Inomhuspositionering

På öppna områden utomhus kan positionering göras relativt noggrant och säkert med hjälp av satellitpositionering: även med konsumentprodukter uppnår man typiskt cirka fem meters noggrannhet. Situationen blir en annan i stadsområden eller inomhus, där höga byggnader reflekterar och dämpar signalerna. I det fallet kan satellitpositioneringssignalerna inte utnyttjas alls eller så är det mycket osäkert att använda dem. Det krävs alltså annan teknik för att kunna få positionsuppgifter även i en sådan miljö.

Kuvassa työntekijä mittaa malmipitoisuuksia pimeässä kaivoksessa.
Noggrann positionering av arbetstagare och arbetsmaskiner ökar arbetssäkerheten i gruvor där sikten ofta är dålig. (Bild: Aigar Vaigu)

Vissa navigeringstekniker är absoluta till sin natur och ger användarens position i förhållande till något känt koordinatsystem eller någon karta. Andra är relativa, det vill säga mäter bara förflyttningen i förhållande till föregående position. Idealiskt vore att kombinera olika metoder så att till exempel en smarttelefonanvändare inte skulle märka någon skillnad i positioneringsfunktionen i olika miljöer, men här har man ännu inte lyckats.

De flesta av oss har stött på positioneringstillämpningar i utomhusmiljöer, där det vanligaste exemplet är bilnavigatorn. Många har säkert också delat sin position via sociala medier t.ex. på ett kafé. Men några tillämpningar med ruttplaneringsnoggrannhet för inomhusbruk finns knappast tillgängliga. Det är dock lätt att tänka sig olika slags användningsbehov: en kund i ett affärscentrum skulle vilja hitta fram till en önskad butik, kanske till och med rätt hylla. När en kund anländer med robotbil måste bilen kunna fungera också i parkeringshuset.

Ibland kan någon annan än den som positioneras vara intresserad av informationen som inomhuspositionering ger: till exempel ökar säkerheten för väktare, sjukvårdspersonal eller brandmän om dessa automatiskt kan kalla på mer resurser om det under uppgiften händer något farligt. Det kan också vara värdefullt för ägaren av affärscentret eller butiken att veta i vilka butiker och vid vilka hyllor kunderna fördriver mest tid.

Radiosignaler

På grund av sin låga sändningseffekt går det inte att använda satellitnavigeringssignaler inomhus eller mellan höga hus. På sådana platser finns det dock ofta andra radiosändare ur vars kraftigare signaler det går att få positionsinformation även om det inte är deras ursprungliga användningsändamål. Sådana signaler kallas med en engelsk term för signals of opportunity. Till skillnad från rörelsesensorer ger radiosignaler i allmänhet positionsinformation i absoluta koordinater och inte i förhållande till en tidigare position.

I många hem och andra byggnader finns basstationer för trådlöst nät (WLAN, WiFi) och dessa finns typiskt på samma ställe i upp till flera år. WLAN-signalen innehåller alltid en kod som identifierar basstationen så att vetskap om basstationens verkliga position ger också en ungefärlig uppskattning av användarens position. Ofta baseras WLAN-positionering dock på en s.k. radiokarta, som är en stor databas av WLAN-stationer som hörs på olika platser: i det fallet behöver man inte känna till positionen för någon enskild basstation. En smart telefon kan då mäta de WLAN-signaler som hörs i omgivningen och med radiokartan som grund avgöra sin egen position. På motsvarande sätt kan man också utnyttja bluetooth-signaler. Numera samlas radiokartor in och upprätthålls på massbas med hjälp av smarta enheter: enheterna skickar automatiskt uppgifter om sin position och de signaler de observerat till sin tillverkare för att underhålla radiokartan.

I större skala än WLAN-näten, men med samma princip, kan man också positionera med hjälp av mobilnäten: mobilbasstationerna kan på samma sätt identifieras med hjälp av sina signaler. Det finns dock så glest med mobilbasstationer att man med hjälp av dem som bäst uppnår en noggrannhet på några tiotals eller hundratals meter, i glesbygd ännu sämre. Situationen förväntas dock bli bättre så småningom i takt med att 5G-näten tas i bruk, då blir det möjligt att göra direkta avståndsmätningar med hjälp av 5G-signalerna.

Speciellt i professionella sammanhang kan man också använda andra radiobaserade avståndsmätningar, till exempel metoder inom brett frekvensband (UWB, ultra-wide band), som är avsedda för att tränga igenom väggar så bra som möjligt. Utöver radiofrekvenser kan absolut positionsinformation förmedlas inomhus även med andra signaler, som ultraljud.

Rörelsesensorer

Med rörelsesensorer kan man mäta användarens rörelse oberoende av miljön. Som namnet anger mäter de bara rörelse, det vill säga utgångspunktens koordinater måste bestämmas på annat sätt.

Undervattensfarkoster och flygplan har traditionellt använt tröghetsnavigering i situationer där satellitpositionering inte fungerar: med hjälp av accelerometrar och vinkelhastighetsgivare eller gyroskop kan man räkna fram förändringar av användarens position och rörelseriktning. Idag kan gyroskop och accelerometrar tillverkas till ett lågt pris och i litet format med hjälp av mikromekanisk teknik (MEMS, microelectromechanical system): i praktiken innehåller alla smarta telefoner sådana givare bl.a. för bestämning av enhetens läge (vridning av skärmbilden horisontellt eller vertikalt) och spelanvändning. Även med tröghetsgivare för tiotusentals euro som används i flygplan kan positionsfelet efter en timmes tröghetsnavigering öka till över en kilometer om inga andra navigationsmetoder används.

