Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Indoor Positioning and Localisation System with Sensor Fusion: AN IMPLEMENTATION ON AN INDOOR AUTONOMOUS ROBOT AT ÅF
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.).
KTH, School of Industrial Engineering and Management (ITM), Machine Design (Dept.).
2014 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Inomhus Positionerings och Lokaliserings System med Sensor Fusion (Swedish)
Abstract [en]

This thesis will present guidelines of how to select sensors and algorithms for indoor positioning and localisation systems with sensor fusion. These guidelines are based on an extensive theory and state of the art research. Different scenarios are presented to give some examples of proposed sensors and algorithms for certain applications. There are of course no right or wrong sensor combinations, but some factors are good to bear in mind when a system is designed. To give an example of the proposed guidelines a Simultaneous Localisation and Mapping (SLAM) system as well as an Indoor Positioning System (IPS) has been designed and implemented on an embedded robot platform. The implemented SLAM system was based on a FastSLAM2 algorithm with ultrasonic range sensors and the implemented IPS was based on a WiFi RSS profiling method using aWeibull-distribution. The methods, sensors and infrastructure have been chosen based on requirements derived from wishes from the stakeholder as well as knowledge from the theory and state of the art research. A combination of SLAM and IPS is proposed, chosen to be called WiFiSLAM, in order to reduce errors from both of the methods. Unfortunately, due to unexpected issues with the platform, no combination has been implemented and tested. The systems were simulated independently before implemented on the embedded platform. Results from these simulations indicated that the requirements were able to be fulfilled as well as an indication of the minimum set-up needed for the implementation. Both the implemented systems were proven to have the expected accuracies during testing and with more time, better tuning could have been performed and probably also better results. From the results, a conclusion could be drawn that a combined WiFi SLAM solution would have improved the result in a larger testing area than what was used. IPS would have increased its precision and SLAM would have got an increased robustness. The thesis has shown that there is no exact way of finding a perfect sensor and method solution. Most important is, however, the weight between time, cost and quality. Other important factors are to decide in which environment a system will perform its tasks and if it is a safety critical system. It has also been shown that fused sensor data will outperform the result of just one sensor and that there is no max limit in fused sensors. However, that requires the sensor fusion algorithm to be well tuned, otherwise the opposite might happen.

Abstract [sv]

Examensjobbet presenterar riktlinjer för hur sensorer och algoritmer för inomhuspositionering och lokaliseringssystem med sensorfusion bör väljas. Riktlinjerna är baserade på en omfattande teori och state of the art undersökning. Olika scenarion presenteras för att ge exempel på metoder för att välja sensorer och algoritmer för applikationer. Självklart finns det inga kombinationer som är rätt eller fel, men vissa faktorer är bra att komma ihåg när ett system designas. För att ge exempel på de föreslagna riktlinjerna har ett “Simultaneous Localisation and Mapping” (SLAM) system samt ett Inomhus Positioneringssystem (IPS) designats och implementerats på en inbyggd robotplattform. Det implementerade SLAM systemet baserades på en FastSLAM2algoritm med ultraljudssensorer och det implementerade IPS baserades på en Wifi RSS profileringsmetod som använder en Weibullfördelning. Metoderna, sensorerna och infrastrukturenhar valts utifrån krav som framställts från önskningar av intressenten samt utifrån kunskap från teori och state of the art undersökningen. En kombination av SLAM och IPS har föreslagits och valts att kallas WiFi SLAM för att reducera osäkerheter från de båda metoderna. Tyvärr har ingen kombination implementerats och testats på grund av oväntade problem med plattformen. Systemen simulerades individuellt före implementationen på den inbyggda plattformen. Resultat från dessa simuleringar tydde på att kraven skulle kunna uppfyllas samt gav en indikation av den minsta “set-upen” som behövdes för implementering. Båda de implementerade systemen visade sig ha de förväntade noggrannheterna under testning och med mer tid kunde bättre kalibrering ha skett, vilket förmodligen skulle resulterat i bättre resultat. Från resultaten kunde slutsatsen dras att en kombinerad WiFi SLAM lösning skulle förbättrat resultatet i en större testyta än den som användes. IPS skulle ha ökat sin precision medan SLAM skulle ha ökat sin robusthet. Examensjobbet har visat att det inte finns något exakt sätt att hitta en perfekt sensor och metodlösning. Viktigast är dock viktningen mellan tid, kostnad och kvalitet. Andra viktigafaktorer är att bestämma miljön systemet skall operera i och om systemet är säkerhetskritiskt. Det visade sig även att fusionerad sensordata kommer överträffa resultatet från endast en sensor och att det inte finns någon maxgräns för antalet fusionerade sensorer. Det kräver dock att sensorfusionsalgoritmen är väl kalibrerad, annars kan det motsatta inträffa.

Place, publisher, year, edition, pages
2014.
Series
MMK 2014:101 MDA 475
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-168841OAI: oai:DiVA.org:kth-168841DiVA, id: diva2:818554
Available from: 2015-10-13 Created: 2015-06-09 Last updated: 2015-10-13Bibliographically approved

Open Access in DiVA

fulltext(8339 kB)472 downloads
File information
File name FULLTEXT01.pdfFile size 8339 kBChecksum SHA-512
156fb42acf288a5023245040a4613464a1ab687c82531cf1e4472efd9c7abb65d3d2768be736761669262d2a38f9311239ee7a0c7580bbf93a6497ac59ba6110
Type fulltextMimetype application/pdf

By organisation
Machine Design (Dept.)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 472 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 309 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf