Localización personal en entornos interiores con tecnología RFID

Fernando Seco

Spain

Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Grupo LOPSI: Localización y Exploración en Entornos Inteligentes, Centro de Automática y Robótica (CAR) Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Katerina Koutsou

Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Grupo LOPSI: Localización y Exploración en Entornos Inteligentes, Centro de Automática y Robótica (CAR) Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Francisco Ramos

Spain

Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Grupo LOPSI: Localización y Exploración en Entornos Inteligentes, Centro de Automática y Robótica (CAR) Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Antonio R. Jiménez

Spain

Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Grupo LOPSI: Localización y Exploración en Entornos Inteligentes, Centro de Automática y Robótica (CAR) Consejo Superior de Investigaciones Científicas (CSIC)-UPM

Enviado: 06-02-2018

|

Aceptado: 06-02-2018

|
DOI: https://doi.org/10.1016/j.riai.2013.05.004
Datos de financiación

Descargas

Palabras clave:

Sistemas de posicionamiento local (LPS), tecnología RFID, estimación bayesiana

Agencias de apoyo:

Este trabajo ha sido financiado por los proyectos Lemur (Ministerio de Ciencia e Innovación

ref. TIN2009-14114-C04-03) y UltraLPS (Consejo Superior de Investigaciones Científicas

ref. 200850I083).

Resumen:

Este trabajo presenta un sistema de posicionamiento local (LPS) para personas en entornos interiores basado en la combinación de tecnología RFID activa y una metodología bayesiana de estimación de la posición a partir de la fuerza de las señales de RF recibidas. La complejidad inherente a la propagación de las ondas de RF en entornos interiores causa grandes fluctuaciones en el nivel de la fuerza de la señal, por lo que las técnicas bayesianas, de naturaleza estadística, tienen ventajas significativas frente a métodos de posicionamiento más comunes, como multilateración, minimización cuadrática o localización por fingerprinting. En la validación experimental del sistema RFID-LPS se consigue un error de posicionamiento medio de 2.10 m (mediana de 1.84 m y 3.89 m en el 90% de los casos), en un área abarcada de 475 m2 con 29 tags RFID, y con velocidades de desplazamiento de hasta 0.5 m/s, prestaciones iguales o superiores a otros sistemas del estado del arte. Aunque existen precedentes en Robótica móvil, la combinación de métodos bayesianos y tecnología RFID activa usada en este trabajo es original en el marco de los sistemas de localización de personas, cuyos desplazamientos son generalmente más impredecibles que los de los robots. Otros aspectos novedosos investigados son la posibilidad de alcanzar una estimación conjunta de posición y orientación de un usuario con dos métodos distintos (uso de antenas directivas y aprovechamiento de la atenuación de la señal de RF por el cuerpo humano), la escalabilidad del sistema RFID-LPS, y la estimación de la posición por técnicas bayesianas en sistemas simples que pueden detectar los marcadores RFID, pero no medir su fuerza de señal.
Ver más Ver menos

Citas:

Bahl, P., Padmanabhan, V., 2000. Radar: An in-building RF-based user location and tracking system. In: INFOCOM, IEEE Conference on Computer Communications. Tel Aviv, Israel.

Brunato, M., Battiti, R., 2005. Statistical learning theory for location fingerprinting in wireless LANs. Computer Networks 47 (6), 825 – 845.

Fox, D., Hightower, J., Liao, L., Schulz, D., Borriello, G., 2003. Bayesian filtering for location estimation. Pervasive computing 2 (3), 24–33.

Gezici, S., Tian, Z., Giannakis, G. B., et al., July 2005. Localization via ultrawideband radios: a look at positioning aspects for future sensor networks. IEEE Signal Processing Magazine 22 (4), 70–84.

Gustafsson, F., Gunnarsson, F., July 2005. Mobile positioning using wireless networks. IEEE Signal Processing Magazine 22 (4), 41–53.

Gustafsson, F., Gunnarsson, F., Bergman, N., Forssell, U., Jansson, J., Karlsson, R., Nordlund, P.-J., February 2002. Particle filters for positioning, navigation, and tracking. IEEE Transactions on Signal Processing 50 (2), 425–437.

