mireabulletinRussian Technological JournalRussian Technological Journal2782-32102500-316XRTU MIREA10.32362/2500-316X-2021-9-2-22-34mireabulletin-299Research ArticleИНФОРМАЦИОННЫЕ СИСТЕМЫ. ИНФОРМАТИКА. ПРОБЛЕМЫ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИINFORMATION SYSTEMS. COMPUTER SCIENCES. ISSUES OF INFORMATION SECURITYПешеходная навигация: чем инерциальные модули могут помочь смартфонам?Pedestrian navigation: how can inertial measurment units assist smartphones?https://orcid.org/0000-0002-1029-3690ЧистяковИ. А.ChistyakovI. A.

Чистяков Иван Александрович, аспирант кафедры системного анализа факультета вычислительной математики и кибернетики

119234, Москва, Ленинские горы, д. 1, стр. 52

Scopus Author ID: 57212444724

Ivan A. Chistyakov, Postgraguate Student, System Analysis Department,

1-52, Leninskie Gory, Moscow, 119234

Scopus Author ID: 57212444724

chistyakov.ivan@yahoo.comГришовИ. В.GrishovI. V.

Гришов Иван Владимирович, аспирант кафедры «Проблемы управления» Института кибернетики ФГБОУ ВО 

119454, Москва, пр-т Вернадского, д. 78

Ivan V. Grishov, Postgraguate Student, Control Problems Department, Institute of Cybernetics

78, Vernadskogo pr., Moscow, 119454 

ivan.grishov@yandex.ruНикулинА. А.NikulinA. A.

Никулин Алексей Андреевич, научный сотрудник

115191, Москва, Большой Староданиловский пер., д. 2, стр. 7

Alexey A. Nikulin, Researcher

2-7, Bolshoi Starodanilovsky per., Moscow, 115191 

nikulin.alexey@huawei.comПихлецкийМ. В.PikhletskyM. V.

Пихлецкий Михаил Викторович, к.т.н., ведущий исследователь

121614, Москва, Алтуфьевское шоссе, д. 1/7

Mikhail V. Pikhletsky, Cand. Sci. (Eng.), Principal Researcher

1/7 Altuf’evskoe sh., Moscow, 121614

pikhletsky.mikhail@huawei.comhttps://orcid.org/0000-0001-5866-3411ГарцеевИ. Б.GartseevI. B.

Гарцеев Илья Борисович, к.т.н., доцент кафедры «Проблемы управления» Института кибернетики, ведущий инженер ключевых проектов

119454, Москва, пр-т Вернадского, д. 78

 ResearcherID: Y-6501-2019, Scopus Author ID: 55973474600

Ilya B. Gartseev, Cand. Sci. (Eng.), Associate Professor, Control Problems Department, Institute of Cybernetics, Lead Engineer of Key Projects

78, Vernadskogo pr., Moscow, 119454

1/7 Altuf’evskoe sh., Moscow, 121614

ResearcherID: Y-6501-2019, Scopus Author ID: 55973474600

gartseev@mirea.ruМосковский государственный университетРоссияMoscow State UniversityRussian FederationМИРЭА – Российский технологический университетРоссияMIREA – Russian Technological UniversityRussian FederationООО «КС Кадровый Консалтинг»РоссияKS Kadrovyi ConsultingRussian FederationООО «Техкомпания Хуавэй»РоссияHuaweiRussian FederationМИРЭА – Российский технологический университет; ООО «Техкомпания Хуавэй»РоссияMIREA – Russian Technological University; HuaweiRussian Federation202126042021922234Copyright © Чистяков И.А., Гришов И.В., Никулин А.А., Пихлецкий М.В., Гарцеев И.Б., 20212021Чистяков И.А., Гришов И.В., Никулин А.А., Пихлецкий М.В., Гарцеев И.Б.Chistyakov I.A., Grishov I.V., Nikulin A.A., Pikhletsky M.V., Gartseev I.B.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rtj-mirea.ru/jour/article/view/299

Работа посвящена построению референсных траекторий ходьбы человека с целью дальнейшей разработки на их основе алгоритмов пешеходной навигации для смартфонов, в том числе с помощью методов машинного обучения. Рассматривается задача восстановления замкнутых траекторий по данным, полученным с помощью инерциальных измерительных блоков (ИИБ), зафиксированных на ногах в области подъема стопы. Особенностями подхода являются использование недорогих датчиков и простота представленного метода. Предлагаются алгоритмы, позволяющие построить сглаженную двумерную траекторию движения пешехода как по измерениям одного ИИБ, так и по совместным измерениям двух блоков. Алгоритмы основаны на использовании модификации фильтра Калмана и предположения о нулевой скорости ИИБ в момент соприкосновения стопы пешехода с поверхностью. В случае двух измерительных блоков дополнительно предполагается, что положения датчиков левой и правой ног не могут значительно отличаться друг от друга. Работа алгоритмов была проверена на траекториях длительностью от 1 до 10 минут, полученных при движении пешеходов внутри помещений по ровным горизонтальным поверхностям. Для оценки полученных результатов восстановленные указанными способами траектории сравниваются с высокоточными решениями, построенными с помощью данных от GNSS-приемников, работающих в RTK-режиме. Также рассматривается вопрос синхронизированного сбора данных от всех источников и приводится подробное описание проведенных экспериментов и используемого оборудования. Набор данных, на котором происходила верификация алгоритмов, свободно доступен по адресу: http://gartseev.ru/projects/rtj2021.

