De tous temps, l'amélioration des moyens de guérison et de prévention des maladies a constitué un enjeu majeur de nos sociétés. Les possibilités offertes désormais par les technologies modernes ont permis de multiplier le nombre d'applications médicales mais toutes ces pratiques nouvelles ont un impact dans le domaine de l'expérimentation animale et impliquent aussi un suivi sanitaire à grande échelle. Le travail présenté dans cette thèse a pour but de moderniser la surveillance de l'état de santé des souris de laboratoire, et s'inscrit dans un projet collaboratif entre le LEAT et TIRO-MATOs. L’objectif est la conception d’un système capable de faciliter ce suivi au quotidien. Pour cela, la conception d'une antenne à 433MHz, connectée à un capteur de température, implantable dans une souris et intégrant notamment l'impact de l'environnement biologique a tout d’abord été étudiée. Après caractérisation des éléments obtenus, la faisabilité d’un système de géolocalisation est présentée. Afin de disposer également de la capacité d’identification des sujets, cette étude s’est poursuivie à 868 MHz (standard RFID). Dans cette partie, l’antenne interrogatrice placée sous la cage, a été plus particulièrement étudiée. Afin de comparer les différentes antennes obtenues, des mesures de puissance récupérées par le lecteur (RSSI) sont réalisées, utilisant pour cela des phantoms de souris spécialement mis au point pour cette étude. Les conclusions tirées par comparaison notamment avec les résultats de phantoms numériques ont permis de concevoir un dispositif de diversité à 4 antennes et de le tester en présence de un à quatre phantoms dans quatre différentes zone de la cage. / The improvement of the methods of cure and prevention of diseases has always constituted a major objective in our societies. The possibilities offered by modern technologies allow the multiplication of the number of medical applications but all these new practices have an impact on pre-clinical animal studies which require a large-scale health status follow-up. This work, which aims at modernizing the supervision of laboratory mice in an animal facility, is a collaborative project between the LEAT and TIRO-MATOs labs. The objective is the design of a system allowing to facilitate this follow-up for the researchers while leading to new research areas. Thus, we first studied the conception of an antenna working at 433MHz, connected to a mouse implanted temperature sensor, taking also into account the biological environment impact. After having characterized the obtained elements, the feasibility of a localization system has been studied. In order to identify several mice within a cage, the study has focused on using an UHF RFID (Radio Identification Frequency) standard (868 MHz). In this part, a reader antenna placed under the cage has been investigated. Different solutions have been proposed and compared thanks to the received power (RSSI level) recorded by the reader. For that purpose, mice “phantoms” have been specifically developed. The comparison of the different results obtained particularly with numerical mice “phantoms”, led to the conception of a reading diversity system composed of 4 antennas. This last system allows to detect the presence of up to four phantoms within a cage divided into four zones.

La thèse s'inscrit dans le domaine de la vision par ordinateur. Il s'agit, dans un environnement intérieur inconnu, partiellement connu ou connu de trouver la position et l'orientation d'une camera mobile en temps réel à partir d'une séquence vidéo prise par cette même camera. Le sujet implique également la reconstruction 3D de l'environnement. Les algorithmes de vision seront implémentés et testés sur des plateformes massivement parallèles. Processing the video sequence of a indoor camera in motion we have to find the position and angle of the camera in real time. We will use a single prime lens camera. It may involve an unknown, partially known or well known environment. A big part of the computation is the 3D reconstruction of the scene. The algorithms used to locate the camera will be implemented and tested on GPU. / In this thesis, we explore the problem of modeling an unknown environment using monocular vision for localization applications. We focus in modeling dynamic indoor environments. Many objects in indoor environments are likely to be moved. These movements significantly affect the structure and appearance of the environment and disrupt the existing methods of visual localization. We present in this work a new approach for modeling the environment and its evolution with time. We define explicitly the scene as a static structure and a set of dynamic objects. The object is defined as a rigid entity that a user can take, move and that is visually detectable. First, we show how to automatically discover new objects in a dynamic environment. Existing methods of visual localization simply ignore the inconsistencies due to changes in the scene. We aim to analyze these changes to extract additional information. Without any prior knowledge, an object is a set of points with coherent motion relative to the static structure of the scene. We combine two methods of visual localization to compare various explorations in the same environment taken at different time. The comparison enables to detect objects that have moved between the two shots. For each object, a geometric model and an appearance model are learned. Moreover, we extend the scene model while updating the metrical map and the topological map of the static structure of the environment. Object discovery using motion is based on a new algorithm of multiple structures detection in an image pair. Given a set of correspondences between two views, the method based on RANSAC extracts the different structures corresponding to different model parameterizations seen in the data. The method is applied to homography estimation to detect planar structures and to fundamental matrix estimation to detect structures that have been shifted one from another. Our approach for dynamic scene modeling is applied in a new formulation of place recognition to take into account the presence of dynamic objects in the environment. The model of the place consists in an appearance model of the static structure observed in that place. An object database is learned from previous observations in the environment with the method of object discovery using motion. The place recognition we propose detects the dynamic objects seen in the place and rejects the false detection due to these objects. The different methods described in this dissertation are tested on synthetic and real data. Qualitative and quantitative results are presented throughout the dissertation.

