscjournal[...] 2015
[64] 간행물 Optimization of Rao-Blackwellized Particle Filter in Activity Pedestrian Simultaneously Localization and Mapping (SLAM): An Initial Proposal https://serscjournal[...] 2015
[65] 웹사이트 Sensor fusion and map aiding for indoor navigation http://www.kn-s.dlr.[...]
[66] 웹사이트 Pedestrian localization for indoor environments http://www.cl.cam.ac[...] 2012-06-25
[67] 논문 Infrastructure-free indoor navigation: a case study
[68] 서적 2017 IEEE 18th International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM)
[69] 웹사이트 Wearables come in for a refit https://www.mmh.com/[...]
[70] 논문 An indoor localization dataset and data collection framework with high precision position annotation 2022
[71] 논문 Bayesian Approach for Indoor Wave Propagation Modeling 2019
[72] 논문 Adaptive Sequential Monte Carlo Filter for Indoor Positioning and Tracking with Bluetooth Low Energy Beacons 2021
[73] 간행물 Landmark-based indoor positioning for visually impaired individuals
[74] 웹사이트 Junaio 2.0 First Indoor Social Augmented Reality App at SXSW With Developers API http://arabcrunch.co[...] 2010-03-01
[75] 웹사이트 Fraunhofer IIS uses Awiloc indoor positioning magic to guide museum patrons https://www.engadget[...] 2010-12-13
[76] 서적 2015 IEEE 12th International Conference on Mobile Ad Hoc and Sensor Systems 2015-10-01


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com