Brosnan/WIFI_RSSI_Indoor_Positioning_Dataset

一个可靠且全面的公共WiFi指纹数据库，供研究人员实施和比较室内定位方法。该数据库包含来自6个接入点（AP）的RSSI信息，这些信息是在不同日期通过自主机器人收集的。我们使用一个自主机器人来收集WiFi指纹数据。我们的三轮机器人配备了多个传感器，包括车轮里程计、惯性测量单元（IMU）、激光雷达、声纳传感器和彩色深度（RGB-D）相机。机器人可以导航到目标位置自动收集WiFi指纹。机器人的定位精度为0.07米±0.02米。区域尺寸为21米×16米，有三个长走廊。有六个AP，其中五个分别提供2.4GHz和5GHz通信通道的两个不同MAC地址，除了一个仅运行在2.4GHz频率的AP。有一个路由器可以提供CSI信息。数据格式包括X位置（米）、Y位置（米）、RSSI特征1（dBm）、RSSI特征2（dBm）、RSSI特征3（dBm）、RSSI特征4（dBm）等。A reliable and comprehensive public WiFi fingerprinting database for researchers to implement and compare indoor localization methods. This database contains RSSI information collected from six access points (APs) via autonomous robots across different dates. We utilized an autonomous robot to gather WiFi fingerprint data: our three-wheeled robot is equipped with multiple sensors including wheel odometry, inertial measurement unit (IMU), LiDAR, sonar sensors, and RGB-D (color-depth) cameras. The robot can navigate to target locations to automatically collect WiFi fingerprints, with a positioning accuracy of 0.07 m ± 0.02 m. The experimental area measures 21 m × 16 m and features three long corridors. There are six APs in total; five of them provide two distinct MAC addresses, one for the 2.4GHz communication band and the other for the 5GHz band respectively, while one AP only operates on the 2.4GHz frequency band. One router in the environment is capable of providing Channel State Information (CSI). The data format includes X position (m), Y position (m), RSSI Feature 1 (dBm), RSSI Feature 2 (dBm), RSSI Feature 3 (dBm), RSSI Feature 4 (dBm), and so on.

原始信息汇总

数据集概述

数据集名称

WIFI RSSI Indoor Positioning Dataset

数据集描述

这是一个可靠且全面的公共WiFi指纹数据库，专为研究人员实施和比较室内定位方法而设计。数据库包含来自6个接入点（APs）的RSSI信息，这些信息是在不同日期通过自主机器人收集的。

数据收集方法

使用配备多种传感器（包括轮式里程计、惯性测量单元、激光雷达、声纳传感器以及彩色和深度相机）的3轮自主机器人自动导航至目标位置收集WiFi指纹数据。机器人的定位精度为0.07米±0.02米。

数据集规模

• 面积尺寸：21米 × 16米
• 包含三个长走廊
• 6个接入点，其中5个提供2.4 GHz和5 GHz通信频道的两个不同MAC地址

数据格式

• X位置（米）
• Y位置（米）
• RSSI特征1（dBm）
• RSSI特征2（dBm）
• RSSI特征3（dBm）
• RSSI特征4（dBm）
• ...

数据集特点

• 室内定位
• WiFi RSSI
• 自主机器人数据收集

许可协议

CC-BY-NC-SA-4.0

搜集汇总

数据集介绍

构建方式

Brosnan/WIFI_RSSI_Indoor_Positioning_Dataset的构建采用自动化机器人收集数据的方式。该机器人装备有轮式里程计、惯性测量单元（IMU）、激光测距仪（LIDAR）、声纳传感器以及彩色深度（RGB-D）相机等多传感器系统，能够自动导航至特定位置进行WiFi指纹数据的采集。在21米×16米的区域内，通过六台接入点（APs）在不同时间周期内收集的RSSI信息，形成了一个全面可靠的室内定位数据库。

特点

该数据集的特点在于其全面性与准确性。首先，数据由专家生成的标签确保了高质量的数据源。其次，数据集规模适中，包含了100K至1M的样本量，便于多种室内定位方法的实现与比较。此外，六个AP中的五个提供了2.4GHz和5GHz两个通信频段的MAC地址，使得数据集在频率多样性上具有优势。数据集的精度高，机器人定位误差仅为0.07米±0.02米。

使用方法

使用Brosnan/WIFI_RSSI_Indoor_Positioning_Dataset时，研究者可以依据数据集提供的X、Y坐标以及六个AP的RSSI特征值进行室内定位算法的训练与测试。数据以表格形式呈现，各特征值按顺序排列，便于导入至各类机器学习框架中。此外，数据集遵循cc-by-nc-sa-4.0许可协议，保证了数据的合法使用与共享。

背景与挑战

背景概述

Brosnan/WIFI_RSSI_Indoor_Positioning_Dataset，这是一份由研究人员精心构建的WiFi RSSI室内定位数据集，旨在为研究室内定位方法提供可靠而全面的公共WiFi指纹数据库。该数据集的创建依托于自主机器人的支持，跨越数日收集了来自6个接入点(AP)的RSSI信息。该数据集的构建不仅展现了室内定位技术的研究深度，而且提升了学术界对此领域的认知水平，对室内定位技术的研究与发展产生了重要影响。

当前挑战

该数据集在解决室内定位领域问题方面，面临着信号干扰、多径效应等挑战，这些因素使得精确的室内定位变得复杂。在构建过程中，数据集的挑战主要体现在数据采集的准确性、多样性和一致性上。机器人定位精度的控制、不同通信频道的数据处理以及CSI信息的获取，都是数据集构建中需要克服的技术难题。

常用场景

经典使用场景

在室内定位研究领域，Brosnan/WIFI_RSSI_Indoor_Positioning_Dataset数据集被广泛用于实现与比较室内定位方法。其独特的WiFi指纹数据，通过自主机器人于不同时间收集，为研究人员提供了一个稳定可靠的研究平台。

解决学术问题

该数据集有效地解决了室内环境中，由于信号遮挡、多径效应等因素引起的定位误差问题，通过提供多个接入点在不同位置的信号强度信息，为提高室内定位精度和算法稳健性提供了重要支撑。

衍生相关工作

基于该数据集，学术界衍生出大量相关研究工作，包括但不限于利用深度学习、机器学习算法进行室内定位的探索，以及针对不同环境和设备条件下的定位算法改进和优化。