Aufrufe
vor 3 Jahren

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

Approximative Indoor-Lokalisierung von RFID ... - Gernot A. Fink

22 2.4 Existierende

22 2.4 Existierende Lokalisierungssysteme Lokalisierung nicht das Thema dieser Arbeit ist, soll an dieser Stelle ein knapper Überblick über Indoor-Lokalisierungssysteme erfolgen, die eine bestimmte Signal-Technologie repräsentieren. 2.4.1 LANDMARC LANDMARC (Location Identification based on Dynamic Active RFID Calibration) [38] ist ein experimentelles Projekt zur Lokalisierung von aktiven RFID-Transpondern. Die Grundidee ist, mit mehreren RFID-Lesegeräten über die gemessene Signalstärke von RFID-Transpondern unter Verwendung von Nachbarschaftserkennungsverfahren und Trilateration auf die Position zu schließen. In einem ersten Ansatz wurden mehrere RFID-Lesegeräte so verteilt, dass jedes einen bestimmten Bereich abdeckt. Da die dazu verwendeten RFID-Lesegeräte keine Signalstärken- Informationen anboten, sondern nur acht Sendeleistungsstufen, wurden regelmäßig alle Stufen durchlaufen, wobei laut Spezifikation die maximale Lesereichweite bei 150m lag. Man nahm eine Korrelation von Sendeleistung und maximaler Lesereichweite an. Über die Leistungsstufe, ab der man einen Transponder identifizieren konnte, wurde dann die Entfernung geschätzt. Es stellte sich dabei heraus, dass diese Methode aufgrund dynamischer Interferenzen zu ungenauen Ergebnissen führte. Um die Genauigkeit zu erhöhen, wurden Referenztransponder in dem Messgebiet verteilt. Die Position eines gesuchten Tags wurde nicht mehr direkt über die Leistungsstufen geschätzt, sondern durch den k-nearest-neighbour-Algorithmus über die Nähe zu den Referenztranspondern, deren Positionen bekannt sind, ähnlich dem Tabellenverfahren bei WLAN (s. Abschnitt 2.1.4). Dies hat den Vorteil, dass diese Methode viele Störungen von Umwelteinflüssen herausfiltert, weil diese Störungen mit großer Wahrscheinlichkeit sowohl den gesuchten als auch den Referenz-Transponder in seiner Nähe in gleicher Weise beeinflussen. Als Einflussfaktoren für die Genauigkeit wurden die Parameter für den k-nearest-neighbour- Algorithmus, die Anzahl der Lesegeräte und die Platzierung der Referenz-Transponder untersucht. Bei den Untersuchungen wurde eine Genauigkeit von 1 m für 50% aller Messungen erreicht. 2.4.2 Cricket Cricket ist ein Indoor-Lokalisierungssystem, welches im Rahmen einer PhD-Arbeit am MIT entwickelt wurde [42]. Es benutzt Ultraschall und Funk, um über Signallaufzeiten die Entfernung zwischen Sender und Empfänger zu messen. Ursprünglich wurde nur mit Funksignalstärken- Messungen experimentiert, was jedoch aufgrund der physikalisch bedingten Probleme mit Funktechnologien (s. Abschnitt 2.1.4) zu unbefriedigenden Ergebnissen führte. Daher wurde eine Signaltechnologie mit anderer Signalgeschwindigkeit - Ultraschall - dazugenommen, um Entfernungen zu berechnen. Ein Cricket-System besteht logisch aus Beacons und Listener. Die Beacons sind die Referenzpunkte zur Lokalisierung. Sie sind fest im Raum (meist an Decken) positioniert und senden gleichzeitig ein Funk- und Ultraschallsignal. Aus Kosten- und Komplexitätsgründen wird auf ei-