This paper is devoted to construction of reference walking trajectories for developing pedestrian navigation algorithms for smartphones. Such trajectories can be used both for verification of classical algorithms of navigation or for application of machine learning technics. Reconstruction of closed trajectories based on data from foot-mounted inertial measurement units (IMU) is investigated. The advantages of the approach are the use of inexpensive sensors and the simplicity of the presented method. We propose algorithms for reconstruction of smooth 2D pedestrian trajectories based on measurements from a single IMU as well as on combined measurements from two IMU’s. Introduced algorithms are based on application of modified Kalman filter with an assumption of IMU having zero velocity when foot contacts the ground. In case of two measurement units, it is additionally assumed that the positions of the sensors cannot differ significantly from each other. The algorithms were tested on trajectories lasting from 1 to 10 minutes, passing indoors on horizontal surfaces. Obtained results were compared with high precision trajectories acquired with GNSS RTK receivers. Additionally, the process of inter-device time synchronization is investigated and detailed description of the experiments and used equipment is given. The dataset used for verification of proposed algorithms is freely available at: http://gartseev.ru/projects/rtj2021.

пешеходная навигацияинерциальная навигацияИИБнаблюдение нулевой скоростиинерциальная навигационная системаRTK-режимдатасетмашинное обучениеглубокое обучениесмартфонсинхронизация измерительных блоковpedestrian navigationinertial navigationinertial navigation system (INS)inertial measurement unit (IMU)zero velocity update (ZUPT)foot mounted deviceRTKdatasetmachine learningdeep learningPDRsmartphonesynchronizationReferencesWoodman O.J. An introduction to inertial navigation. Technical Report UCAM-CL-TR-696. 2007. 37 p. URL: https://www.cl.cam.ac.uk/techreports/UCAM-CLTR-696.pdfWoodman O.J. An introduction to inertial navigation. Technical Report UCAM-CL-TR-696. 2007. 37 p. URL: https://www.cl.cam.ac.uk/techreports/UCAM-CLTR-696.pdfChen C., Zhao P., Lu C.X., Wang W., Markham A., Trigoni N. Deep-Learning-Based Pedestrian Inertial Navigation: Methods, Data Set, and On-Device Inference. IEEE Internet of Things Journal. 2020;7(5):4431−4441.Chen C., Zhao P., Lu C.X., Wang W., Markham A., Trigoni N. Deep-Learning-Based Pedestrian Inertial Navigation: Methods, Data Set, and On-Device Inference. IEEE Internet of Things Journal. 2020;7(5):4431−4441.Herath S., Yan H., Furukawa Y. RoNIN: Robust Neural Inertial Navigation in the Wild: Benchmark, Evaluations, & New Methods. In: 2020 IEEE International Conference on Robotics and Automation (ICRA).2020, p. 3146−3152.Herath S., Yan H., Furukawa Y. RoNIN: Robust Neural Inertial Navigation in the Wild: Benchmark, Evaluations, & New Methods. In: 2020 IEEE International Conference on Robotics and Automation (ICRA).2020, p. 3146−3152.Wang Q., Luo H., Ye L., Men A., Zha, F., Huang, Y., Ou C. Pedestrian heading estimation based on spatial transformer networks and hierarchical LSTM. IEEE Access. 2019;7:162309−162322. https://doi.org/10.1109/ACCESS.2019.2950728Wang Q., Luo H., Ye L., Men A., Zha, F., Huang, Y., Ou C. Pedestrian heading estimation based on spatial transformer networks and hierarchical LSTM. IEEE Access. 2019;7:162309−162322. https://doi.org/10.1109/ACCESS.2019.2950728Bayev A., Chistyakov I., Derevyankin A., Gartseev I., Nikulin A., Pikhletsky M. RuDaCoP: The dataset for smartphone-based intellectual pedestrian navigation. In: 2019 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Pisa, Italy, 2019, p. 1−8. https://doi.org/10.1109/IPIN.2019.8911823Bayev A., Chistyakov I., Derevyankin A., Gartseev I., Nikulin A., Pikhletsky M. RuDaCoP: The dataset for smartphone-based intellectual pedestrian navigation. In: 2019 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Pisa, Italy, 2019, p. 1−8. https://doi.org/10.1109/IPIN.2019.8911823Colomar D.S., Nilsson J.-O., Händel P. Smoothing for ZUPT-aided INSs. In: 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Sydney, NSW, Australia, 2012, p. 1−5. https://doi.org/10.1109/IPIN.2012.6418869Colomar D.S., Nilsson J.