User localization is one of the key technologies for mobile robots to successfully interact with humans. Among various localization methods, time of arrival (TOA) based localization is the popular one since the target coordinates can be directly calculated from the accurate range measurements. In complex indoor environments, however, range-based localization is quite challenging since the range measurements suffer not only from signal noise but also from multipath effect. A set of range measurements taken in a complex indoor environment verifies that almost all measurements are non-line-of-sight (NLOS) ranges which have striking difference to the line-of-sight (LOS) distances. These erroneous range measurements make severe degradation in localization accuracy if used without any compensation. In this paper we propose a particle filter based localization algorithm which exploits indoor geometry from given map to compensate the NLOS bias. Here the framework of particle filtering was employed to tackle the issues on conditional probability in calculation of multipath range. The algorithm is verified with an experiment performed in a real indoor environment.
사용자 위치 인식은 유비쿼터스 도시 내의 필수적인 기술 중 하나로 도시기반 인프라 또는 도심 내 이동 서비스 로봇으로 하여금 사용자 위치 기반의 다양한 서비스를 제공하도록 돕는다. 위치인식의 다양한 기술 중 RF 신호의 도달 시간을 사용하는 방법은 비교적 정확한 거리 값을 기반으로 목표물의 절대 좌표를 계산할 수 있어 많이 사용된다. 하지만 이러한 방법은 복잡한 실내환경의 경우 RF 신호 간의 상호 간섭과 다중경로 효과에 의해 많은 오차를 갖는다. 본 논문에서는 RF 센서의 이러한 실내 거리 측정 오차를 분석하고 이를 적절히 보상할 수 있는 방법을 제시하고자 한다. 이를 위해 RF 센서 특성을 확률적으로 모델링하는 센서 특성 실험을 수행하며 실내 공간 정보를 활용한 다중경로 예측 방법을 제시한다. 제안된 알고리즘들은 베이지안 필터의 하나인 파티클 필터를 사용하여 통합된 후 사용자 위치를 추정하는데 사용된다. 위치추정 성능은 실제 실내 환경에서의 실험을 통해 검증한다.