Les applications de réalité augmentée peuvent être conçues de différentes manières, mais encore très peu tirent partie de la géolocalisation.Pourtant, aujourd'hui, avec la multitude de capteurs embarqués dans nos smartphones et nos tablettes, l’utilisation de la géolocalisation dans le contexte de la RA (RA Geo) semble très prometteuse.Dans ce travail de thèse, nous avons contribué sur plusieurs aspects fondamentaux de la RA Geo: l'estimation de la position du dispositif, l'estimation de son orientation, ainsi que sur l'impact de ces estimations sur le rendu des informations virtuelles.Dans un premier temps, nous avons étudié l'estimation de l’orientation du téléphone.Nous avons réalisé le premier benchmark dans un motion lab afin de comparer et d'évaluer les différents filtres de la littérature sur une base commune.Celui-ci a permis de produire la première analyse comparative approfondie des différentes approches.Nous avons aussi proposé un nouveau filtre dont le but est de minimiser l’effet des perturbations magnétiques omniprésentes en intérieur et avons quantifié son apport par rapport aux techniques existantes.Dans un deuxième temps, nous avons étudié l'estimation de la position du téléphone lorsqu’il est porté par un piéton.Il existe de nombreux travaux sur les technologies de localisation mais il est difficile de trouver un benchmark qui évalue les différentes technologies dans le cas d’un smartphone grand public. Ainsi, à nouveau nous avons produit le premier benchmark pour analyser de façon comparative les différentes techniques de localisation qui peuvent être utilisées avec un smartphone.Dans un troisième temps, nous avons proposé une méthode pour caractériser l'impact des estimations d'orientation et de positionnement sur le rendu des informations virtuelles.Ceci a permis d'identifier des critères permettant de comprendre plus précisément les limites de faisabilité de différent cas d'utilisation de la RA Geo.Enfin, nous avons proposé un nouveau framework pour faciliter la conception d’applications de la RA Geo.Nous montrons comment les données de cartographie peuvent être utilisées et enrichies à l’aide d’une nouvelle sémantique utilisant OpenStreetMap.Nous avons créé un visualiseur permettant d'afficher des éléments virtuels sur le flux de la caméra.Ce framework intègre différents modules pour la localisation, l’orientation, la gestion des points d'intérêts, le geofencing, l’audio spatialisé, et le rendu 2D ou RA.Finalement, trois exemples d'applications d'AR Géo ont été réalisés à partir de ce framework.TyrAr est une application pour visualiser des informations sur les sommets et les villes environnantes.AmiAr permet de contrôler de certains objets de domotique dans un appartement connecté.Venturi Y3 est une visite guidée de la ville de Grenoble avec des expériences de RA avec de l'audio. / Applications for augmented reality can be designed in various ways, but few take advantage of geolocation.However, nowadays, with the many cheap sensors embedded in smartphones and tablets, using geolocation for augmented reality (Geo AR) seems to be very promising.In this work, we have contributed on several aspects of Geo AR: estimation of device positioning and attitude, and the impact of these estimations on the rendering of virtual information.In a first step, we focused on smartphone attitude estimation.We proposed the first benchmark using a motion lab with a high precision for the purpose of comparing and evaluating filters from the literature on a common basis.This allowed us to provide the first in-depth comparative analysis in this context.In particular, we focused on typical motions of smartphones when carried by pedestrians.Furthermore, we proposed a new technique for limiting the impact of magnetic perturbations with any attitude estimation algorithm used in this context.We showed how our technique compares and improves over previous works.In a second step, we studied the estimation of the smartphone's position when the device is held by a pedestrian.Altough many earlier works focused on evaluation of localisation systems, it remains very difficult to find a benchmark to compare technologies in the setting of a commodity smartphone. Once again, we proposed a novel benchmark to analyse localisation technologies including WiFi fingerprinting, WiFi trilateration, SHS (Step and Heading System) and map-matching.In a third step, we proposed a method for characterizing the impact of attitude and position estimations on the rendering of virtual features.This made it possible to identify criteria to better understand the limits of Geo AR for different use cases.We finally proposed a framework to facilitate the design of Geo AR applications.We show how geodata can be used for AR applications.We proposed a new semantics that extends the data structures of OpenStreetMap.We built a viewer to display virtual elements over the camera livestream.The framework integrates modules for geolocation, attitude estimation, POIs management, geofencing, spatialized audio, 2.5D rendering and AR.Three Geo AR applications have been implemented using this framework.TyrAr is an application to display information on mountain summits and cities around the user.AmiAr allows one to monitor lights, shutters, tv in a smart appartment.Venturi Y3 is an AR-Tour of Grenoble with audio description and experiences.

Dans les prochaines décennies, la circulation et les temps de trajets augmenteront drastiquement en raison du fort taux d'accroissement de la population urbaine. L'augmentation grandissante de la congestion sur les réseaux de transports menace le bon fonctionnement des villes à plusieurs niveaux, tels que le bien-être des citoyens, la santé, l'économie, le tourisme ou la pollution.Ainsi, il est urgent, pour les autorités locales et nationales, de promouvoir l'innovation pour la planification urbaine, à l'aide d'une politique de soutien à l'innovation et de prises de mesures radicales.Pour guider les processus de décisions, il est crucial d'estimer, analyser et comprendre la mobilité urbaine au quotidien.Traditionnellement, les informations sur les déplacements des populations était collectées via des rapports nationaux et locaux, tels que les recensements et les enquêtes. Toutefois, ces derniers ont un coût important, induisant une très faible fréquence de mise-à-jour, ainsi qu'une temporalité restreinte des données.En parallèle, les technologies de l'information et de la communication fournissent une quantité de données de mobilité sans précédent, au jour le jour, toutes catégories de population confondues. En particulier, les téléphones portables accompagnent désormais la majorité des citoyens lors de leurs déplacements et activités du quotidien. Dans cette thèse, nous estimons la mobilité urbaine par l'exploration des données du réseau mobile, qui sont collectées en temps réel, sans coût additionnel, par les opérateurs télécoms. Le traitement des données brutes est non-trivial en raison de leur nature sporadique et de la faible précision spatiale couplée à un bruit complexe.La thèse adresse deux problématiques via un schéma d'apprentissage faiblement supervisé (i.e., utilisant très peu de données labellisées) combinant plusieurs sources de données de mobilité. Dans un premier temps, nous estimons les densités de population et le nombre de visiteurs au cours du temps, à une échelle spatio-temporelle relativement fine.Dans un second temps, nous construisons les matrices Origine-Destination qui représentent les flux totaux de déplacements au cours du temps, pour différents modes de transports.Ces estimations sont validées par une comparaison avec des données de mobilité externes, avec lesquelles de fortes corrélations et de faibles erreurs sont obtenues.Les modèles proposés sont robustes au bruit et à la faible fréquence des données, bien que la performance des modèles soit fortement dépendante de l'échelle spatiale.Pour atteindre une performance optimale, la calibration des modèles doit également prendre en compte la zone d'étude et le mode de transport. Cette étape est nécessaire pour réduire les biais générés par une densité urbaine hétérogène et les différents comportements utilisateur.Ces travaux sont les premiers à estimer les flux totaux de voyageurs routiers et ferrés dans le temps, à l'échelle intra-régionale.Bien qu'une validation plus approfondie des modèles soit requise pour les renforcer, nos résultats mettent en évidence l'énorme potentiel de la science des données de réseaux mobiles appliquées à la planification urbaine / In the upcoming decades, traffic and travel times are expected to skyrocket, following tremendous population growth in urban territories. The increasing congestion on transport networks threatens cities efficiency at several levels such as citizens