2 Grundlagen der Lokalisierung 23 ne zentrale Arbitrierung der Sendezeitpunkte zur Minderung von Interferenzen der Beacons verzichtet. Stattdessen sendet jeder Beacon in zufälligen Abständen, wobei das Mittel der Abstände abhängig von der Anzahl und Dichte der platzierten Beacons sein sollte. Im Funksignal kodiert ist die ID des jeweiligen Beacons, was je nach Anwendungsfall auch einfach ein Klartext des Ortes des Beacon sein kann. Ein Listener empfängt die von den Beacons ausgesandten Funk- und Ultraschallsignale. Im einfachsten Fall lässt sich aus der im Funksignal kodierten ID direkt der Ort des Beacons, dessen Signal man empfangen hat, ablesen (Nachbarschaftserkennungsverfahren, s. Abschnitt 2.2.1). Wenn man mehrere Signale von verschiedenen Beacons empfängt, kann man über die unterschiedlichen Signallaufzeiten die jeweilige Entfernung zu den Beacons messen und dann das Beacon auswählen, das am nächsten zum Empfänger liegt. Wie bei jedem Proximity-Verfahren wird die Genauigkeit des Cricket-Systems durch die Sensorreichweite, die Anzahl und die Dichte der Beacons bestimmt. Da ein Beacon eine Fläche von ca. 1,2 m x 1,2 m erfassen kann, wäre eine dem entsprechende Genauigkeit erreichbar, wenn man die Beacons in einem 1,2 m x 1,2 m Gittermuster verteilt, was jedoch angesichts der hohen Kosten nicht sinnvoll erscheint. Nach der Vorstellung des Cricket-Systems wurden einige Vorschläge zur Verbesserung des Systems gemacht [4, 46], welche unter anderem zur Entwicklung des Cricket v2-System geführt haben [4]. In [44] werden Bayessche Filter für das Cricket-System evaluiert. Als zwei typische Vertreter der Bayesschen Filter wurden der Kalman Filter (s. Abschnitt 2.3.2) und der Partikelfilter (s. Abschnitt 2.3.2) implementiert. Zunächst wurde ein Simulator für das Cricket-System entworfen, um unabhängig von der aufwändig zu betreibenden Hardware die Filter entwickeln zu können. Bei der Anwendung der Filter auf ein reales Cricket-System wurde ein zu trackendes Objekt mit Hilfe eines Deckenkamerasystems mit einer Genauigkeit von 1 cm verfolgt und als Referenz für die Evaluaierung verwendet. Der Kalman Filter lieferte dabei genauere Zustandsschätzungen als der Partikelfilter und das Triangulationsverfahren. 2.4.3 BIPS Das BIPS (Bluetooth Indoor Positioning System) [8] benutzt stationäre Bluetooth Access Points (Master Units genannt) als Referenzpunkte, die ständig im Discover-Modus (auch Inquiry-Phase genannt) arbeiten und per Broadcasts versuchen, neue Bluetooth-Geräte in Reichweite der Master Units zu finden. Die Personen oder Objekte, die lokalisiert werden sollen, haben ein mobiles Bluetooth-Gerät bei sich. Sobald das mobile Bluetooth-Gerät in Reichweite eines Access Points gelangt, verbindet sich der entsprechende Access Point mit dem mobilen Gerät. Die ID des mobilen Gerätes wird nun auf einen zentralen Server übermittelt, der mit der Kenntnis über den Standort der Access Points auch auf den Standort des mobilen Bluetooth-Gerätes schließen kann.

Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Audiobasierte Impulslokalisierung und -erkennung ... - Gernot A. Fink
Faltungsnetzwerke zur Gesichtsdetektion unter ... - Gernot A. Fink
Secure Candle - Klassifikation akustischer ... - Gernot A. Fink
Mustererkennung - Prinzipien, Methoden ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Cluster - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Unüberwachtes Lernen von Handschriftstilen - Gernot A. Fink - TU ...
DETEKTION HANDSCHRIFTLICHER TEXTE IN ... - Gernot A. Fink
Simultane Lokalisierung und Kartenerstellung eines ... - Gernot A. Fink
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Skriptum zur Vorlesung “Mustererkennung” - Gernot A. Fink
Mensch und Maschine verbinden - Gernot A. Fink - TU Dortmund
Rechnerarchitektur SS 2012 - Gernot A. Fink - TU Dortmund
Automatische Kalibrierung verteilter Mikrophonfelder - Gernot A. Fink