Sau khi googling thêm một chút, tôi tìm thấy bài báo này, Sử dụng Wi-Fi để điều hướng trong nhà lớn . Tôi cho rằng thuật toán xử lý nhiều dấu vân tay, cộng với la bàn và gia tốc kế là điều khiến Apple chú ý.
Khi một tiện ích sử dụng WiFiSLAM muốn biết vị trí của nó, nó sẽ phân tích cường độ tín hiệu và ID duy nhất của tất cả các mạng Wi-Fi xung quanh nó. Điều đó được đối sánh với tập dữ liệu tham chiếu cho khu vực được truy cập qua Internet hoặc được lưu trữ trên thiết bị. Ước tính vị trí có thể được làm sắc nét nếu một tiện ích di chuyển nhẹ, vì thuật toán của WiFiSLAM có thể thu thập nhiều dấu vân tay. Dữ liệu la bàn và tín hiệu gia tốc bắt được bước chân của một người cũng được sử dụng để tinh chỉnh độ chính xác của các lần sửa vị trí tiếp theo khi một người di chuyển xung quanh.
WiFiSLAM cần dữ liệu tương tự được thu thập trước trong một tòa nhà cụ thể trước khi có thể cung cấp các bản sửa lỗi vị trí. Một người chạy một ứng dụng đặc biệt khác phải đi bộ xung quanh một tòa nhà một vài lần, đi vào mỗi phòng ít nhất một lần. Các thuật toán ban đầu được phát triển để điều hướng robot xử lý mô hình thay đổi của dấu vân tay và bước chân Wi-Fi để tạo lại đường dẫn của người được bảo hiểm. Dấu vết đó sau đó được liên kết thủ công với bản đồ của địa điểm để WiFiSLAM có thể cho người dùng biết trong môi trường đó nơi họ đang ở.
Chỉnh sửa 2: Ngoài ra, có vẻ như WifiSlam đã có một blog bị xóa . Tuy nhiên, Google vẫn có nó trong bộ nhớ cache của họ với một số chi tiết:
Gần đây nhất, phản ứng tổng hợp cảm biến quán tính của WiFiSLAM đã được giới thiệu trong
Grizzly Analytics . Nó đã gây ra một số cuộc thảo luận email tuyệt vời với Tiến sĩ Bruce Krulwich và chúng tôi muốn tóm tắt nó cho bạn ở đây!
Video demo không bao gồm các ràng buộc bản đồ. Nó hoàn toàn là gia tốc kế, con quay hồi chuyển và la bàn.
Chúng tôi có thể có được độ chính xác tốt hơn so với thông thường vì chúng tôi đang sử dụng các phương pháp tiếp cận mô hình phi truyền thống để hợp nhất cảm biến hơn là các kỹ thuật tích hợp kép + bộ lọc Kalman thông thường được sử dụng theo truyền thống.
Chúng tôi cầm điện thoại trước mặt, cố gắng bắt chước một người dùng điện thoại thông minh điển hình đang theo dõi bản đồ và đi bộ trong khi nhìn vào điện thoại của họ. Không có gì siêu cụ thể.
Hiện tại, phản ứng tổng hợp cảm biến quán tính được bật theo mặc định kể từ các phiên bản phát hành tuần trước của toàn bộ dòng sản phẩm WiFiSLAM: footprint.io, WiFiSLAM QuickMap và SDK vị trí trong nhà. Bất kỳ người dùng WiFiSLAM nào có điện thoại thông minh hỗ trợ con quay hồi chuyển sẽ nhận được định vị lai sử dụng cả công nghệ vân tay Wi-Fi của chúng tôi kết hợp với phản ứng tổng hợp cảm biến quán tính của chúng tôi.
Chỉnh sửa 3 phân tích Grizzly cung cấp chi tiết thiết lập bản đồ trong bài đăng blog gần đây của họ .
WiFiSlam đã phát hành một ứng dụng di động cho phép bất kỳ người dùng điện thoại thông minh nào chụp ảnh bản đồ trang web trong nhà của họ, đi bộ xung quanh trang web một vài lần và để trang web đó hoạt động trong hệ thống định vị vị trí của WiFiSLAM. Ứng dụng này cho phép tìm nguồn cung cấp bản đồ trong nhà dễ dàng hơn nhiều so với Google hoặc các bản đồ khác và sẽ cho phép định vị trong nhà của iPhone lan rộng như ngọn lửa khi các fanboy iPhone nhảy lên để tải lên bản đồ trang web của họ.
Chỉnh sửa 4 Đây là video từ GeoMeetup (được đăng bởi Ragi Burhum ), nơi Joseph Huang của WiFiSLAM trình bày một cuộc nói chuyện về các thuật toán cơ bản.