Sequential Monte Carlo localization using bluetooth low-energy beacons
Bluetooth düşük-enerji işaretçileri ile ardışıl Monte Carlo konumlaması
- Tez No: 691534
- Danışmanlar: PROF. DR. CEM ERSOY, PROF. DR. TAYLAN CEMGİL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 134
Özet
Hareketli Bluetooth düşük-enerji (BLE) alıcı-verici takip problemini saklı Markov modeliyle modelliyoruz ve örtülü konum bilgisini ardışıl Monte Carlo ile süzgeçliyoruz. Yaklaşımımızın sağladığı yeni bakış açısı, alınan işaret şiddeti göstergelerinden oluştu-rulmuş parmak izleri için özel olarak biçilmiş bir gözlem modelidir: Wasserstein uzaklı-ğının en iyi taşıma modeliyle çözümüne dayalı bir histogram arakestirimi. Bütün sistemin takip sonuçları, en yakın komşu ve yapay sinir ağları gibi alternatif temel tahminleme yöntemleriyle karşılaştırılmaktadır. Sonuçlarımız gürültülü veriden yüksek kesinlikli tahminlemenin mümkün olduğunu göstermektedir. Başka bir yenilik, tümleşik bir durum ve parametre tahminini sağlayan üç seviyeli saklı Markov modelidir. Bir BLE vericisinin hareketi hakkında bilgimiz olmadığını varsayarak, geçiş yoğunluk fonksiyonunu normal dağılım olarak tasarlıyoruz. Dağılımın gürültü kovaryansının temelini oluşturan yayılım parametresini konumlarla beraber tahminliyoruz. Önce, bu yöntemin geçerliliğini sabit, azalan ve uyarlamalı yayılım parametresi tahminleme yaklaşımıyla gösteriyoruz. Sonrasında canlı parametre örneklemesinin gözlenen veriye uyum sağladı-ğını ve düşük hata ortalamaları ve orta değerleri ortaya koyduğunu gösteren gerçek veri sonuçlarını elde ediyoruz. Bundan önemlisi, geniş bir parametre değer kümesi için istikrarlı hata dağılımlarına ulaşıyoruz. Üçüncü olarak, kablosuz iç ortam konumlama algoritmalarının değerlendirmesi için yeni bir yordam ve bağlantılı bir veri kümesi tanıtıyoruz. Yordamımız, sinyal verilerini yüksek hassasiyetli konum verileriyle eşlemek için bir artırılmış gerçeklik temelli konumlama sistemiden faydalanmaktadır. Kameralardan sağlanan görüntü akışları bir sıra işaretçi algılama, alt küme seçimi ve süzgeçleme operasyonlarına tabi tutulmaktadır. Sonucunda kesin referans konumları olarak kullanılabilecek yüksek hassasiyetli poz verileri elde edilmektedir.
Özet (Çeviri)
We model the tracking of a Bluetooth Low-Energy (BLE) moving transceiver as a hidden Markov model, and filter the latent positions using sequential Monte Carlo. A novel aspect of our approach is the development of an observation model, specifically tailored for received signal strength indicator fingerprints: a histogram interpolation based on the optimal transport model of Wasserstein distance. The tracking results of the entire system are compared with alternative baseline estimation methods, such as nearest neighboring fingerprints and an artificial neural network. Our results show that highly accurate estimation from noisy data is practically feasible. Another novelty is a three layered hidden Markov model with joint state and parameter estimation. Assuming that a BLE transmitter does not provide any other motion related information, the transition density is designed to be a normal distribution whose noise covariance depends on a parameter, namely the diffusion factor, that is to be estimated alongside the positions. We first show an experimental proof of concept using synthetic data by comparing three parameter estimation approaches: static, decaying and adaptive diffusion factors. We then obtain the results on real data which show that online parameter sampling adapts to the observed data and yields lower error means and medians, but more importantly steady error distributions with respect to a large range of parameters. Thirdly, we introduce a novel technique and an associated dataset for evaluation of wireless indoor positioning algorithms. The technique makes use of an augmented reality based positioning system to annotate the signal data with high precision positions. Video streams captured by the cameras are subjected to a series of marker recognition, subset selection and filtering operations to yield highly precise pose estimations, hence, they can be used as the ground truth positions.
Benzer Tezler
- Eş zamanlı konum belirleme ve haritalamaya yönelik akıllı algoritmaların geliştirilmesi
Development of intelligent algorithms for simultaneously localization and mapping
ZEYNEB KURT
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SIRMA YAVUZ
- Endosensorfusion: Particle filtering-based multi-sensory data fusion with switching state-space model for endoscopic capsule robots using recurrent neural network kinematics
Kapsül endoskopi robotları için değişen durum-uzay modeli ile yinelenen yapay sinir ağları kullanarak parçacık filtreleme temelli çoklu duyarga verisi ilişkilendirmesi
YASİN ALMALIOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ TAYLAN CEMGİL
- Mobil robotlarda parçacık filtresi kullanarak eş zamanlı lokalizasyon ve haritalama
Simultaneous localization and mapping for mobile robots with particle filters
ALİ KULELİ
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Sequential Monte Carlo samplers for nonparametric bayesian mixture models
Parametrik olmayan bayesçi karışım modelleri için ardışık Monte Carlo örnekleyiciler
YENER ÜLKER
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL