Indoor Tracking Using Crowdsourced Maps

Jiang Dong, Yu Xiao, Zhonghong Ou, Yong Cui, Antti Ylä-Jääski

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

9 Sitaatiot (Scopus)

Abstrakti

Using crowdsourced visual and inertial sensor data for indoor mapping has attracted much attention in recent years. Nevertheless, the opportunities and challenges of indoor tracking using crowdsourced maps have not been fully explored. In this work, we aim at tackling the challenges due to incomplete obstacle information in crowdsourced indoor maps, especially at the initialization stage of crowdsourcing. We propose a novel solution for particle-filtering-based indoor tracking, using the crowdsourced maps derived from image-based 3D point clouds. Our solution enhances particle filtering with density-based collision detection and history-based particle regeneration. Evaluation with real user traces demonstrates that our solution outperforms the state-of-the-art. In particular, it reduces the average distance error of indoor tracking by 47% when using crowdsourced 3D point clouds.

AlkuperäiskieliEnglanti
OtsikkoInformation Processing in Sensor Networks (IPSN), 2016 15th ACM/IEEE International Conference on
KustantajaIEEE
Sivumäärä6
ISBN (elektroninen)978-1-5090-0802-5
DOI - pysyväislinkit
TilaJulkaistu - 26 huhtikuuta 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaInternational Conference on Information Processing in Sensor Networks - Vienna, Itävalta
Kesto: 11 huhtikuuta 201614 huhtikuuta 2016
Konferenssinumero: 15

Conference

ConferenceInternational Conference on Information Processing in Sensor Networks
LyhennettäIPSN
MaaItävalta
KaupunkiVienna
Ajanjakso11/04/201614/04/2016

Sormenjälki

Sukella tutkimusaiheisiin 'Indoor Tracking Using Crowdsourced Maps'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä