Assessing Localization Accuracy of Google Geospatial API

Abstract

The objective of this thesis is to determine how accurate localization can be achieved in different environments using the Visual Positioning System that Google ARCore Geospatial API utilizes. The aim is also to find out where and why the achieved localization is or isn’t accurate. The background section describes how the Global Positioning System functions in general, how the satellites in the system can be used to locate a GPS receiver, and what the problems related to its localization are. Also, the functioning of a Visual Positioning System is shown from the point of view of computer vision algorithms. The localization accuracy was assessed using an Android mobile application, in which the location data collecting and a way to view the collected data on a map layer were implemented. The accuracy was measured in 6 different environments, including urban, suburban, park, forest, indoors, and a newly built or modified area. The measurements were made during day and night-time and depending on the situation also started inside or outside the Google Street View area. The gathered results showed that the achieved localization accuracy depended on the environment the measurements were made. The key observation was that the API-reported precision and the measured precision values differed substantially from each other. From the results, it also emerged that the differences between day and night-time, and the availability and up-to-dateness of Google Street View were influencing factors. From the findings, we could conclude that a Visual Positioning System-based localization system has the potential to improve the achieved localization accuracy. In future work, research could be made on how the achieved accuracy can be transferred to night-time and to areas where Google Street View isn’t available.

Tämän työn tarkoituksena on määrittää, millainen paikannustarkkuus voidaan saavuttaa eri ympäristöissä visuaalista paikannusjärjestelmää (eng. Visual Positioning System, VPS) hyödyntävän Google ARCore Geospatial API:n avulla. Tavoitteena on myös selvittää missä ja miksi saavutettu paikannus on tai ei ole tarkka. Työn taustaosiossa kuvataan miten maailmanlaajuinen paikannusjärjestelmä (eng. Global Positioning System, GPS) toimii yleisesti, miten järjestelmään kuuluvien satelliittien avulla voidaan paikantaa GPS-vastaanotin ja mitä ongelmia liittyy sen paikannukseen. Tämän lisäksi VPS:n toimintaperiaatetta esitellään konenäköalgoritmien näkökulmasta. Paikannustarkkuutta arvioitiin Android-mobiilisovelluksen avulla, johon kehitettiin sijaintitietojen keräysmekanismi sekä tapa merkitä niitä karttatasolle. Paikannustarkkuuteen liittyviä mittauksia tehtiin työssä kuudessa eri ympäristössä, sisältäen keskusta-alueen, lähiön, puiston, metsän, sisätilat sekä uuden rakennetun tai hiljattain muokatun alueen. Mittauksia tehtiin valoisan ja pimeän aikaan sekä tilanteen mukaan aloittamalla mittaukset joko Google Street Viewin katealueen sisä- tai ulkopuolelta. Kerätyistä tuloksista huomattiin, että saavutettu paikannustarkkuus vaihtelee eri ympäristöjen välillä. Tärkein havainto tehtiin vertaamalla ohjelmointirajapinnan antamia ja laskuissa saatuja tarkkuusarvoja toisiinsa, jonka seurauksena huomattiin niiden välisen eron olevan merkittävä. Kerätyistä arvoista huomattiin myös päivänajan sekä Google Street Viewin saatavuuden sekä ajantasaisuuden olevan tuloksiin vaikuttavia tekijöitä. Tehdyistä löydöistä voidaan päätellä, että visuaalista paikannusjärjestelmää hyödyntävällä järjestelmällä on potentiaalia parantaa saavutettua paikannustarkkuutta. Tulevaisuudessa tutkimusta voidaan tehdä liittyen paikannustarkkuuden säilyttämiseen pimeän aikaan sekä alueille, jossa Google Street View ei ole saatavilla.