well-being, health, economy, tourism and pollution. Thus, local and national authorities are urged to promote urban planning innovation by adopting supportive policies leading to effective and radical measures. Prior to decision making processes, it is crucial to estimate, analyze and understand daily urban mobility. Traditionally, the information on population movements has been gathered through national and local reports such as census and surveys. Still, such materials are constrained by their important cost, inducing extremely low-update frequency and lack of temporal variability. On the meantime, information and communications technologies are providing an unprecedented quantity of up-to-date mobility data, across all categories of population. In particular, most individuals carry their mobile phone everywhere through their daily trips and activities. In this thesis, we estimate urban mobility by mining mobile network data, which are collected in real-time by mobile phone providers at no extra-cost. Processing the raw data is non-trivial as one must deal with temporal sparsity, coarse spatial precision and complex spatial noise. The thesis addresses two problematics through a weakly supervised learning scheme (i.e., using few labeled data) combining several mobility data sources. First, we estimate population densities and number of visitors over time, at fine spatio-temporal resolutions. Second, we derive Origin-Destination matrices representing total travel flows over time, per transport modes. All estimates are exhaustively validated against external mobility data, with high correlations and small errors. Overall, the proposed models are robust to noise and sparse data yet the performance highly depends on the choice of the spatial resolution. In addition, reaching optimal model performance requires extra-calibration specific to the case study region and to the transportation mode. This step is necessary to account for the bias induced by the joined effect of heterogeneous urban density and user behavior. Our work is the first successful attempt to characterize total road and rail passenger flows over time, at the intra-region level.Although additional in-depth validation is required to strengthen this statement, our findings highlight the huge potential of mobile network data mining for urban planning applications

Les travaux réalisés au cours de cette thèse s’inscrivent dans les problématiques de localisation d’un véhicule par vision. Nous nous plaçons en particulier dans le cas de parcours sur de longues distances, c’est à dire plusieurs kilomètres. Les méthodes actuelles de localisation et cartographie simultanées souffrent de problèmes de dérives qui les rendent difficilement exploitables après plusieurs centaines de mètres. Nous proposons dans ce mémoire de pallier ces limites en exploitant une connaissance à priori sur la géométrie de l’environnement parcouru.Cette information est extraite d’un Système d’Information Géographique. En particulier, les travaux réalisés se basent sur les modèles 3D des bâtiments des villes et sur une carte de la route.Dans la première partie de ce mémoire, nous proposons une approche permettant de corriger hors ligne une reconstruction SLAM en exploitant la connaissance d’un modèle 3D simple de l’environnement. Cette correction s’applique en deux étapes. En premier lieu, un recalage non-rigide entre le nuage de points reconstruit et le modèle 3D est effectué de sorte à retrouver la cohérence globale de la reconstruction. Dans le but de raffiner le nuage de points obtenu, un ajustement de faisceaux contraint par le SIG est alors effectué sur l’ensemble de la reconstruction.La particularité de cet ajustement de faisceaux est qu’il prend implicitement en compte les contraintes géométriques apportées par le modèle 3D. La reconstruction ainsi corrigée est alors utilisée en tant que base de données pour la relocalisation en ligne d’une caméra mobile. La précision de relocalisation obtenue est en particulier suffisante pour les applications de réalité augmentée.Dans la deuxième partie de ce mémoire, nous détaillons une solution permettant de corriger en ligne la reconstruction SLAM. Pour cela, les contraintes géométriques apportées par le SIG sont exploitées au fur et à mesure de la trajectoire du véhicule. Nous montrons tout d’abord que la connaissance de la position relative de la caméra