[论文解读] A Novel Indoor Positioning System for unprepared firefighting scenarios

Vamsi Karthik Vadlamani, Manish Bhattarai+2 more|arXiv (Cornell University)|Aug 4, 2020

Indoor and Outdoor Localization Technologies参考文献 12被引用 4

一句话总结

该论文提出了一种新型室内定位系统（IPS），专为未经准备的消防救援场景设计，利用基于光流的视频罗盘进行姿态估计，并结合IMU活动识别以减轻漂移。通过融合激光雷达、IMU和热成像视频数据，并采用支持向量回归与阈值处理，该系统在未知、动态环境中实现了约2米的定位精度，无需预先部署基础设施，可实现实时态势感知，为一线救援人员提供支持。

ABSTRACT

Situational awareness and Indoor location tracking for firefighters is one of the tasks with paramount importance in search and rescue operations. For Indoor Positioning systems (IPS), GPS is not the best possible solution. There are few other techniques like dead reckoning, Wifi and bluetooth based triangulation, Structure from Motion (SFM) based scene reconstruction for Indoor positioning system. However due to high temperatures, the rapidly changing environment of fires, and low parallax in the thermal images, these techniques are not suitable for relaying the necessary information in a fire fighting environment needed to increase situational awareness in real time. In fire fighting environments, thermal imaging cameras are used due to smoke and low visibility hence obtaining relative orientation from the vanishing point estimation is very difficult. The following technique that is the content of this research implements a novel optical flow based video compass for orientation estimation and fused IMU data based activity recognition for IPS. This technique helps first responders to go into unprepared, unknown environments and still maintain situational awareness like the orientation and, position of the victim fire fighters.

研究动机与目标

• 解决在GPS和基于RF的系统失效的未经准备、动态的消防救援环境中缺乏可靠室内定位的问题。
• 克服现有IPS技术（如蓝牙信标、WiFi指纹识别和SFM）的局限性，这些技术在高温、环境不稳定以及热成像中缺乏视差的情况下表现不佳。
• 仅使用热成像视频、IMU和激光雷达数据，实现实时、抗漂移的位置与姿态跟踪，适用于消防员使用。
• 开发一种无需预先了解环境信息（如信标或接入点布置）的系统。
• 通过实时准确估计姿态与位置，提升态势感知能力，即使在浓烟和极端高温条件下也能保持稳定。

提出的方法

• 利用红外MSA 5200HD2TIC相机（320×240分辨率，30 fps）获取的热成像视频，通过基于光流的视频罗盘估计姿态，避免在低边缘热成像中失效的消失点估计方法。
• 采用基于IMU的活动识别技术检测转弯动作，并重置位置估计，以减少惯性积分带来的漂移。
• 使用最小二乘估计融合加速度计与激光雷达数据，并通过初始条件估计校正转弯过程中的累积误差。
• 采用支持向量回归（SVR）并结合混合损失函数（Vapnik的ε损失与Huber鲁棒损失），以建模稀疏且噪声较大的激光雷达距离数据，提升在样本有限情况下的泛化能力。
• 对SVR估计的位置数据进行微分以计算速度，随后通过中值滤波进行阈值处理，以确保物理合理性并去除异常值。
• 对姿态数据应用S型卷积与峰值检测，识别转弯事件，并触发位置估计算法的重新初始化。

实验结果

研究问题

• RQ1 基于光流的视频罗盘是否能在消防救援环境中典型的低视差、低对比度热成像中实现可靠的姿态估计？
• RQ2 如何利用基于IMU的活动识别检测转弯并重置位置估计，以减轻在未经准备的室内场景中惯性漂移的影响？
• RQ3 在动态、高温环境中，当融合稀疏且噪声较大的激光雷达与IMU数据时，采用鲁棒损失函数的SVR在多大程度上能提升位置估计的精度？
• RQ4 对速度估计值进行阈值处理与中值滤波，是否能确保物理一致性并减少无先验环境地图情况下的轨迹跟踪伪影？
• RQ5 在未经准备、未知的室内环境中，基于光流、IMU与激光雷达数据融合的系统与现有IPS方法相比，在精度与鲁棒性方面表现如何？

主要发现

• 所提出的IPS在未经准备的室内环境中实现了约±2米的路径重建精度，即使在缺乏建筑布局或信标布置先验知识的情况下也表现良好。
• 系统成功利用姿态数据与S型峰值检测识别转弯，触发位置估计的重新初始化，显著减少了累积漂移。
• 采用鲁棒损失函数的支持向量回归（SVR）能有效建模激光雷达距离数据，在训练样本有限的情况下仍表现出优异的泛化能力与抗异常值能力。
• 对速度估计值进行阈值处理与中值滤波，成功消除了物理上不合理的速度尖峰，提升了轨迹估计的稳定性和真实性。
• 基于光流的视频罗盘在热成像中表现优于消失点估计方法，后者因低分辨率与动态范围受限而失效。
• 该系统在真实消防救援环境中表现出强健性，包括浓烟与高温条件，而GPS与基于RF的系统在此类环境中均会失效。