[论文解读] A Visible Light Based Indoor Positioning System

Yiqing Hu, Yan Xiong+6 more|arXiv (Cornell University)|May 22, 2015

Indoor and Outdoor Localization Technologies参考文献 11被引用 5

一句话总结

Lightitude 是一种新颖的室内定位系统，利用标准室内照明中的普遍可见光，通过现成设备实现高精度、低成本的定位。通过将光强建模为设备位置和方向的函数，并利用用户移动性来解决位置模糊性问题，该系统在办公室和图书馆环境中分别实现了 1.93 米和 1.98 米的平均定位精度，且无需修改基础设施或频繁进行现场勘测。

ABSTRACT

In this paper, we propose a novel indoor localization scheme that exploits ubiquitous visible lights, which are necessarily and densely deployed in almost all indoor environments. We unveil two phenomena of lights available for positioning: 1) the light strength varies according to different light sources, which can be easily detected by light sensors embedded in COTS devices (e.g., smart-phone, smart-glass and smart-watch); 2) the light strength is stable in different times of the day thus exploiting it can avoid frequent site-survey and database maintenance. Hence, a user could locate oneself by differentiating the light source of received light strength (RLS). However, different from existing positioning systems that exploit special LEDs, ubiquitous visible lights lack fingerprints that can uniquely identify the light source, which results in an ambiguity problem that an RLS may correspond to multiple positions. Moreover, RLS is not only determined by device's position, but also seriously affected by its orientation, which causes great complexity in site-survey. To address these challenges, we first propose and validate a realistic light strength model that can attributes RLS to arbitrary positions with heterogenous orientations. This model is further perfected by taking account of the device diversity, influence of multiple light sources and shading of obstacles. Then we design a localizing scheme that harness user's mobility to generate spatial-related RLS to tackle the position-ambiguity problem of a single RLS, which is robust against sunlight interference, shading effect of human-body and unpredictable behaviours (e.g., put the device in pocket) of user. Experiment results show that our scheme achieves mean accuracy $1.93$m and $1.98$m in office ($720m^2$) and library scenario ($960m^2$) respectively.

研究动机与目标

• 利用现有的、普遍存在的可见光照明基础设施实现高精度室内定位，避免对专用 LED 或额外传感器的需求。
• 解决由接收光强（RLS）的标量特性引起的定位模糊性问题，即同一 RLS 值可能对应多个位置。
• 通过构建稳定、具备方向感知能力的光强模型，消除频繁现场勘测和数据库维护的需求。
• 确保系统对真实世界干扰（如阳光干扰和人体遮挡）具有鲁棒性。
• 设计一种可独立运行或与基于 WiFi 的系统协同工作的定位系统。

提出的方法

• 提出一种现实的光强模型，将 RLS 映射到任意设备位置和方向（六维状态空间），考虑距离、入射角和辐射图案的影响。
• 通过引入设备多样性、多个光源贡献以及障碍物引起的遮挡效应，对模型进行验证与优化。
• 利用用户移动性——特别是逐步行走运动——生成具有空间相关性的 RLS 样本，从而解决单次 RLS 测量带来的模糊性问题。
• 采用两阶段定位方法：首先利用 WiFi 信号指纹定位生成候选位置集合，然后通过光信号 RLS 进一步提升精度。
• 将阳光干扰作为有益信号加以利用，通过利用靠近窗户区域的粒子散射效应，降低 RLS 匹配错误概率。
• 验证系统在不可预测用户行为（如手机放入口袋）和不同设备持握姿态下的鲁棒性。

实验结果

研究问题

• RQ1 能否在不修改基础设施或使用专用硬件的前提下，可靠地利用普遍存在的可见光实现室内定位？
• RQ2 在实际应用中，如何解决单个接收光强（RLS）值的模糊性问题——即同一 RLS 可能对应多个位置？
• RQ3 基于物理的光强模型在多大程度上可以替代传统指纹匹配方法，从而减少现场勘测和数据库维护的需求？
• RQ4 用户移动性在基于光的定位系统中如何帮助解决定位模糊性问题？
• RQ5 系统对真实世界干扰（如阳光干扰和人体遮挡）的鲁棒性如何？

主要发现

• Lightitude 在办公室环境（720 m²）中实现了 1.93 米的平均定位精度，在图书馆环境（960 m²）中实现了 1.98 米的平均定位精度，表明其在真实室内场景中具有高精度表现。
• 即使在阳光干扰条件下，系统仍保持高精度，由于有益的散射效应，在靠近窗户的区域平均精度达到 1.67 米。
• 人体遮挡对性能影响极小，不同设备持握姿态（如手持于身体前方或侧面）下均表现出相似的定位精度。
• 当与 WiFi 信号指纹系统共存时，Lightitude 显著降低了定位误差，实现 74 百分位数内 2 米以内的定位结果，并加快收敛速度。
• 系统对不可预测的用户行为（如将设备放入口袋）具有鲁棒性，在目标货架场景测试中，60% 的情况下仍能保持可靠定位。
• 所提出的光强模型有效替代了传统指纹匹配方法，消除了人工现场勘测和频繁数据库更新的需求。