SAUMATON PAIKANNUS LAURA RUOTSALAINEN MAANMITTAUSPÄIVÄT

Koko: px

Aloita esitys sivulta:

Download "SAUMATON PAIKANNUS LAURA RUOTSALAINEN MAANMITTAUSPÄIVÄT"

Elina Jaana Jokinen
5 vuotta sitten
Katselukertoja:

1 SAUMATON PAIKANNUS LAURA RUOTSALAINEN MAANMITTAUSPÄIVÄT

2 SAUMATON PAIKANNUS Sijainnin tarkkuus, jatkuvuus, luotettavuus 2

GSA PAIKANNUKSEN MARKKINAT Maritime; 0,30% Aviation; 1,00% 2012-2022 Road; 46,20%

3 GSA PAIKANNUKSEN MARKKINAT Maritime; 0,30% Aviation; 1,00% Road; 46,20% LBS; 47% Rail; 0,10% Surveying; 4,10% Agriculture; 1,40% 3

PAIKANNUKSEN HAASTEET Satelliittipaikannus on kehitetty käytettäväksi avoimissa ulkotiloissa Metsässä, kaupunkialueille tarkkuus heikentynyt Sisätiloissa satelliittipaikannusta ei voi käyttää

4 PAIKANNUKSEN HAASTEET Satelliittipaikannus on kehitetty käytettäväksi avoimissa ulkotiloissa Metsässä, kaupunkialueille tarkkuus heikentynyt Sisätiloissa satelliittipaikannusta ei voi käyttää Tahallinen häirintä heikentää tai estää satelliittipaikannuksen Voidaanko satelliittipaikannuksen luotettavuuden arvioinnissa luottaa vain satelliittipaikannukseen? Saumattomaan paikannukseen ei voida käyttää vain yhtä menetelmää => yhteistoimivuus 4

5 TIELIIKENTEEN VAATIMUKSET PAIKANNUKSELLE 5

6 Sijainnin luotettavuus Tunnistaako vastaanotin virhetilanteet? 6

2 8.7 129.3 16 no jam 1.0 0.6 4.0 100 max J/S 15 db 1.5 0.8 6.5 100 max J/S 25 db 4.2 5.5 94 26 no jam 2.2 1.0 5.3 100 max J/S 15 db 2.3 1.0 6.

7 TAHALLINEN HÄIRINTÄ Miten häirintä vaikuttaa vastaanottimeen? ublox 5H ublox 5T Fastrax IT500 Fastrax IT600 Nokia N8 GPS NovAtel Mean (m) Std (m) Max (m) % no jam max J/S 15 db max J/S 25 db no jam max J/S 15 db max J/S 25 db no jam max J/S 15 db max J/S 25 db no jam max J/S 15 db max J/S 25 db no jam max J/S 15 db max J/S 25 db no jam max J/S 15 db max J/S 25 db

8 PAIKANNUS KAUPUNKIYMPÄRISTÖISSÄ Monitie-eteneminen, signaalien etenemisen estyminen Virhe satoja metrejä Ei enää 4 satelliittia näkyvillä laura.ruotsalainen@nls.fi 8

KÄYTTÄJIEN VAATIMUKSET PAIKANNUKSELLE SISÄTILOISSA Ihmiset viettävät sisätiloissa 90% ajasta Kuluttajat: reitti kauppakeskuksessa, sairaalassa, parkkihallissa Sijaintipohjaiset

9 KÄYTTÄJIEN VAATIMUKSET PAIKANNUKSELLE SISÄTILOISSA Ihmiset viettävät sisätiloissa 90% ajasta Kuluttajat: reitti kauppakeskuksessa, sairaalassa, parkkihallissa Sijaintipohjaiset palvelut Tarkkuudelle melko tiukat vaatimukset Vähintään 2 metriä / huonetaso Kerros tiedettävä Kuluttajat / turvallisuussovellukset => eri teknologiat laura.ruotsalainen@nls.fi 9

10 PAIKANNUS SISÄTILOISSA Satelliittisignaalit menettävät tehoa lävistäessään rakennusten materiaaleja Sisätiloissa haittana myös monitie-eteneminen => Satelliittipaikannus ei ole käytettävissä sisätiloissa tai tarkkuus täysin riittämätön 10

11 SISÄTILAPAIKANNUKSEN MARKKINAT Mrd $ Business Wire laura.ruotsalainen@nls.fi 11

12 SATELLIITTIRIIPPUMATTOMAT PAIKANNUSMENETELMÄT Paikannus perustuen Paikannusinfrastruktuuriin Käyttäjän liikkeeseen / ympäristön muutoksiin WLAN Bluetooth Cellular Absoluuttinen sijainti määritellyssä koordinaatistossa Vaativat infrastruktuurin ja etukäteisvalmistelua Inertiasensorit Kuvantaminen Suhteellinen sijainti Ongelmana mittausvirheet laura.ruotsalainen@nls.fi 12 Barometri, kompassi

13 ERI PAIKANNUSTEKNIIKAT Saatavuus Avoin ulkotila Esikaupunki Kaupunki Sisätila Kellaritila 1m Sensorit GNSS WLAN, BT, RFID 50m Matkapuhelinpaikannus 100m = uuden infrastruktuurin tarve = toimii olemassa olevan infrastruktuurin avulla Tarkkuus

14 RADIOSIGNAALIEN VOIMAKKUUTEEN PERUSTUVA PAIKANNUS Esimerkiksi WLANpaikannus Signaalien voimakkuudesta tehdään sormenjälkikartta tietokantaan (RSS Received Signal Strength) Käyttäjä vertaa signaaliympäristöä karttaan

MENETELMÄN HAASTEITA Sormenjälkikartta pitää valmistella etukäteen Paikannuksen tarkkuutta häiritsevät Ympärillä olevat ihmiset Ympäristön muutokset kartan

15 MENETELMÄN HAASTEITA Sormenjälkikartta pitää valmistella etukäteen Paikannuksen tarkkuutta häiritsevät Ympärillä olevat ihmiset Ympäristön muutokset kartan teon jälkeen Lähettimien määrä ja tiheys vaikuttavat tarkkuuteen Laitevalmistajien päätökset Esimerkiksi Applen mobillilaitteista ei saa WLANmittauksia ulos

lähettimien paikanmuutokset) Ihmisistä Tarkkuus 3-5 metriä Toimii myös

16 Esimerkki : HEREn WLAN paikannus HEREn WLAN-paikannus ei häiriinny Pienistä ympäristön muutoksista (esim. lähettimien paikanmuutokset) Ihmisistä Tarkkuus 3-5 metriä Toimii myös ympäristöön asennettavien Bluetooth- beaconien kanssa Tarjolla myös kartat useista julkisista tiloista Julkistettu syksyllä 2016

17 Esimerkki: IndoorAtlas Paikannus perustuu sisätilojen magneettikentän voimakkuuden vaihtelusta tehtyyn sormenjälkikarttaan Rakennuksessa olevat metalliset esineet muuttavat magneettikenttää

MUITA RADIOPAIKANNUSMENETELMIÄ RFID tagit +

luvanvaraista Matkapuhelinpaikannus + Toimii

18 MUITA RADIOPAIKANNUSMENETELMIÄ RFID tagit + Tagit halpoja - Tarvitaan mittavat valmistelut Pseudoliitit + Lähettävät satelliittien kaltaisia signaaleja - Käyttö luvanvaraista Matkapuhelinpaikannus + Toimii lähes kaikkialla - Huono tarkkuus Miten 5G muuttaa tilannetta? Cell ID

INFRASTRUKTUURISTA RIIPPUMATON PAIKANNUS Paikannettavaan

käyttäjän liikkeestä Inertiasensorit: kiihtyvyysanturi,

Ääniperustainen paikannus Kuljettu matka, suunta, korkeuden

19 INFRASTRUKTUURISTA RIIPPUMATON PAIKANNUS Paikannettavaan kiinnitetään erilaisia sensoreita, joilla saadaan tietoa käyttäjän liikkeestä Inertiasensorit: kiihtyvyysanturi, gyroskooppi Kompassi Barometri Etäisyysmittaukset Kuvantaminen Ääniperustainen paikannus Kuljettu matka, suunta, korkeuden muutos Nykyinen sijainti voidaan laskea alkuperäisen sijainnin ja siirtymän avulla

20 SENSORIPAIKANNUKSEN HAASTEET Mittausvirheet huonontavat saatua sijaintia Virheet merkittäviä erityisesti edullisilla / pienillä sensoreilla Virheitä korjaamaan tarvitaan infrastruktuurista riippuvia menetelmiä Mittausten oikeanlainen yhdistäminen tärkeää => älykkäällä matemaattisella laskennalla korjataan laitteiden ongelmia

KUVANTAMINEN Peräkkäisistä kuvista havaittujen hahmojen liikettä seuraamalla saadaan tietoa kameran siirtymästä ja suunnasta Kun kamera on kiinnitetty käyttäjään => käyttäjän

21 KUVANTAMINEN Peräkkäisistä kuvista havaittujen hahmojen liikettä seuraamalla saadaan tietoa kameran siirtymästä ja suunnasta Kun kamera on kiinnitetty käyttäjään => käyttäjän siirtymä ja suunta Kameroita hyvin eri tekniikoilla Laser Stereokamera Tavallinen kamera RGB-D Sallittu koko, hinta ja vaadittava tarkkuus vaikuttavat valintaan 21

AUTOMAATTIAJONEUVON PAIKANNUS camera Tri-objective camera = stereo + monocular Volvo: Neljä tavallista kameraa: esteet ja kaistamerkit Stereo + tavallinen kamera:

22 AUTOMAATTIAJONEUVON PAIKANNUS camera Tri-objective camera = stereo + monocular Volvo: Neljä tavallista kameraa: esteet ja kaistamerkit Stereo + tavallinen kamera: jalankulkijat Laser: 3D hahmontunnistus Paikannus perustuu tarkkaan satelliittipaikannukseen sekä kuvantamiseen Kuvantamisessa käytetään erilaisia kameroita: monocular, stereo, laser camera

23 JALANKULKIJAN NAVIGOINTI- JÄRJESTELMÄLLE ASETTAMAT HAASTEET Virrankulutus Koko ja paino Hinta Käytön helppous Arvaamattomat liikkeet Jatkuva päivitys nopeaan tahtiin 1 10, kokonaishinta ~

mittausvirheet Kun sensorit kiinnitetään

24 INERTIASENSORIT Inertiasensorit (kiihtyvyysanturi ja gyroskooppi, IMU) mittaavat siirryttyä matkaa ja suuntaa => voidaan muuttaa sijainniksi Ongelmana mittausvirheet Kun sensorit kiinnitetään jalkaan, voidaan virheitä poistaa Paino 4.5 kg Taktisen tason IMU 19.5 cm Kuluttajatason IMU

25 ADAPTIIVINEN PAIKANNUS Ajoneuvon paikannus Sopeudutaan ympäristöön Satelliittipaikannus toimii taas Ryömitään / juostaan Ulos autosta Sisätilapaikannus 25

INFRASTRUKTUURISTA RIIPPUMATON TAISTELIJAN TILANNETIETOISUUS Matine, Puolustusministeriö 2015-2017 https://fgi-intact.

26 INFRASTRUKTUURISTA RIIPPUMATON TAISTELIJAN TILANNETIETOISUUS Matine, Puolustusministeriö Sisätilapaikannus, karkea kartta tilasta (SLAM), taistelijan liiketietoa Kaikki tuotetaan taistelijan varusteisiin kiinnitetyillä sensoreilla Menetelmät sopivia myös mm. pelastustoimen tarpeisiin

27 INTACT RATKAISU Monisensorifuusio virheiden rajoittamiseen Horisontaalipaikka Siirtymä ja suunta Korkeus Jalkaan kiinnitetyllä inertiasensorilla Kuvantamisella Barometri Sonar Matemaattiset menetelmät virheiden mallintamiseen ja mittausten fuusiointiin

28 INTACT HAASTEET Sensorien koko ja hinta => Microelectromechanical systems (MEMS) sensorit MEMS sensorit tuottavat paljon mittausvirheitä Ei absoluuttista paikannusta saatavilla => Paikannusratkaisua ei voida korjata välillä Haastavia liikemuotoja

29 KUVANTAMINEN INTACTISSA Inertiasensoreiden virheiden korjaus SLAM yhdellä kameralla Visuaalinen gyroskooppi Visuaalinen odometri (Ruotsalainen, Vision-Aided Pedestrian Navigation for Challenging GNSS Environments, Doctoral Dissertation, 2013, TUT)

