Abstract
The Earth’s magnetic field (MF) has been used for navigation for centuries. Man-made metallic structures, such as steel reinforcements in buildings, cause local distortions to the Earth’s magnetic field. Up until the recent decade, these distortions have been mostly considered as a source of error in indoor localization, as they interfere with the compass direction. However, as the distortions are temporally stable and spatially distinctive, they provide a unique magnetic landscape that can be used for constructing a map for indoor localization purposes, as noted by recent research in the field.
Most approaches rely on manually collecting the magnetic field map, a process that can be both tedious and error-prone. In this thesis, the map is collected by a robotic platform with minimal sensor equipment. It is shown that a mere magnetometer along with odometric information suffices to construct the map via a simultaneous localization and mapping (SLAM) procedure that builds on the Rao-Blackwellized particle filter as means for recursive Bayesian estimation. Furthermore, the maps are shown to achieve decimeter level localization accuracy that combined with the extremely low-cost hardware requirements makes the presented methods very lucrative for domestic robots. In addition, general auxiliary methods for effective sampling and dealing with uncertainties are presented.
Although the methods presented here are devised in mobile robotics context, most of them are also applicable to mobile device-based localization, for example, with little modifications. Magnetic field localization offers a promising alternative to WiFi-based methods for achieving GPS-level localization indoors. This is motivated by the rapidly growing indoor location market. / Tiivistelmä
Maan magneettikenttään perustuvat kompassit ovat ohjanneet merenkäyntiä vuosisatojen ajan. Rakennusten metallirakenteet aiheuttavat paikallisia häiriöitä tähän magneettikenttään, minkä vuoksi kompasseja on pidetty epäluotettavina sisätiloissa. Vasta viimeisen vuosikymmenen aikana on huomattu, että koska nämä häiriöt ovat ajallisesti pysyviä ja paikallisesti hyvin erottelevia, niistä voidaan muodostaa jokaiselle rakennukselle yksilöllinen häiriöihin perustuva magneettinen kartta, jota voidaan käyttää sisätiloissa paikantamiseen.
Suurin osa tämänhetkisistä magneettikarttojen sovelluksista perustuu kartan käsin keräämiseen, mikä on sekä työlästä että tarjoaa mahdollisuuden inhimillisiin virheisiin. Tämä väitöstutkimus tarttuu ongelmaan laittamalla robotin hoitamaan kartoitustyön ja näyttää, että robotti pystyy itsenäisesti keräämään magneettisen kartan hyödyntäen pelkästään magnetometriä ja renkaiden antamia matkalukemia. Ratkaisu perustuu faktoroituun partikkelisuodattimeen (RBPF), joka approksimoi täsmällistä rekursiivista bayesilaista ratkaisua. Robotin keräämien karttojen tarkkuus mahdollistaa paikannuksen n. 10 senttimetrin tarkkuudella. Vähäisten sensori- ja muiden vaatimusten takia menetelmä soveltuu erityisen hyvin koti- ja parvirobotiikkaan, joissa hinta on usein ratkaiseva tekijä.
Tutkimuksessa esitellään lisäksi uusia apumenetelmiä tehokkaaseen näytteistykseen ja epävarmuuden hallintaan. Näiden käyttöala ei rajoitu pelkästään magneettipaikannukseen- ja kartoitukseen.
Robotiikan sovellusten lisäksi tutkimusta motivoi voimakkaasti kasvava tarve älylaitteissa toimivalle sisätilapaikannukselle. Tämä avaa uusia mahdollisuuksia paikannukselle ympäristöissä, joissa GPS ei perinteisesti toimi.
| Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:isbn978-952-62-1774-1 |
| Date | 02 January 2018 |
| Creators | Vallivaara, I. (Ilari) |
| Contributors | Röning, J. (Juha) |
| Publisher | Oulun yliopisto |
| Source Sets | University of Oulu |
| Language | English |
| Detected Language | Finnish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess, © University of Oulu, 2018 |
| Relation | info:eu-repo/semantics/altIdentifier/pissn/0355-3213, info:eu-repo/semantics/altIdentifier/eissn/1796-2226 |
Page generated in 0.0014 seconds