par rapport à la route permet de corriger de façon robuste la dérive de facteur d’échelle. De plus, lorsque les contraintes géométriques sont suffisantes, la reconstruction SLAM réalisée jusqu’à l’instant courant est recalée sur le SIG.Cela permet de corriger ponctuellement la dérive observée sur la position courante de la caméra.Le processus complet permet dès lors de localiser le véhicule avec une précision semblable à celle d’un système GPS sur des trajectoires de plusieurs kilomètres.Les deux méthodes proposées ont été testées à la fois sur des séquences de synthèse et réelles. Des résultats qualitatifs et quantitatifs sont présentés tout au long de ce mémoire. / This thesis deals with the vision based geolocalisation of a vehicle. In particular, the problem of localisation on large sequences, i.e. several kilometers, is studied. In this context, state of the art Simultaneous Localisation and Mapping systems suffer from drift. In consequence,existing SLAM methods can not provide accurate localisation of the camera after several hundred meters. Thus, we propose in this thesis to avoid the drift phenomenon by exploiting a simple knowledge about the geometry of the environment. This information is provided by a Geographical Information System. In particular, our work is based on coarse 3D city models and road maps.In the first part, we propose an offline two steps correction of SLAM reconstructions based on a 3D city model of the area. First, the reconstructed 3D point cloud and this 3D city model are aligned through a non-rigid transformation. This step allows the SLAM reconstruction to regain its global consistency. Then, a bundle adjustment constrained with the GIS is applied on the entire reconstruction to refine its geometry. The innovation of this bundle adjustment is that it takes into account the geometrical constraints provided by the 3D city model in a single term.The obtained 3D point cloud can then be considered as a feature landmark database. Finally, this database is used to localise a moving camera in real-time. In pratice, the precision of the obtained localisation is sufficient for augmented reality applications. In the second part of this manuscript, we present a solution which makes possible the online correction of a SLAM reconstruction. The GIS geometrical constraints are exploited over the vehicle trajectory. First, we show that the scale factor drift can be robustly corrected thanks to the knowledge of the ground plane equation. Furthermore, the current SLAM reconstruction is fitted onto the GIS when the geometrical constraints are sufficient. It punctually ensures the correction of the current camera position. The entire process allows the geolocalisation of a vehicle on several kilometers. The obtained precision is close to GPS.The two proposed solutions have been validated of both synthetic and real sequences. Quantitative and qualitative experiments are presented over this manuscript.

La thèse s'inscrit dans le domaine de la vision par ordinateur. Il s'agit, dans un environnement intérieur inconnu, partiellement connu ou connu de trouver la position et l'orientation d'une camera mobile en temps réel à partir d'une séquence vidéo prise par cette même camera. Le sujet implique également la reconstruction 3D de l'environnement. Les algorithmes de vision seront implémentés et testés sur des plateformes massivement parallèles. Processing the video sequence of a indoor camera in motion we have to find the position and angle of the camera in real time. We will use a single prime lens camera. It may involve an unknown, partially known or well known environment. A big part of the computation is the 3D reconstruction of the scene. The algorithms used to locate the camera will be implemented and tested on GPU.

