@mastersthesis{amslaurea15422,
title = {Step-App: Progettazione e implementazione di un sistema di localizzazione indoor basato su sensor fusion},
author = {Stefano Traini},
url = {https://amslaurea.unibo.it/id/eprint/15422},
year = {2018},
date = {2018-01-01},
abstract = {Grazie al rapido avanzamento delle nuove tecnologie si è posta sempre più attenzione sui servizi di localizzazione. Tuttavia, data la natura fisica dei segnali emessi, i sistemi di geolocalizzazione tradizionali non riescono ad attraversare ostacoli come le mura degli edifici. StepApp è un sistema di localizzazione indoor, scalabile e a basso costo, che fonde la tecnica WiFi-Fingerprinting (basata sugli RSS provenienti dagli Access Point) e Pedestrian Dead Reckoning (basata sui sensori inerziali dello smartphone) al fine di migliorare l'accuratezza del posizionamento all'interno degli edifici. Lo scopo di StepApp è anche quello di fornire al suo interno tre differenti algoritmi di localizzazione tramite WiFi e quattro differenti modalità di localizzazione tramite sensori e in ultimo di inglobare cinque algoritmi di fusione delle due tecniche. Il sistema è stato testato in due differenti ambienti indoor con diverse caratteristiche e dall'analisi dei dati si sono registrati ottimi risultati in termini di accuratezza, raggiungendo una precisione media nella localizzazione superiore al 90% per quasi tutti gli algoritmi di fusione.},
keywords = {android, INDOOR, indoor localization, localizzazione, localizzazione indoor, Pedestrian Dead Reckoning, sensor fusion, sensori, sistema, WiFi, WiFi-Fingerprinting},
pubstate = {published},
tppubtype = {mastersthesis}
}
Grazie al rapido avanzamento delle nuove tecnologie si è posta sempre più attenzione sui servizi di localizzazione. Tuttavia, data la natura fisica dei segnali emessi, i sistemi di geolocalizzazione tradizionali non riescono ad attraversare ostacoli come le mura degli edifici. StepApp è un sistema di localizzazione indoor, scalabile e a basso costo, che fonde la tecnica WiFi-Fingerprinting (basata sugli RSS provenienti dagli Access Point) e Pedestrian Dead Reckoning (basata sui sensori inerziali dello smartphone) al fine di migliorare l'accuratezza del posizionamento all'interno degli edifici. Lo scopo di StepApp è anche quello di fornire al suo interno tre differenti algoritmi di localizzazione tramite WiFi e quattro differenti modalità di localizzazione tramite sensori e in ultimo di inglobare cinque algoritmi di fusione delle due tecniche. Il sistema è stato testato in due differenti ambienti indoor con diverse caratteristiche e dall'analisi dei dati si sono registrati ottimi risultati in termini di accuratezza, raggiungendo una precisione media nella localizzazione superiore al 90% per quasi tutti gli algoritmi di fusione.