Fußgänger-Koppelnavigation

Bild 1: Blockschaltbild eines PDR-Systems. ST Microelectronics

Den Standort zu kennen, ist eine wichtige Voraussetzung für Kontextbewusstsein. Viele Anwendungsfälle werden realisierbar, wenn die Information über den Standort in geschlossenen Räumen mit hoher Zuverlässigkeit verfügbar ist. Die Fußgänger-Koppelnavigation (Pedestrian Dead-Reckoning – PDR) ist eine Technologie, mit der sich die Verfügbarkeit und Zuverlässigkeit von Standortinformationen im Indoor-Bereich wirksam verbessern lässt.

Welche Positionsbestimmungstechniken gibt es?

Im Bereich der Outdoor-Navigationslösungen haben sich die GNSS-Empfänger (Global Navigation Satellite System) durchgesetzt, die man heute in praktisch jedem Smartphone findet. Sie ermöglichen eine umfangreiche Palette an ortsbasierten Diensten von der Navigation über die Suche nach interessanten Orten bis zur Kartendarstellung. Die Anwender erwarten von ihren Geräten inzwischen die Fähigkeit, in sämtlichen Umgebungen Positionsinformationen auszugeben. Dabei wird oft nicht bedacht, dass die Satellitensignale nicht durch die Wände und Decken beispielsweise von Läden oder Flughafenterminals dringen können. Tatsächlich aber werden die Signale der GNSS-Satelliten von Baumaterialien stark gedämpft, sodass in geschlossenen Räumen auch ein noch so empfindlicher Empfänger keine Positionsinformationen liefern kann.

ECKDATEN

Die für den Fußgänger-Koppelnavigationsprozess erforderlichen Trägheits-, Magnet- und Drucksensoren wurden in ihrer Leistungsfähigkeit entscheidend verbessert, und auch der Stromverbrauch dieser Sensoren ist sehr gering, sodass diese Bauelemente in PDR-Anwendungen stets eingeschaltet bleiben können. Die Folge dieses Trends ist eine starke Nachfrage nach qualitativ hochwertigen MEMS-Sensoren und leistungsfähigen PDR-Algorithmen, um das Ziel der allgegenwärtigen Verfügbarkeit von Positionsinformationen zu erreichen.

Für die Indoor-Positionsbestimmung werden verschiedene Lösungen entwickelt, die Funksender als eine Art Leuchtfeuer (Beacons) nutzen, um per Triangulation die Position des Empfängers zu berechnen. In geschlossenen Räumen können diese Lösungen die installierten Wi-Fi Access Points (APs) zur Positionsbestimmung heranziehen. Ähnliche Verfahren können zusätzlich Bluetooth-Sender sowie GSM- und andere Mobilfunksender nutzen, oder aber spezielle Beacons wie zum Beispiel Nextnav. Diese Technologien kombinieren Daten aus der Server-Infrastruktur für Assisted-GPS und GLONASS, erweiterte Ephemeridendaten und Positionsdaten von Wi-Fi-APs. Jedes Verfahren hat seine spezifischen Stärken und Schwächen bei der Indoor-Ortung. Als weitere Alternative kommt die Positionsermittlung mithilfe von MEMS-Sensoren, also Beschleunigungssensoren, Magnetsensoren, Drehratengebern (Gyroskopen) und Höhenmessern hinzu, die man in modernen Smartphones, Tablets, Kameras, Fitnessprodukten und anderen portablen Consumer-Geräten üblicherweise vorfindet. Mithilfe dieser Sensoren lässt sich die Position durch die eingangs erwähnte Fußgänger-Koppelnavigation (PDR) bestimmen.