Haeberlen, A., Flannery, E., Ladd, A. M., et al., 2004. Practical robust localization over large-scale 802.11 wireless networks. In: Proceedings of the 10th ACM conference on Mobile Computing and Networking. Philadelphia, USA.

Haehnel, D., Burgard, W., Fox, D., Fishkin, K., Philipose, M., 2004. Mapping and localization with RFID technology. In: Proceedings of the IEEE International Conference on Robotics and Automation. New Orleans, USA.

Hazas, M., Scott, J., Krumm, J., 2004. Location aware computing comes of age. IEEE Computer 37 (2), 95–97.

Hightower, J., Borriello, G., August 2001. Location systems for ubiquitous computing. IEEE Computer 34 (8), 57–66.

Jia, S., Shang, E., Abe, T., Takase, K., 2006. Localization of mobile robot with RFID technology and stereo vision. In: Proceedings of the IEEE International Conference on Mechatronics and Automation. Luoyang, China.

Jiménez, A., Seco, F., Prieto, J., Rosas, J. G., 2012. Accurate pedestrian indoor navigation by tightly coupling foot-mounted IMU and RFID measurements. IEEE Trans. on Instrumentation and Measurement 61 (1), 178 –189.

Khuller, S., Raghavachari, B., 1998. Algorithms and Theory of Computation Handbook. CRC Press, Ch. 6. Basic graph algorithms.

Koutsou, A., Seco, F., Jiménez, A., et al., Oct. 2007. Preliminary localization results with an RFID based indoor guiding system. In: IEEE Int. Symp. on Intelligent Signal Processing (WISP). pp. 1–6.

Liao, L., Fox, D., Hightower, J., Kautz, H., Schulz, D., 2003. Voronoi tracking: location estimation using sparse and noisy sensor data. In: Proceedings of the IROS. pp. 723–728.

Liu, H., Darabi, H., Banerjee, P., Liu, J., Nov 2007. Survey of wireless indoor positioning techniques and systems. IEEE Transactions on Systems, Man, and Cybernetics Part C 37 (6), 1067–1080.

Mazuelas, S., Lago, F., González, D., et al., 2008. Dynamic estimation of optimum path loss model in a RSS positioning system. In: Proceedings of the IEEE Symposium on Position, Location and Navigation. pp. 679–684.

Mazuelas, S., et al., Oct 2009. Robust indoor positioning provided by real-time RSSI values in unmodified WLAN networks. IEEE Journal on selected topics in signal processing 3 (5), 821–831.

Ni, L., Yunhao, L., Cho, L. Y., Patil, A., 2004. LANDMARC: indoor location sensing using active RFID. Wireless networks 8 (6), 701–710.

Roos, T., Myllymaki, P., Tirri, H., Misikangas, P., Sievanen, J., July 2002. A probabilistic approach to WLAN user location estimation. International Journal of Wireless Information Networks 9 (3), 155–164.

Roussos, G., Kostakos, V., February 2009. RFID in pervasive computing: stateof-the-art and outlook. Pervasive and Mobile Computing 5 (1), 110–131.

Schmid, J., et al., 2011. An experimental evaluation of position estimation methods for person localization in wireless sensor networks. In: Lecture Notes in Computer Science. Vol. 6567. pp. 147–162.

Seco, F., Jiménez, A., Prieto, C., Roa, J., Koutsou, K., aug. 2009. A survey of mathematical methods for indoor localization. In: IEEE International Symposium on Intelligent Signal Processing (WISP). pp. 9–14.

Seco, F., Plagemann, C., Jiménez, A., Burgard, W., 2010. Improving RFID- based indoor positioning accuracy using Gaussian processes. In: Int. Conf. on Indoor Positioning and Indoor Navigation (IPIN). Zurich, Switzerland.

Seidel, S. Y., Rappaport, T. S., 1992. 914 MHz path loss prediction models for indoor wireless communications in multifloored buildings. IEEE Trans. on Antennas and Propagation 40 (2), 207–217.

Thrun, S., March 2002. Probabilistic robotics. Communications of the ACM 45 (3), 52–57.

Ver más Ver menos