There are many systems for indoor navigation specially built for visually impaired people but only some has good accuracy for navigation. While there are solutions like global navigation satellite systems for the localization outdoors, problems arise in urban scenarios and indoors due to insufficient or failed signal reception. To build a support system for navigation for visually impaired people, in this paper we present a comparison of indoor localization and navigation system, which performs continuous and real-time processing using commercially available systems (Beacons and Decawave) under the same experimental condition for the performance analysis. Error is calculated and analyzed using Euclidean distance and standard deviation for both the cases. We used Navigine Platform for this navigation system which allows both Tri-lateration as well as Fingerprinting algorithms. For calculating location we have used the concept of Time of Arrival and time of difference of arrivals. Taking into concern about the blind people, location is important as well as accuracy is necessity because small measurement in the walk is important to them. With this concern, in this paper, we are showing the comparative study of beacons and Decawave. The study and the accuracy tests of those systems for the blind people/user's in navigating indoor are presented in this paper.


翻译:专门为视障人士建造了许多室内导航系统,但只有一些系统对航行具有良好的准确性。虽然有全球导航卫星系统等解决方案,用于户外定位,但是由于信号接收不足或失灵,在城市和室内出现问题。要为视障人士建立导航支持系统,本文件比较室内定位和导航系统,该系统在业绩分析的相同实验条件下利用商业可用系统(Beacons和Decawave)进行连续实时处理。在使用Euclidean距离和标准偏差对错误进行计算和分析。我们使用导航平台为该导航系统提供三推延和指纹打印算法。在计算地点时,我们使用了抵达时间的概念和到达时间的差异。考虑到盲人,位置很重要,因为步行中的小量对他们很重要。在本文中,我们正在用Euclidean距离和标准偏差来计算和分析错误。我们使用导航平台对灯塔和Decawave的比较研究,这是为盲人/用户在室内导航中展示的系统所作的研究和精确性测试。

0
下载
关闭预览

相关内容

机器学习系统设计系统评估标准
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
8+阅读 · 2019年10月10日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年5月18日
Arxiv
0+阅读 · 2021年5月18日
Inferred successor maps for better transfer learning
VIP会员
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员