Entwicklung eines Kalman-Filters zur optimalen Positionsschätzung langsam bewegter Objekte

Abstract

Diese Diplomarbeit behandelt die Entwicklung und Erprobung eines kartenunabhängigen Algorithmus zur autonomen, dreidimensionalen Positionierung von langsam bewegten Objekten im Freien (speziell im innerstädtischen Gebiet) und in Gebäuden. Zur optimalen ebenen Positionsschätzung enthält der Algorithmus als zentrales Element ein zeitdiskretes Kalman-Filter, das absolute und relative Positionsdaten von Messsensoren (GPS Empfänger Garmin eTrex Summit, digitaler magnetischer Kompass Honeywell HMR 3000, Pedometer und Kreisel mit magnetischem Kompass GyroDRM) mit einem kausal modifizierten kinematischen Bewegungsmodell verknüpft. Zusätzliche Kriterien bzw.<br />alternative Strategien, die den Zustand des Filters und des Fußgängers sowie die aktuelle Verfügbarkeit der Signale der Messsensoren berücksichtigen, steigern die Genauigkeit und Zuverlässigkeit.<br />Zur Ermittlung der Höhe wird der Ansatz eines Kalman-Filters verwendet, das den mit dem Digitalbarometer Vaisala PTB 220 gemessenen, sprunghaften Verlauf der Höhe "glättet". Neben der Bestimmung der 3D-Position (z.B. für die Zuordnung eines Stockwerkes) wird dadurch die korrekte Auswahl von unterschiedlichen Schrittlängen anhand der aktuellen Höhendifferenzen gesteigert.<br />Anhand von zwei durchgeführten Testmessungen wird der entwickelte, für Echtzeitanwendungen adaptierbare Algorithmus im Postprocessing erprobt und analysiert.<br />

In this work, a map-independent algorithm for autonomous, 3-dimensional pedestrian positioning is developed and tested in urban area and indoor scenarios. To estimate the optimal horizontal position, the algorithm includes a discrete-time Kalman filter, which combines absolute and relative position sensors (a Garmin eTrex Summit GPS receiver, a digital compass Honeywell HMR 3000, a step counter and a gyro with a magnetic compass of the dead reckoning module GyroDRM) with a causative modified kinematic motion model. Additional procedures, that contain the state of the filter performance and of the pedestrian movement as well as the actual availability of the position sensors, increase the accuracy and reliability of the positioning.<br />To estimate the vertical position, a discrete Kalman filter is being used, which smoothes the erratic height measurements of the high accuracy Vaisala PTB 220 digital barometer. In addition to determining the 3D position (e.g. to locate the floor of a building) the accurate choice of different step lengths based on the actual height differences is enhanced.<br />On the basis of two test measurements a performance analysis of the developed algorithm in post-processing is discussed.