Om användarens position och hastighet vid en viss tidpunkt är känd, kan man med hjälp av tröghetsmätningar i princip bestämma platsen och hastigheten även vid andra tidpunkter. Problemet är dock att mätfelen snabbt ackumuleras: till exempel orsakar även ett litet systematiskt fel i accelerationsmätningen ett positionsfel med andra potens av tiden. Speciellt mätningar med billiga mikromekaniska givare är förknippade med mycket fel, och de kan i praktiken inte användas för traditionell tröghetsnavigering.

Rörelsegivara kan dock även användas på andra sätt än med traditionell tröghetsnavigering. Vid positionering av fotgängare kan mätningar från accelerometrar användas för att identifiera stötar som visar stegrytmen. Om rörelseriktningen är känd kan då användarens position beräknas med en uppskattning av steglängden: positionsfelet beror nu på den sträcka man rört sig och inte på andra potens av tiden, det vill säga felet ökar betydligt långsammare. Rörelseriktningen kan mätas med gyroskop eller eventuellt till och med kompass eller magnetometer. Kompasser är dock typiskt opålitliga inomhus eftersom ferromagnetiska föremål som armeringsjärn samt elektriska apparater förvränger magnetfältet så att kompassen visar fel. Å andra sidan är dessa förvrängningar av magnetfältet ofta långlivade till sin natur så det är möjligt att för navigeringsändamål skapa en motsvarande karta av dem som av WLAN-signaler.

I positionering inomhus är ofta höjdkoordinaten viktigare än utomhus: i många fall är informationen om inomhusposition meningslös om den visar fel våning i byggnaden. För bestämning av höjden kan man utnyttja lufttrycksmätning eller barometer, eftersom lufttrycket minskar med höjden. Problemet med barometermätningar är att de påverkas förutom av höjden också av en mängd miljöfaktorer som väder och byggnadens ventilation. På grund av detta måste en barometer kalibreras ofta för att dess höjduppgift ska vara tillförlitlig.

Avbildning

Ögonen är människans viktigaste navigeringsverktyg så det är uppenbart att även artificiell syn har sin plats i positionering. Med hjälp av kamerabilder kan man positionera med två olika metoder: genom att identifiera landmärken eller genom att följa kamerans rörelse. I den först nämnda metoden jämförs kamerabilden med en databas över kända vyer; om motsvarande bild hittas i databasen kan man bestämma användarens position. Det är en arbetsintensiv uppgift att bygga upp och underhålla en sådan databas och uppgiften kräver mycket lagringsutrymme, men till exempel de data som finns i Google Street View skulle göra det möjligt att använda denna positioneringsmetod i gatumiljö.

Det krävs ingen bilddatabas för att i stället följa kamerans rörelse, men detta ger inte absoluta positionskoordinater. Rörelseföljning grundar sig på jämförelse av konsekutiva kamerabilder: ur positionsförändringar för objekt som identifierats i båda bilderna kan man bestämma förändringar av kamerans position och läge. Metodens noggrannhet blir lidande om bildens objekt också är rörliga, t.ex. människor eller fordon. Ett annat problem är att man med en kamera inte direkt kan mäta avstånd, eftersom skalan inte är känd: med en bild som grund kan man inte veta om något objekt är stort och långt borta eller litet och nära. Problemet med skala kan lösas genom att använda stereokamera, men då ökar den fysiska storleken för utrustningen som används för positionering, eftersom okularen i stereokameran måste vara tillräckligt långt från varandra för att kunna mäta avstånd noggrant. En annan lösning är att använda andra rörelsegivare eller förhandsinformation om skalan i bilden (t.ex. höjdläget för kameran eller objektets mått).

Utöver kameror kan artificiell syn också realiseras med aktiva avbildningsapparater som laserskanner (LiDAR). Fördelen med sådana metoder är att de fungerar även i mörker samt att avståndsmätningen är noggrann. En tredimensionell bild av hela omgivningen fås och man kan till och med skapa en karta utöver positioneringen (simultaneous localization and mapping, SLAM). Laserskannrar är dock inte lika vanliga som kameror, rörelsegivare och radio, så de lämpar sig inte särskilt bra för positionering av t.ex. smarttelefonanvändare. I militär användning kan laserstrålen från skannern också avslöja sin användare för fienden.

Multigivarpositionering är nödvändig för inomhuspositionering

Karakteristiskt för positionering inomhus är att ingen enskild mätteknik och inget enskilt positioneringssystem är tillräckligt bra i många olika miljöer. När olika positioneringsmetoder kombineras är det viktigt att känna egenskaperna hos de olika mätningarnas felkällor, så att till exempel den stadiga ökningen av felet vid tröghetsnavigering på grund av felet i accelerationsmätning kan separeras från det snabba hoppet i positionsuppskattning på grund av ett fel i WLAN-radiokartan. Oftast används statistisk filtrering där positionsberäkningen sker med sannolikhetsfördelningar som grund.

När flera metoder kombineras är det också vanligt att använda annan förhandsinformation som hjälp för positioneringen: till exempel överstiger sannolikt inte en butikskunds hastighet 10 km/h ens under galna dagar, men för en basketspelare är det vanligt. Även kartor är nyttiga eftersom de ger information om var en användare överhuvudtaget kan röra sig och var inte: en positionsangivelse t.ex. mitt på en vägg kan då korrigeras till intilliggande dörr.

Heidi Kuusniemi

TkD
Prof.
Docent
Forskningsprofessor