Pour se localiser en ville, la majorité des solutions commercialisées se base sur les systèmes GPS. Même si ces systèmes offrent une précision suffisante hors agglomération, celle-ci se dégradent considérablement en villes à cause des phénomènes connus sous le nom du canyon urbain (i.e. réflexion du signal GPS sur les façades des bâtiments). Pour pallier ce problème, les solutions basées sur un SLAM visuel (Simultaneous Localization And Mapping) semblent une alternative prometteuse. En plus de l’estimation des six degrés de liberté de la caméra mobile, il fournit une carte 3D de la scène observée. Toutefois, la localisation assurée par le SLAM visuel n’est pas géo-référencée et présente souvent des dérives (e.g. mauvaise estimation du facteur d’échelle, accumulation des erreurs). Pour faire face à ces limitations et afin de proposer une solution facile à déployer, nous avons étudié la possibilité d’intégrer au SLAM des informations supplémentaires qui pourraient contraindre l’ensemble de la reconstruction fournie. Ces dernières doivent alors être peu couteuses et disponibles en milieux urbains denses et péri-urbains. C’est pour cette raison que nous avons choisi d’exploiter les contraintes fournies par un GPS standard et celles apportées par des modèles issus des Systèmes d’Information Géographique, plus précisément : des modèles 3D des bâtiments et des modèles d’élévation de terrain. La principale contribution de ces travaux réside en l’intégration de ces contraintes au sein de l’ajustement de faisceaux (i.e. processus d’optimisation du SLAM). Ceci n’est pas trivial étant donné que combiner des contraintes agissant sur la trajectoire de la caméra et la reconstruction 3D peut entrainer des problèmes de convergences, en particulier lorsque les informations exploitées ont des incertitudes variées, voire même des données biaisées ou aberrantes (e.g. Pour les mesures du GPS). Différentes solutions Larnaout et al. (2012, 2013a,b,c) permettant de combiner plusieurs de ces contraintes simultanément tout en limitant les problèmes de convergence ont été développées. Les solutions proposées ont été validées sur des séquences de synthèse et d’autres réelles de plusieurs kilomètres enregistrées dans des conditions de circulation normale. Les résultats obtenus montrent que la précision atteinte au niveau de l’estimation des six degrés de liberté de la caméra permet d’assurer des nouvelles applications d’aide à la navigation par le biais de la Réalité Augmentée. En plus de leur précision, nos approches ont l’avantage d’être rapides, peu couteuses et faciles à déployer (ne nécessitant pas un matériel sophistiqué). / To ensure a global localization in urban environment, the majority of commercial solutions is based on Global Positioning Systems (GPS). While these systems offer sufficient accuracy in peri-urban or rural areas, their accuracy decreases significantly in cities because of the urban canyon (i.e. reflections of the GPS signal through the facades of buildings). To overcome this problem, vision based solutions such as the visual SLAM (Simultaneous Localization And Mapping) seem to be a promising alternative. In addition to the estimation of the six degrees of freedom of the mobile camera, such approach provides a 3D map of the observed scene. However, the localization provided by the visual SLAM is not geo-referenced and is often subject of drifts (e.g. poor estimate of the scale factor, accumulations errors). To address these limitations and to provide a solution easy to deploy, we studied the possibility of integrating to the SLAM algorithm additional information that could constrain the entire reconstruction. These data must then be inexpensive and available in dense urban and peri-urban areas. For these reasons, we chose to exploit the constraints provided by a standard GPS and those provided by models from Geographic Information Systems, more precisely, the 3D buildings models and the digital elevation models. The main contribution of this work lies in the integration of these constraints in the bundle adjustment (i.e. the optimization process of the SLAM algorithm). This is not trivial since combining constraints acting on the trajectory of the camera and the 3D reconstruction can lead to convergence problems, especially when the information used have various uncertainties and even outliers (e.g. specially GPS measurements). Different solutions Larnaout et al. (2012, 2013a,b,c) to combine these constraints simultaneously while limiting the problems of convergence have been developed. The proposed solutions have been evaluated on synthetic sequences and large scale real sequences recorded in normal traffic conditions. The results show that the accuracy achieved on the six degrees of freedom of the mobile camera is sufficient to ensure new service of aided navigation through Augmented Reality. In addition to the accuracy, our approaches have the advantage of being fast, inexpensive and easy to deploy (not requiring sophisticated equipment).