Sensorfusion

Der Controller fasst die aus den verschiedenen Quellen bezogenen Informationen, abgestimmt auf die gewünschte Positionsgenauigkeit und das verfügbare Finanzbudget zusammen, und stellt der Applikation anschließend eine Positionsangabe, kombiniert mit einer Angabe der Unsicherheit dieser Information, zur Verfügung. Die Fusionsalgorithmen spielen eine entscheidende Rolle beim Gewichten der Informationen, die von verschiedenen Technologien wie Wi-Fi, Bluetooth, PDR und GNSS kommen. Dabei werden Vertrauensparameter für jede Positionsschätzung, Korrelationsparameter und zurückliegende Messungen herangezogen. Unter freiem Himmel zeichnet sich die von einem GNSS-Empfänger bezogene Positionsinformation durch hohe Genauigkeit und geringe Unsicherheit aus. Die Positionsschätzung von einem Wi-Fi-System bietet dagegen mehr Genauigkeit (und eine dementsprechend geringere Unsicherheit), wenn der Controller bei der Positionsberechnung auf Messungen von APs zurückgreifen kann, die sich in der Nähe des Anwenders befinden und eine hohe Signalstärke haben. Einfluss auf die mit dieser Lösung mögliche Positionsgenauigkeit hat natürlich auch das Verzeichnis der Wi-Fi-APs mit ihren genauen Standorten und Unsicherheiten.

Das PDR-Verfahren benötigt dagegen keinerlei externe Hilfestellung oder Infrastruktur und kann präzise relative Positionsinformationen bereitstellen. Mit seinen Eigenschaften ergänzt es daher die absoluten Ortsbestimmungs-Technologien wie GNSS oder die Wi-Fi-basierten Navigationssysteme. Die PDR-Technik bietet sich daher für ein Hybridsystem an, das die Position des Anwenders im Indoor-Bereich mit erhöhter Genauigkeit, Verfügbarkeit und Zuverlässigkeit bereitstellen kann.

Fußgänger-Koppelnavigation

Die MEMS-Sensoren, mit denen Mobilgeräte in der Regel ausgestattet sind, sind mit Drift und Rauschen behaftet, wodurch die in klassischen INS-Umsetzungen verwendeten, auf Integration basierenden Methoden mit nicht beherrschbaren Positions- und Höhenfehlern zu kämpfen haben. Für die Fußgängernavigation liefern die klassischen integrationsbasierten Verfahren unzureichende Resultate. Dies liegt an der komplexen Dynamik menschlicher Bewegungen, die sich schwierig modellieren und für die Berechnungen heranziehen lässt. In den vergangenen zehn Jahren haben sich in erster Linie zwei Methoden entwickelt, die vielversprechende Ergebnisse für die Fußgängernavigation im Indoor-Bereich liefern. Dies sind einerseits auf Zero-Velocity-Update basierende INS-EKF-ZUPT-Methode (IEZ) und andererseits das auf der Kinematik des menschlichen Gehens beruhende Verfahren. Letzteres stützt sich auf Algorithmen zur Schritterkennung, zur Abschätzung der Schrittlänge und zur Schätzung der Gehrichtung. Die ZUPT-basierten Methoden beruhen auf der Annahme, dass Inertialsensoren am Fuß angebracht sind und dass sich der Fuß während eines Schritts kurzzeitig nicht bewegt. Der vorliegende Beitrag stützt sich jedoch auf ein allgemeineres Konzept.

Fußgänger-Koppelnavigation

Gleichung 1 ST Microelectronics

Die mathematische Formel für den PDR-Prozess lässt sich von der generalisierten Navigationsgleichung herleiten, die nach zweimaliger Integration von der Beschleunigung der Plattform zur Position hinführt, die im Nord- und Ost-Referenzrahmen dargestellt wird und sich folgendermaßen ausdrücken lässt, siehe Gleichung 1. Darin steht s(t) für den Versatz und ψ(t) für den Kurs. Bei der Bewegung von Fußgängern werden Geschwindigkeit und Kurs für die Dauer eines Schritts als konstant angenommen. Mithilfe der stückweisen linearen Annäherung lässt sich Gleichung 1 dann wie folgt als Differenzengleichung formulieren, siehe Gleichung 2. Sie beschreibt die Methode der Koppelnavigation, die auf der Schrittzählung anstatt auf Beschleunigung und Drehrate basiert. Die Koppelnavigation in Gleichung 2 besteht aus drei Komponenten: Erstens ist dies die letzte bekannte absolute Position (unter Verwendung des Ost/Nord-Koordinatenrahmens) des Anwenders zum Zeitpunkt t-1 (Et-1, Nt-1), zweitens die Schrittlänge und drittens der Kurs (ψ) seit dem Zeitpunkt t-1. Die Koordinaten (Et, Nt) einer neuen Position, bezogen auf eine vorherige bekannte Position (Et-1, Nt-1), lassen sich gemäß Gleichung 2 berechnen.

Fußgänger-Koppelnavigation

Gleichung 2 ST Microelectronics

Aus Gleichung 2 lässt sich entnehmen, dass die Genauigkeit der PDR-Lösung von zwei Faktoren abhängt, nämlich von der Berechnung des zurückgelegten Wegs und der Gehrichtung des Anwenders. In der Umsetzung des PDR-Verfahrens wird die zurückgelegte Wegstrecke berechnet, indem die geschätzte Schrittlänge für jeden detektierten Schritt aufsummiert wird. Allerdings stellt die Abschätzung der Schrittlänge für die gesamte Weltbevölkerung eine ziemliche Herausforderung dar. Es wurden verschiedene Modelle für die Schrittlängenschätzung entwickelt.

Das Blockschaltbild in Bild 1 zeigt die verschiedenen Komponenten eines Systems für Fußgänger-Koppelnavigation. Die Daten des Inertialsensors werden von einer Kalibrierungsüberwachungs-Logik verarbeitet. Die beste Schätzung des systematischen Fehlers (Bias) und des Skalenfaktors des Beschleunigungssensors und des Drehratengebers werden beibehalten. Die Magnetometer-Daten durchlaufen ebenfalls einen Kalibrierungsüberwachungs-Block, um Hart- und Weicheisen-Parameter zu bestimmen. Eine Überwachung der Magnetometer-Daten erfolgt auch, um festzustellen, ob die Messdaten auf eine magnetische Beeinflussung hindeuten. Das magnetische Kalibrierungsüberwachungs-Modul ist so ausgelegt, dass eine Beeinflussung der Kalibrierparameter durch magnetische Störungen unterbunden wird.

Der Schritterkennungs-Algorithmus nutzt die Musterabgleichtechnik zur Anpassung an die Merkmale der menschlichen Gangart. Dabei variieren die Beschleunigungsmuster abhängig davon, wo sich das Gerät am Körper befindet (in der Hosentasche, in einem Holster oder in der Hemdentasche). Das Modul zur Erkennung des Trageorts detektiert die Position des Moduls für gängige Anwendungsfälle (zum Beispiel in der Hand mit schwingendem Arm, in der Hosentasche, in Kopfnähe, im Rucksack, in der Hemdentasche oder in einem Holster).

Fußgänger-Koppelnavigation

Bild 2: Gehrichtung. ST Microelectronics

Der zweite Term der PDR-Gleichung (für den Kurs) besteht aus dem Kurs des Geräts und der Gehrichtung des Benutzers. Ersterer lässt sich mit einem neigungskompensierten Ausgangssignal auf der Basis von Kompassmessungen berechnen. Da aber die Leistungsfähigkeit des Kompasses durch von außen kommende magnetische Störungen beeinflusst wird, ist es nicht sinnvoll, sich allein auf Kompassmessungen zu verlassen. Dies ist der Hauptgrund, weshalb man Magnetometer-, Gyroskop- und Beschleunigungssensor-Daten kombiniert und durch ein Fusionsfilter schickt, das auch als Attitude Filter (Lagefilter) bezeichnet wird. Dieses Filter berechnet die Lage eines Geräts relativ zum Erd-Bezugsrahmen. Die Lage des Geräts wird in Quaternionen ausgedrückt, weil diese Darstellung kompakter ist und Quaternionen anders als Eulerwinkel oder 9×9-Orientierungsmatrizen numerisch stabil sind. Das Lagefilter basiert auf einem Extended Kalman Filter (EKF), um variierende externe Magnetfelder und dynamische Bewegungen des Geräts zu berücksichtigen, wenn es von einer Person in gängigen Anwendungsfällen getragen wird. Da der Einfluss des Kurses auf die allgemeine Positionsbestimmungs-Genauigkeit erheblich ist, kommt es darauf an, stochastisches Rauschen, systematische Fehler und deren Instabilitäten, Nichtlinearitäten sowie weitere Effekte, die die Leistungsfähigkeit des Systems beeinträchtigen können, sorgfältig zu berücksichtigen.