30 KORKEUSTIETO BAROMETRILLA Korkeus mitatun paineen avulla Tarkkuus hyvä, kun ollaan samassa tilassa, eikä lämpötilan tai paineen muutoksia Jo ikkunan avaaminen aiheuttaa suuren virheen air pressure (Pa) x 10 5 Measurements of Pressure from Barometer samples Relative Height T h= k 1 p( h p 0 ) 0 kr g height (m) samples

31 KORKEUSTIETO ULTRAÄÄNEN AVULLA Mittauksista voidaan erottaa portaat, jos se saadaan luotettavaksi ja portaan korkeus voidaan määrittää => korkeuden muutos

32 PROOF-OF-CONCEPT TESTIT UTISSA Yksi kerros Kapeita käytäviä, pieniä huoneita Erikoisia rakennelmia Suuri halli, 20 x 40 metriä laura.ruotsalainen@nls.fi 32

33 Alku ja loppu PAIKANNUSTULOS Reitti suhteellinen, ei mittakaavassa Halli 2 kierrosta 1. kävellen (sininen) 2. juosten (punainen) Loppupisteen virhe 2.5 m 4.6 m Puolapuut Pieniä huoneita hyppyjä, liikkumista sivuttain, kiipeämistä laura.ruotsalainen@nls.fi 33

LIIKKEENMALLINNUS Tietoa käyttäjän liikkeestä tarvitaan Adaptiivisen navigointijärjestelmän toteuttamiseen Komentokeskukselle tietoa käyttäjän tilasta

34 LIIKKEENMALLINNUS Tietoa käyttäjän liikkeestä tarvitaan Adaptiivisen navigointijärjestelmän toteuttamiseen Komentokeskukselle tietoa käyttäjän tilasta Navigointijärjestelmän informaation esittämismuodon mukauttamiseen Liikkeentunnistukseen käytetään koneoppimista (Machine Learning) 34

35 MACHINE LEARNING Sensors Robert Guinness, ION GNSS 2013

36 LIIKKEENTUNNISTUSMENETELMÄN TOTEUTUS Tarkkuus Random Forest NB KStar Parhaiden sensorien valinta Parhaiden piirteiden valinta Muita päätöspuita SMO Laskennan raskaus Parhaan algoritmin valinta Käyttäjäriippumattomat luokittelijat liikkeentunnistukseen

37 LIIKKEENTUNNISTUS - TULOKSET Liikemuodot: seisoo, kävelee, juoksee, ryömii, kiipeää, Käytetään samoja mittauksia kuin paikannukseen Tunnistuksen tarkkuus, opetusdata samalta henkilöltä: 98,76 % Tunnistuksen tarkkuus, opetusdata eri henkilöltä: 87,54 % laura.ruotsalainen@nls.fi 37

39 HÄIRINNÄN JA HARHAUTUKSEN LIEVENNYS SENSORIEN AVULLA Sensorit eivät häiriinny radiohäirintälaitteista Inertiasensorien ja kuvantamisen avulla voidaan havaita harhautus ja lieventää häirinnän vaikutusta 39

40 YHTEENVETO Satelliittipaikannuksen tarkkuutta, luotettavuutta ja häirinnänsietoa voidaan parantaa yhdistämällä siihen muita paikannusmenetelmiä Sisätiloissa paikannus voidaan toteuttaa käyttäen radiosignaaleja, kuten WLANia tai Bluetoothia Ennalta tuntemattomissa ympäristöissä on käytettävä mukana kuljetettavia sensoreita Saumattomaan paikannukseen pitää yhdistää adaptiivisesti erilaisia paikannusmenetelmiä 40

41 LISÄÄ SISÄTILANAVIGOINNISTA - INTO

42 SHOWING THE WAY 42

Samankaltaiset tiedostot

Infrastruktuurista riippumaton taistelijan tilannetietoisuus INTACT

Infrastruktuurista riippumaton taistelijan tilannetietoisuus INTACT Laura Ruotsalainen Paikkatietokeskus FGI, MML Matinen rahoitus: 77 531 INTACT tarve Taistelijan tilannetietoisuus rakennetuissa ympäristöissä,