This dissertation is regarding a method to estimate the global location of mobile robots and pedestrians by fusing Wi-Fi’s received signal strength indication (RSSI), dead-reckoning position information, and spatial map data in indoor environments. Recently, Wi-Fi routers, as typical pervasive network devices, have been widely installed in indoor spaces such as homes, offices, and shopping malls owing to the wide spread of ubiquitous computing. Wi-Fi provides communication functions; furthermore, its RSSI can be used as an invisible marker for indoor localization. In this study, I proposed two methods to improve issues in conventional localization methods of mobile robots and pedestrians by utilizing Wi-Fi RSSI based localization. The first method, hierarchical global localization framework, estimates the position of mobile robots by integrating the Wi-Fi RSSI-based fingerprint analysis method and an indoor grid map-based particle filter. This method determines the initialization region of a particle filter using fingerprint analysis results and estimates position by optimizing the sampling distribution. This method can solve the local minimum problem of particle filters and optimize the sampling size more effectively. The second method, sequential motion tracking, estimates a pedestrian’s position stably by combining the Wi-Fi RSSI-based fingerprint analysis method and indoor topological map motion information. This method estimates position by matching the moving trajectory of a topological map with the motion information accumulated using a dead-reckoning sensor in a global region discovered through fingerprint analysis results. This method can improve the continuous localization’s accuracy and the technique’s stability compared with the conventional methods such as the fingerprint analysis and the particle filter. Finally, the two proposed methods were applied to a mobile robot and a smartphone, separately, and their performances were investigated through actual localization test results. Furthermore, their effectiveness was verified based on comparative analysis with other methods.

본 학위논문은 실내환경에서 Wi-Fi 전파신호강도, 추측 항법 위치정보, 공간지도정보를 융합하여 이동로봇과 보행자의 정확한 전역 위치를 추정할 수 있는 방법에 관한 것이다. 최근 유비쿼터스 컴퓨팅의 활성화로 퍼베이시브 네트워크 장비로 대표되는 Wi-Fi 라우터가 가정, 사무실, 쇼핑몰 등 실내 공간에 폭 넓게 설치되고 있다. Wi-Fi는 통신 기능을 제공할 뿐만 아니라, 그것의 전파신호강도는 눈에 보이지 않는 표식물로써 실내 위치인식에도 사용할 수 있다. 본 연구에서는 Wi-Fi 전파 신호강도 정보에 기반한 위치인식의 강점을 이용하여 기존의 이동로봇과 보행자의 위치인식 기술의 각각의 이슈를 개선하기 위한 두 가지 방법을 제안한다. 첫째는 단계적 전역 위치인식 프레임워크는 Wi-Fi 신호강도기반 핑거프린트 분석방법과 실내 격자지도 기반의 파티클 필터를 융합하여 이동로봇의 정확한 위치를 추정하는 방법이다. 이는 핑거프린트 분석 결과를 이용하여 파티클 필터의 초기화 영역을 결정하고 샘플링 분산을 최적화하여 위치를 추정하는 방법이다. 이 방법은 파티클 필터가 가진 로컬 미니멈 문제를 근본적으로 해결 가능하고, 샘플링 개수를 보다 효과적으로 최적화 가능하다. 두번째로 제안한 연속적 모션 트래킹은 Wi-Fi 신호강도기반 핑거프린트 분석방법과 실내 위상지도의 모션 정보를 융합하여 보행자의 위치를 안정적으로 추정하는 방법이다. 이는 핑거프린트 분석 결과를 통해 발견한 전역 영역 안에서 추측 항법 센서에 의해 축적된 모션 정보와 위상지도의 이동 궤적을 매칭하여 위치를 추정하는 방법이다. 본 방법은 기존 핑거프린트 분석방법과 파티클 필터에 비하여 보행자 연속 위치인식의 정확도와 기술의 안정도를 향상시킬 수 있다. 최종적으로 제안한 두 방법을 이동로봇과 스마트폰에 각각 적용하고 실제 위치인식 실험결과를 통하여 성능을 확인하였으며, 다른 방식과 비교분석을 통하여 그 효과를 검증하였다.