Classical GNSS positioning in urban environments presents a variety of problems such as satellite signal blockage, reflection and fading, mainly caused by buildings. These issues reduce the number of available satellites, introduce distance biases into the signal path and lower their SNR, compromising the accuracy of the position solution obtained. The use of 3D city models alongside GNSS data enables the constructive usage of these problems. Signal reflections can be predicted in order to compensate the distance bias. Furthermore, a score can be assigned to candidate positions by comparing the expected signal characteristics to those of the actual received signals. Image similarity methods are also made possible, based on comparing user images to the 3D models to infer their real position. This thesis presents three main contributions: Firstly, an algorithm to obtain sky visibility data (Building Boundaries, or BB) from 3D models. Secondly, an implementation of an already established positioning method, Shadow Matching. Finally, the design and implementation of a new method, Artificial Photo Matching, which uses user images and BB data to obtain a position solution. The theory and implementation behind these techniques is presented, and their results discussed.

El posicionamiento por GNSS clásico en entornos urbanos presenta diversos problemas, como bloqueo, reflexión y desvanecimiento de las señales de satélite. Estos impedimentos reducen el número de satélites disponibles, introducen un sesgo en la distancia recorrida por las señales, y disminuyen su SNR, comprometiendo la precisión de la posición estimada. El uso de modelos en 3D de ciudades, en combinación con datos de GNSS, permite un uso constructivo de estos problemas. Además, se pueden asignar puntuaciones a posiciones candidatas según el grado de similitud entre las señales que se espera recibir y la que realmente llega al receptor. Métodos basados en la comparación de imágenes también son posibles, basados en el parecido de las imágenes del usuario respecto al modelo 3D con tal de inferir su posición. Esta tesis presenta tres contribuciones principales: Primero, un algoritmo para obtener datos de visibilidad del cielo (Building Boundaries o BB) a partir de modelos 3D. Después, una implementación de un método ya establecido, Shadow Matching. Finalmente, el diseño e implementación de un nuevo método, Artificial Photo Matching, que usa imágenes y BBs con tal de estimar la posición. La teoría y implementación detrás de estas técnicas es presentado, y sus resultados comentados.

El posicionament per GNSS clàssic, en entorns urbans, presenta diversos problemes, com bloqueig, reflexió i esvaniment dels senyals dels satèl·lits. Aquests impediments limiten el nombre de satèl·lits disponibles, incrementen la distància recorreguda pel senyal i en baixen la SNR, degradant la precisió de la posició estimada. L’ús de models en 3D de les ciutats, en combinació amb dades de GNSS, permet fer un ús constructiu d’aquests problemes. Les reflexions dels senyals poden ser predites per tal de compensar l’esbiaix introduït. A més a més, es poden assignar puntuacions a posicions candidates segons el grau de similitud entre la senyal que s’espera rebre i la que realment arriba al receptor. Mètodes basats en la comparació d’imatges també són possibles, basades en la ressemblança de les imatges de l’usuari respecte al model 3D per tal d’inferir la seva posició. Aquesta tesi presenta tres contribucions principals: Primer, un algorisme per obtenir dades de visibilitat del cel (Building Boundaries o BB) a partir de models 3D. Després, una implementació d’un mètode ja establert, Shadow Matching. Finalment, el disseny i implementació d’un nou mètode, Artificial Photo Matching, que fa servir imatges de l’usuari i BBs per tal d’estimar la posició. La teoria i implementació al darrere d’aquestes tècniques és presentada, i els resultats obtinguts comentats.