E-handeln inom Europa växer explosionsartat och tillgång till varor och tjänster är i dagsläget endast några få knapptryck bort. Eftersom åtkomsten till internet är global kan hemsidor och webbshoppar få en enorm internationell spridning. Näringsidkare som bedriver fysisk handel kan enkelt anpassa sig till lagar, språk, valuta mm. i landet där deras verksamhet är placerad, men anpassningen på internet, i cybervärlden, är svårare. Geolokalisering är en teknik som gör det möjligt för näringsidkare att kunna anpassa sig, genom att lokalisera och fastställa var internetanvändare befinner sig. När en internetanvändares geografiska placering är fastställd, kan näringsidkaren anpassa utbud, reklam, språk och valuta på hemsidan som denne bedriver. Möjligheten att kunna lokalisera internetanvändare på detta sätt, är ur ett affärsmässigt perspektiv mycket lönsamt för en näringsidkare. Geolokaliseringen ger även näringsidkaren en möjlighet till att geoblockera internetanvändare från dennes hemsida, genom att exempelvis helt blockera åtkomst, anpassa vilka produkter internetanvändaren får åtkomst till eller omdirigera internetanvändare från en version av hemsidan till en annan. Geoblockering kan därför underlätta det för en näringsidkare att följa regler och lagar i de olika länderna där dennes hemsida är tillgänglig. Immaterialrätter är i regel skyddade inom olika territorium. Med immaterialrätter följer ensamrätt till användande av rättigheten inom skyddsområdet. En näringsidkare som säljer varor på sin e-handels hemsida, som är eller kan vara omfattade av andra innehavares rättighetsskydd, kan använda geoblockering som ett verktyg för att helt undvika eller anpassa sig till de olika immaterialrättsliga skyddsområdena. Kommissionen har meddelat att ett av EU:s mål är att skapa en digital inre marknad och förhindra diskriminering mot konsumenter baserat på nationalitet, bostadsort eller geografisk placering. Diskrimineringen kan utgöras av exempelvis olika begränsningar för en konsument som vill få tillgång till ett innehåll eller köpa varor på internet. En sådan begränsning kan vara geoblockering. Den 25 maj 2016 lade Kommissionen fram ett förordningsförslag, som syftar till att förbjuda omotiverad geoblockering. I november 2016 enades Rådet om ett utkast till förordningen. Förordningsförhandlingarna förväntas påbörja så snart som Europaparlamentet enats om sin ståndpunkt. Frågan är hur ett förbud mot geoblockering kan komma att påverka näringsidkare inom e-handeln, ur ett immaterialrättsligt perspektiv.

No description available.

Efterfrågan och tillhandahållandet av platsberoende tjänster blir allt större vilket i sin tur skapar intresse för billiga och skalbara tekniker i alla möjliga olika miljöer. Särskilt intressant blir tekniker som är lätta att installera på nya platser och vars hårdvarukomponenter är enkla och billiga. I denna rapport presenteras en experimentiell systemteknisk metod för positionsberäkning i inomhusmiljöer, specifikt de som på grund av lokala elektromagnetiska fält, rörliga större föremål eller oregelbundna ytor skapar störningar som gör det svårt att utföra förlitlig positionering. Systemet utgörs av ett antal wifi-routrar samt en signalmottagre kopplad till en dator med systemets mjukvarukomponent installerad. Resultatet bedömdes utifrån en förväntad nivå av korrekthet, närmare bestämt att minst hälften av systemets bedömningar inte har fel med mer än två meter, samt en övre gräns på högst tre meters fel i minst 90 procent av fallen. För att möta målsättningen utrustades mjukvaran med komponenter tänkta att minimera effekten av störningar. Ett Kalmanfilter ger en bättre tolkning av inkommande mätdata medan en för området vanlig estimeringsalgoritm, så kallad Location Fingerprinting, förstärks med en experimentell uppsättning artificiella neurala neuronnät. Som rapporten kommer visa möter systemet som helhet utmaningen och presterar initialt bättre än väntat (hälften av bedömningarna har ett fel på 1,5 meter eller lägre) men även att det beshöver testas i så många nya miljöer som möjligt så att det kan gå att dra slutsatser om dess mer generella användbarhet. / The demand for and supply of location based services (LBS) is constantly growing, which in turn leads to an unquenchable thirst for affordable, scalable localisation solutions in all kinds of surroundings. Technical solutions that are easy to set up at a new location and whose hardware components are simple and affordable, are especially of interest.This paper describes an experimental system designed for positioning a client in particularly challenging indoor environments – wether it's due to local electromagnetic fields, large moving objects or slanted surfaces, basically whatever could create difficulties in radiowave based positioning. This system consists of a number of wifi routers and a signal receiver connected to a computer running the central software component. The results were assessed out of an expected level of accuracy, namely that no more than half of the estimates are off by two meters or more, with an upper limit of no more than 90 percent of the estimates being off by three meters or more. In order to achieve this, the software includes algorithms designed to lessen the effect of signal disruption. A Kalman filter gives the system a better interpretation of sensor data, while the (for the field) common estimation method of Location Fingerprinting gets reinforced by an experimental array of artificial neural networks. As this paper will show, the system will within the initial testing fulfill the set criteria to satisfaction, however it will need future trials in a row of varying environments so as to give an indication of its general usefulness.