Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2015-06-29T12:32:26Z
No. of bitstreams: 1
471311 - Texto Completo.pdf: 3539731 bytes, checksum: 45f5e399fc56af2961d60689146cd5df (MD5) / Made available in DSpace on 2015-06-29T12:32:26Z (GMT). No. of bitstreams: 1
471311 - Texto Completo.pdf: 3539731 bytes, checksum: 45f5e399fc56af2961d60689146cd5df (MD5)
Previous issue date: 2015-03-30 / 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 experi?ncia do usu?rio e resolver problemas de log?stica e seguran?a, aplicativos necessitam conhecer a localiza??o f?sica de objetos e pessoas. As propostas de sistemas de localiza??o para ambientes internos (indoor) baseados em somente uma tecnologia n?o v?m obtendo bom desempenho na localiza??o, principalmente devido a limita??es em rela??o ?s caracter?sticas interferentes presentes em ambientes internos. Este trabalho tem como objetivo o desenvolvimento de um sistema h?brido de localiza??o indoor, capaz de obter a localiza??o bidimensional e tridimensional de objetos est?ticos, com precis?o de poucos cent?metros, utilizando equipamentos j? estabelecidos no mercado. A partir do uso da tecnologia RFID, a localiza??o ? estimada atrav?s de modelos de aprendizado de m?quina. S?o avaliados modelos baseados em Redes Neurais Artificiais (RNA) e Support Vector Regression (SVR). Um subsistema de vis?o computacional detecta marcadores visuais no cen?rio a fim de aprimorar a localiza??o. Visando combinar as tecnologias RFID e ?ptica, ? definido um m?todo de fus?o de sensores baseado em m?ltiplas regi?es de interesse a partir da t?cnica k-means. Al?m disso, um m?todo de multi-frequ?ncia ? 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 laborat?rio. Inicialmente, foi analisado o desempenho do sistema em rela??o ao posicionamento de antenas e etiquetas RFID presentes no ambiente. Na avalia??o geral do sistema sob escalabilidade 2D, o erro de localiza??o se manteve entre 9 e 33 cm. Nesta dimens?o, o modelo RNA superou o SVR em 30%. Na compara??o entre o sistema h?brido e o emprego somente da tecnologia RFID, a fus?o de sensores melhorou a precis?o em aproximadamente 32%. Em escalabilidade tridimensional, a precis?o foi de 63 cm no melhor caso.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2.pucrs.br:tede/6187 |
| Date | 30 March 2015 |
| Creators | Berz, Everton Lu?s |
| Contributors | Hessel, Fabiano Passuelo |
| Publisher | Pontif?cia Universidade Cat?lica do Rio Grande do Sul, Programa de P?s-Gradua??o em Ci?ncia da Computa??o, PUCRS, Brasil, Faculdade de Inform?tica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS, instname:Pontifícia Universidade Católica do Rio Grande do Sul, instacron:PUC_RS |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 1974996533081274470, 600, 600, 600, -3008542510401149144, 3671711205811204509 |
Page generated in 0.0023 seconds