스마트폰 관성 센서를 이용한 딥러닝 기반의 이동 방향 측정 기법 (Deep Learning-Based Direction Estimation Scheme Using Smartphone Inertial Sensors)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 6호 / 898 ~ 907페이지
· 저자명 : 임준상, 신요안

초록

스마트폰을 활용한 실내 측위에서 많이 사용되는 보행자 관성항법은 사용자의 움직임에 따라 변화하는 관성 측정 장비의 값을 사용하여 위치를 갱신한다. 보행자 관성항법은 보행 감지, 보폭 계산, 이동 방향 추정 총 3가지요소로 이루어져 있는데, 실내 환경에서 보행 감지와 보폭 계산은 비교적 안정적으로 추정되지만 이동 방향 추정은 센서의 누적오차와 실내 자기장의 영향으로 방향 추정값에 변동성이 증가한다. 이 문제를 해결하기 위해, 본논문에서는 사용자가 스마트폰을 가지고 걸을 때 스마트폰에 내장된 관성 측정 장비의 센서값을 수집하여 입력데이터로 만들고 사용자가 걸을 때 실제 이동 방향을 출력 데이터로 구성해, 별도 보정계수 (Hyperparameter) 설정 필요 없이 방향 정보뿐만 아니라 관성 측정 유닛의 원시 데이터도 사용하여 사용자 이동 방향을 예측하는 딥러닝 기반의 이동 방향 추정 기법을 제안한다. 제안된 기법을 검증하기 위해 Android OS에서 관성 측정 장비의센서 데이터를 수집하였고, Google사의 기계학습 라이브러리 TensorFlow를 사용하여 딥러닝 모델을 구현하여 제안 기법의 실험 결과를 확인하였다.

영어초록

Pedestrian dead reckoning (PDR) which is widely used in smartphone-based indoor localization, updates user's location by calculating the movement variations using the inertial measurement unit (IMU) inside the smartphones. The PDR consists of three components: step detection, stride length estimation, and direction estimation. In the indoor environment, although the step detection and the stride length estimation obtain accurate results relatively, the direction estimation accuracy can be easily affected by the cumulative errors and the magnetic noises. In this paper, we propose a deep learning-based direction estimation scheme by taking into account the gyroscope drift problem and the external magnetic field effects. The proposed scheme collects the IMU data when the user freely walks with the smartphone as the training data and labels the data using the actual walking direction as the output data. The proposed deep learning model receives the IMU sensor values while the user walks, and predicts the direction of the current step. In order to evaluate the performance of the proposed scheme, we built an Android app to collect the IMU sensor data, and train the deep learning model by utilizing the Google’s TensorFlow machine learning library.

참고자료

· 없음