-O., Händel P. Smoothing for ZUPT-aided INSs. In: 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Sydney, NSW, Australia, 2012, p. 1−5. https://doi.org/10.1109/IPIN.2012.6418869Nilsson J.-O., Skog I., Händel P., Hari K.V.S. Footmounted INS for everybody — an open-source embedded implementation. In: Proceedings of the 2012 IEEE/ION Position, Location and Navigation Symposium (PLANS). Myrtle Beach, SC, USA, 2012, p. 140−145. https://doi.org/10.1109/PLANS.2012.6236875Nilsson J.-O., Skog I., Händel P., Hari K.V.S. Footmounted INS for everybody — an open-source embedded implementation. In: Proceedings of the 2012 IEEE/ION Position, Location and Navigation Symposium (PLANS). Myrtle Beach, SC, USA, 2012, p. 140−145. https://doi.org/10.1109/PLANS.2012.6236875Nilsson J.-O., Gupta A.K., Händel P. Foot-mounted inertial navigation made easy. In: 2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN). 2014, p. 24−29.Nilsson J.-O., Gupta A.K., Händel P. Foot-mounted inertial navigation made easy. In: 2014 International Conference on Indoor Positioning and Indoor Navigation (IPIN). 2014, p. 24−29.Skog I., Handel P., Nilsson J.-O., Rantakokko J. Zero-velocity detection: An algorithm evaluation. IEEE Transactions on Biomedical Engineering. 2010;57(11):2657−2666. https://doi.org/10.1109/TBME.2010.2060723Skog I., Handel P., Nilsson J.-O., Rantakokko J. Zero-velocity detection: An algorithm evaluation. IEEE Transactions on Biomedical Engineering. 2010;57(11):2657−2666. https://doi.org/10.1109/TBME.2010.2060723Chistiakov I.A., Nikulin A.A., Gartseev I.B. Pedestrian dead-reckoning algorithms for dual foot-mounted inertial sensors. In: 2019 26th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS). St. Petersburg, Russia, 2019, p. 1−8. https://doi.org/10.23919/ICINS.2019.8769341Chistiakov I.A., Nikulin A.A., Gartseev I.B. Pedestrian dead-reckoning algorithms for dual foot-mounted inertial sensors. In: 2019 26th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS). St. Petersburg, Russia, 2019, p. 1−8. https://doi.org/10.23919/ICINS.2019.8769341Eiter T., Mannila H. Computing discrete Fréchet distance. Technical Report CD-TR 94/64. Christian Doppler Laboratory for Expert Systems. 1994:636−637.Eiter T., Mannila H. Computing discrete Fréchet distance. Technical Report CD-TR 94/64. Christian Doppler Laboratory for Expert Systems. 1994:636−637.Müller M. Dynamic Time Warping. In: Information Retrieval for Music and Motion. Berlin, Heidelberg: Springer; 2007. P. 69–84. https://doi.org/10.1007/978-3-540-74048-3_4Müller M. Dynamic Time Warping. In: Information Retrieval for Music and Motion. Berlin, Heidelberg: Springer; 2007. P. 69–84. https://doi.org/10.1007/978-3-540-74048-3_4Vaughana N., Gabrysa B. Comparing and combining time series trajectories using Dynamic Time Warping. Procedia Computer Science. 2016;96:465−474. https://doi.org/10.1016/j.procs.2016.08.106Vaughana N., Gabrysa B. Comparing and combining time series trajectories using Dynamic Time Warping. Procedia Computer Science. 2016;96:465−474. https://doi.org/10.1016/j.procs.2016.08.106Niu X., Li Y., Kuang J., Zhang P. Data fusion of dual foot-mounted IMU for pedestrian navigation. IEEE Sensors Journal. 2019;19(12):4577−4584. https://doi.org/10.1109/JSEN.2019.2902422Niu X., Li Y., Kuang J., Zhang P. Data fusion of dual foot-mounted IMU for pedestrian navigation. IEEE Sensors Journal. 2019;19(12):4577−4584. https://doi.org/10.1109/JSEN.2019.2902422Lemmon M.D., Ganguly J., Xia L. Model-based clock synchronization in networks with drifting clocks. In: Proceedings of Pacific Rim International Symposium on Dependable Computing. Los Angeles, CA, USA, 2000, p. 177−184. https://doi.org/10.1109/PRDC.2000.897300Lemmon M.D., Ganguly J., Xia L. Model-based clock synchronization in networks with drifting clocks. In: Proceedings of Pacific Rim International Symposium on Dependable Computing. Los Angeles, CA, USA, 2000, p. 177−184. https://doi.org/10.1109/PRDC.2000.897300Cormen T.H., Leiserson C.E., Rivest R.L., Stein C. Introduction to Algorithms: 3rd Edition. The MIT Press; 2009. P. 864−878.Cormen T.H., Leiserson C.E., Rivest R.L., Stein C. Introduction to Algorithms: 3rd Edition. The MIT Press; 2009. P. 864−878.

The authors declare that there are no conflicts of interest present.