Evaluation of an Indoor Augmented Reality Navigation Software

Thumbnail Image

Files

Huhtala_Eero_2025.pdf (6.91 MB)

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-09-28

Department

Major/Subject

Tietotekniikka

Mcode

SCI3027

Degree programme

Teknistieteellinen kandidaattiohjelma

Language

en

Pages

28

Series

Abstract

The Global Positioning System, GPS, is the most popular positioning method. It utilizes satellites orbiting the Earth and requires a clear path for signals to travel from the ground to the orbit. For this reason, GPS based localization systems are often inaccurate indoors as the signals may bounce or refract from buildings. Although alternative positioning methods have been recently researched, a standard such as GPS for outdoors, is yet to be found. This paper discusses the strengths and weaknesses of different navigation methods in indoor environments; GPS, Wi-Fi, and Image Based. Wi-Fi achieves better results than GPS but requires infrastructure and mapping of the desired area. Image based methods are found to be as accurate as Wi-Fi based methods. They also allow seamless integration of Augmented Reality (AR) elements. An evaluation of VimAI, image based Augmented Reality (AR) navigation software, is conducted and results are discussed. It was found that VimAI achieves only a 0.5 meter accuracy error in optimal conditions and 2 meter error in suboptimal conditions. The average delay of the localization was measured to be 5.0 seconds in optimal conditions and 15 seconds in suboptimal conditions.

Satelliittien avulla toimiva GPS, eli Global Positioning System, on tällä hetkellä yleisin paikannusmenetelmä. GPS:n toimintaperiaate perustuu maata kiertäviin satelliitteihin. Se toimii parhaiten ulkona, kun GPS-vastaanottimesta lähtevillä signaaleilla satelliitteihin on esteetön reitti. Sisätiloissa GPS on usein epätarkka, sillä signaalit kimpoilevat ja taittuvat rakennusten rakenteista. Vaihtoehtoisia paikannusmenetelmiä on tutkittu pitkään, mutta normia sisätiloissa paikantamiseen ei ole löytynyt. Tarkalle sisätilapaikannukselle on kuitenkin suurta kysyntää eri paikoissa, muuan muussa sairaaloissa, lentokentillä ja ostoskeskuksissa. Tämä työ käsittelee erilaisten paikannusmenetelmien vahvuuksia ja heikkouksia sisätiloissa. Käsiteltävät menetelmät ovat GPS, Wi-Fi ja kameran kuvaan perustuvat paikannusmenetelmät. Wi-Fiä hyödyntävät sisätilapaikannusmenetelmät tarvitsevat laajan, usean tukiaseman (engl. Access Point) muodostaman signaalien kuuluvuuden. Parhaat tulokset Wi-Fiä hyödyntämällä saadaan kartoittamalla sisätilan signaalien vahvuudet eri kohdissa tietokantaan ja vertaamalla paikannusvaiheessa signaalien vahvuuksia tähän tietokantaan. Tällöin Wi-Fiä hyödyntävät menetelmät ovat tarkempi kuin GPS. Kameran kuvaan perustuvat paikannusmenetelmät ovat parhaimmillaan vielä Wi-Fiä hyödyntäviä menetelmiäkin tarkempia. Kameran kuvaan perustuvat menetelmät hyödyntävät Structure-from-Motion-teknologiaa (SfM). SfM muodostaa kolmiulotteisen mallin tilasta valokuvien avulla. Valokuvia täytyy olla useita ja yksi kohta pitää olla kuvattu useasta eri kulmasta teknologian toimimiseksi. Kun alueen kolmiulotteinen malli on muodostettu, pystytään käyttäjä paikantamaan tämän ottaman kuvan avulla senttien tarkkuudella. Kameran kuvaan perustuvat menetelmät mahdollistavat myös lisätyn todellisuuden (engl. Augmented Reality) hyödyntämisen. Työssä suoritettiin myös kokeellinen osio käyttäen VimAI-sovellusta. VimAI on kameran kuvaan perustuva, lisättyä todellisuutta hyödyntävä paikannussovellus. Kokeellinen osio keskittyi sovelluksen käytettävyyteen, paikannuksen tarkkuuteen sekä paikannuksen nopeuteen. Kokeet toteutettiin OnePlus 8 Android älypuhelimella. Sovellus on vielä kehitysvaiheessa, joten käytettävyydestä löydettiin monia puutteita. Isoin puute oli käyttäjän ohjeistus, sovellusta on liki mahdoton käyttää ilman ulkoista ohjekirjaa. Tarkkuutta ja paikannuksen nopeutta testattiin kahdessa eri paikassa: Yliopiston käytävällä sekä kirjastossa. Nämä kaksi paikkaa valittiin, sillä käytävän oletettiin tuottavan sovellukselle haasteita. Se näyttää monesta kohtaa täysin samanlaiselta, joten kameran kuva pitäisi olla vaikea paikantaa. Toisaalta kirjastossa oli erittäin paljon erilaisia asioita, mistä sijainnin pystyy paikantamaan tarkasti. Kokeissa selvisi, että VimAI:n paikannusvirhe on vain puoli metriä kirjaston ihanteellisissa olosuhteissa ja kaksi metriä käytävän epäihanteellisissa olosuhteissa. Paikannus kesti vastaavasti 5 sekuntia kirjastossa ja 15 sekuntia käytävällä.

Description

Supervisor

Savioja, Lauri

Thesis advisor

Ylä-Jääski, Antti

Keywords

AR, indoor navigation, image-based navigation

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202509237220

Collections

[kand] Perustieteiden korkeakoulu / SCI