Für die WLAN-basierte Lokalisierung in Gebäuden wird sogenanntes Signal-Fingerprinting verwendet. Die Position eines Smartphones wird dabei durch den Vergleich der aktuell gemessenen Signale mit bereits erfassten Referenzsignalen an bekannten Positionen (Signal-Fingerprints) geschätzt.
Die initiale Kalibrierungsphase, in der die sogenannte Radio-Map bestimmt wird, erfordert viele manuell zu erfassende Signalmessungen. Außerdem ändert sich die Signalumgebung mit der Zeit durch laufende Änderungen der Inneneinrichtung, dies führt zu gradueller Verschlechterung der Positionsschätzung und würde eine periodische Neuvermessung erforderlich machen. Daher ist ein hoher manueller Arbeitsaufwand erforderlich, um genaue Lokalisierung in Gebäuden zu ermöglichen und zu erhalten. Je grösser das Gebäude bzw. die Gebäude sind umso aufwändiger ist diese Kalibrierung.
Das Forschungsprojekt hat daher zum Ziel, die Probleme durch manuell zu erfassende Messungen zu lindern, indem diese Referenzmessdaten mithilfe der Nutzer selbst (Crowdsourcing) erfasst werden, während sie mit deren Smartphones navigieren. Somit erfolgt die anfängliche Kalibrierung und periodische Rekalibrierungen automatisch. Falls eine hohe Genauigkeit bereits zu Beginn erwünscht ist, kann damit die initiale Kalibrierung mit wesentlich geringerem Aufwand realisiert werden.
In diesem Projekt wird das Ziel mithilfe der SLAM (Simultaneous Localisation And Mapping) Methode verfolgt. Die Anwendung von SLAM auf die nutzergenerierten Daten ermöglicht die Bestimmung der von den Nutzern genommenen Wege. Aus den Wegen als Menge von bekannten Positionen zusammen mit den Signalen die an diesen Wegpositionen erfasst wurden, können neue Referenz-Signal-Fingerprints extrahiert werden.