Augmented reality based indoor positioning systems with data fusion using deep learning

İç mekan konumlandırmanın, görme engelli kişilerin navigasyonuna yardımcı olmak üzere neredeyse herkesin iç mekanların haritasını çıkarabileceği seviyeye gelmesi için, sinir ağlarını eğitirken etkinliği artıran sensör verisi yakalama yöntemlerinin incelenmesine ihtiyaç vardır. Bu çalışmada, bir sinir ağını eğitmek için jeomanyetik sensör verilerinin toplanmasının, uygulamanın tek bir veri yakalama seferinde birçok yararlı sensör verisi yakalayacak şekilde yapılandırılması durumunda, birden fazla cihazdan sensör yakalamalarını birleştirerek verileri zenginleştirmekten daha iyi sonuçlar vereceği önerilmiştir. Ayrıca, konum tanımlayıcı başına yeterli veri yakalamaya sahip jeomanyetik vektör yakalamalarının, görsel tabanlı artırılmış gerçeklik ve rehberlik için yeterince zengin özelliklere sahip olmayan yüzeylere sahip iç mekanlarda insanları etkili bir şekilde konumlandırmak için bir sinir ağı modelini eğitmek için yeterli olacağını öne sürdü. Çalışma, kapalı bir alanın jeomanyetik haritalaması sırasında kaydedilen jeomanyetik alan gücü ve dönüş açısını kullanarak bir sinir ağını eğitti. Yakalama, her ikisi de ayrı ayrı bazı konumlarda az sayıda yararlı sensör verisi yakalayan, ancak her iki yakalama kümesi birleştirildiğinde her konum için yeterli sensör verisi yakalayan iki akıllı telefon kullanılarak yapıldığında sonuç incelenmiştir. Daha sonra, konum başına yeterli sayıda veri yakalama özelliğine sahip tek bir seferde yakalama işlemini tek bir akıllı saat yaptığında elde edilen sonuç karşılaştırılmıştır. Tek bir akıllı saat ve birleştirilmiş akıllı telefonlardan elde edilen sonuçlar karşılaştırıldığında, tahmin doğruluğu %94,7'ye kıyasla %95,2 olurken, ortalama lokalizasyon hatası 0,307 metreye kıyasla 0,172 metre olmuştur.