Aufrufe
vor 3 Jahren

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

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

32 3.2 Konzeption eines

32 3.2 Konzeption eines Indoor-Lokalisierungssystems renztransponders auch eine ähnliche Signalstärkensignatur hat. Anders ausgedrückt: Je kleiner die Signalstärkendifferenz zu einem Referenztransponder ist, desto kleiner ist auch die Distanz zu diesem. Bei der Nachbarschaftserkennung mittels RFID nimmt man an, dass sich ein zu verfolgender Transponder in der Nähe eines RFID-Readers bzw. dessen Antenne befindet, wenn er von diesem gelesen wurde. Abbildung 3.2.2 zeigt das Lesefeld einer RFID-Antenne. Wenn ein Transponder von einer Antenne erfasst wird, wird dieser Transponder mit großer Wahrscheinlichkeit sich innerhalb dieses Lesefelds befinden. Bild 3.1: Horizontale Darstellung des Lesefelds einer RFID-Antenne Somit eignet sich dieser Ansatz, um eine raumgenaue Ortung zu ermöglichen, wenn in jedem Raum eine Antenne installiert wird, die den Transponder erfassen kann. Jedoch ist bei der Verwendung von passiven Transpondern die geringe Reichweite von 1 bis 5 m (UHF) bei größeren Räumen ein Problem, wenn man den Transponder sicher lesen will. Entweder erhöht man die Anzahl der Antennen in einem großen Raum oder man platziert die Antenne möglichst so günstig, dass ein Transponder sicher gelesen werden kann. Sinnvoll scheint hier die Platzierung von Antennen an schmalen Durchgängen wie Türen, so dass ein Objekt mit einem Transponder, das eine Tür mit Antennen passiert, mit großer Wahrscheinlichkeit gelesen werden kann. Dieses sogenannte Gate“-Prinzip wird in der Logistik insbesondere für Warenein-/ausgangstore bereits ”

3 Konzept für ein Indoor-Lokalisierungssystem 33 verwendet: Man forciert die zu lesenden Objekte durch einen mit Antennen versehenen Gang oder ein schmales Tor und stellt so sicher, dass die Lesequalität möglichst hoch ist. 3.3 Entwicklung eines probabilistischen Trackingmodells Durch die Erkenntnis, dass alle realen Sensoren fehlerbehaftet sind, stellt sich die Frage, wie man das Ziel der raumgenauen Lokalisierung erreichen kann. Es ist denkbar, dass ein Sensor nicht reagiert, obwohl ein Objekt diesen Sensorbereich betreten hat. Ein Sensor kann fehlerhafte Daten liefern. Diese Frage kann durch eine probabilistische Sichtweise beantwortet werden. Ein probabilistisches Lokalisierungssystem liefert keine absoluten Aussagen wie Person X befindet ” sich in Raum A“, sondern die Wahrscheinlichkeit, dass eine Person sich an einem bestimmten Ort befindet. Der Vorteil dieses Ansatzes liegt darin, dass Sensorungenauigkeiten und Mehrdeutigkeiten erfasst werden können. Ziel dieses probabilistischen Modells soll jedoch weiterhin sein, durch geeignete Modellierung eine raumgenaue Lokalisierung mit einer möglichst hohen Wahrscheinlichkeit zu gewährleisten. In diesem Fall eignet sich der Satz der Bayesschen Inferenz (vgl. Abschnitt 2.3.1), der aussagt, dass Vermutungen über einen Zustand durch Beobachtungen bestärkt oder geschwächt werden können. In diesem Szenario ist der vermutete Zustand die Wahrscheinlichkeit, dass das zu verfolgende Objekt sich in einem bestimmten Raum befindet und die Beobachtungen sind die (fehlerbehafteten) RFID-Sensormessungen. Für das probabilistische Modell werden folgende Annahmen gemacht: • die Strukturen des Gebäudes sind vorab bekannt • die RFID-Sensoren werden an Durchgängen wie Türen installiert • Durchgänge sind keine Aufenthaltsorte für Objekte und Personen, sondern werden überwiegend durchschritten • Durchgänge mit RFID-Sensoren trennen logisch Räume • die RFID-Sensoren liefern keine Richtungsangaben • es sind keine speziellen Bewegungsprofile und Routen bekannt Unter diesen Annahmen wird ein Modell präsentiert, welches ein raumgenaues Tracking ermöglichen soll. Die Grundlage des Modells ist die Nachbarschaftserkennung in Verbindung mit RFID als Sensortechnologie, die gleichzeitig zur Identifikation dient. Eine Person X befinde sich zu einem Zeitpunkt t 0 in Raum A. Diese Ausgangslage wird im Modell durch die Wahrscheinlichkeit p(X A ) = 1 ausgedrückt. Der Raum A kann nur durch eine Tür verlassen werden, die mit einem Sensor S 1 versehen ist. Solange der Sensor S 1 nicht auslöst,

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 - Gernot A. Fink - TU Dortmund
Unüberwachtes Lernen von Handschriftstilen - Gernot A. Fink - TU ...
Rechnerarchitektur SS 2012 - Cluster - Gernot A. Fink - TU Dortmund
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