Tesis
Sistema híbrido de localização indoor baseado em RFID e análise visual
Fecha
2015Autor
Hessel, Fabiano Passuelo
Resumen
Systems need to know the physical location of objects and people in order to improve the user experience and solve logistic and security problems. This work proposes a hybrid indoor positioning system based on passive RFID and visual analysis. The system focuses on bidimensional and tridimensional space localization of stationary objects with centimeter level accuracy. Also, off-the-shelf equipment are employed as sensor devices. By using RFID technology, machine learning approaches based on Artificial Neural Networks (ANN) and Support Vector Regression (SVR) are proposed. A Computer Vision (CV) subsystem detects visual markers in the scenario to enhance RFID localization. In order to combine RFID and optical technologies, we propose a novel sensor fusion method based on Multiple Region of Interest (MROI) and k-means technique. A multi-frequency method is proposed aimed to allow and improve the localization when using off-the-shelf equipment. We have implemented our system and evaluated it using real experiments. First, a performance benchmark was made in order to evaluate RFID antennas and tags positioning. Regarding to overall system performance, the localization error was between 9 and 33 cm under a 2D scenario. On this dimension, ANN performed 30% better than RNA approach. In comparison to RFID-only approach results, the hybrid system had improved by 32%. Three-dimensional space localization had a 63 cm accuracy in best case scenario. Com o objetivo de otimizar a experiência do usuário e resolver problemas de logística e segurança, aplicativos necessitam conhecer a localização física de objetos e pessoas. As propostas de sistemas de localização para ambientes internos (indoor) baseados em somente uma tecnologia não vêm obtendo bom desempenho na localização, principalmente devido a limitações em relação às características interferentes presentes em ambientes internos. Este trabalho tem como objetivo o desenvolvimento de um sistema híbrido de localização indoor, capaz de obter a localização bidimensional e tridimensional de objetos estáticos, com precisão de poucos centímetros, utilizando equipamentos já estabelecidos no mercado. A partir do uso da tecnologia RFID, a localização é estimada através de modelos de aprendizado de máquina.São avaliados modelos baseados em Redes Neurais Artificiais (RNA) e Support Vector Regression (SVR). Um subsistema de visão computacional detecta marcadores visuais no cenário a fim de aprimorar a localização. Visando combinar as tecnologias RFID e óptica, é definido um método de fusão de sensores baseado em múltiplas regiões de interesse a partir da técnica k-means. Além disso, um método de multi-frequência é proposto com o objetivo de permitir e otimizar o uso do sistema em equipamentos off-the-shelf. O sistema foi implementado e avaliado em experimentos de laboratório. Inicialmente, foi analisado o desempenho do sistema em relação ao posicionamento de antenas e etiquetas RFID presentes no ambiente. Na avaliação geral do sistema sob escalabilidade 2D, o erro de localização se manteve entre 9 e 33 cm. Nesta dimensão, o modelo RNA superou o SVR em 30%. Na comparação entre o sistema híbrido e o emprego somente da tecnologia RFID, a fusão de sensores melhorou a precisão em aproximadamente 32%. Em escalabilidade tridimensional, a precisão foi de 63 cm no melhor caso.