Fußgänger-Koppelnavigation

Bild 3: Test der PDR-Lösung beim Gehen in verschiedenen Anwendungsfällen. ST Microelectronics

Die Bedeutung eines rauscharmen Magnetometers

Die Berechnung der Kalibrierparameter für das Magnetometer (Hart- und Weicheisen) erfolgt unter Verwendung von Messdaten, die aufgezeichnet werden, wenn die verschiedenen Achsen des Sensors mit der im normalen Gebrauch üblichen Drehung des Geräts im dreidimensionalen Raum dem Erdmagnetfeld ausgesetzt werden. Die Genauigkeit der Schätzung des systematischen Fehlers steht in direktem Zusammenhang mit dem Rauschen der Magnetometerdaten. Ist das Rauschen des Magnetometers hoch, so ist die Genauigkeit der Schätzung des systematischen Fehlers mäßig, was sich letztendlich auf die Kursschätzung auswirkt. Die Genauigkeit, mit der der systematische Fehler geschätzt wird, spielt in größeren Höhen, wenn die horizontale Komponente des Erdmagnetfelds schwächer wird, eine erhebliche Rolle. Selbst bei moderater Stärke des horizontalen Magnetfelds kann ein Bias-Fehler von 1 µT zu einem Kursfehler von bis zu 5° führen, was für eine PDR-Lösung beträchtlich ist.

Bestimmung der Gehrichtung

Das Lage-Fusionsfilter berechnet den Kurs des Geräts bezogen auf das Körper-Koordinatensystem. Wie aber Bild 2 verdeutlicht, kann das Gerät in einer beliebigen Ausrichtung bezogen auf den Benutzer gehalten werden, sodass der vom Lagefilter berechnete Kurs nicht mit der Gehrichtung des Benutzers übereinstimmen muss. Der Winkel α der Gehrichtung wird aufgrund der physiologischen Merkmale der Bewegung eines Fußgängers errechnet, sowie unter Verwendung zyklischer Merkmale und Statistiken der Beschleunigungs-Wellenform.

Testergebnisse

Die Implementierung der Fußgänger-Koppelnavigation erfolgte mit einem Beschleunigungssensor und Drehratengeber (LSM6DSM), einem Magnetometer (LSM303AGR) und einem Drucksensor (LPS22HB) an einem STM32-Mikrocontroller. Das Hardware-Referenzdesign mit den Sensoren, einem Mikrocontroller und Bluetooth-Konnektivität wird als Sensor Tile bezeichnet. Der ausgegebene PDR-Laufweg wird mithilfe einer Android-App in Echtzeit auf einem Smartphone dargestellt. Der aus Beschleunigungsaufnehmer und Gyroskop bestehende 6-Achsen-Sensor LSM6DSM nimmt im normalen Betrieb weniger als 400 µA auf. Der Drehratengeber dieses Sensors weist eine Drehraten-Rauschdichte von 3,8 mdps/√Hz auf, und die Beschleunigungs-Rauschdichte beträgt 90 µg/√Hz. Das Magnetometer hat ein RMS-Rauschen von 3 mGauss, und sein Bias unterliegt keiner Temperaturdrift, da dieser Sensor auf der AMR-Technologie basiert. Die Stromaufnahme des Magnetometers im hochauflösenden Modus ist kleiner als 200 µA. Der Drucksensor hat ein RMS-Rauschen von 0,0075 hPa bei einer Temperaturdrift von 0,1 hPa.

Die oben beschriebenen Rauscheigenschaften und die Bias-Stabilität der Sensoren werden in den robusten und leistungsfähigen PDR-Algorithmen genutzt, um das Ziel einer überall verfügbaren Positionsbestimmung zu erreichen.