Compartilhe o registro |
|
Use este identificador para citar ou linkar para este item:
https://tede2.pucrs.br/tede2/handle/tede/6187
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Berz, Everton Luís | - |
dc.creator.Lattes | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4750970J6 | por |
dc.contributor.advisor1 | Hessel, Fabiano Passuelo | - |
dc.contributor.advisor1Lattes | http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4728802T7 | por |
dc.date.accessioned | 2015-06-29T12:32:26Z | - |
dc.date.issued | 2015-03-30 | - |
dc.identifier.uri | http://tede2.pucrs.br/tede2/handle/tede/6187 | - |
dc.description.resumo | Com o objetivo de otimizar a experiência do usuário e resolver problemas de logística e segurança, aplicativos necessitam conhecer a localização física de objetos e pessoas. As propostas de sistemas de localização para ambientes internos (indoor) baseados em somente uma tecnologia não vêm obtendo bom desempenho na localização, principalmente devido a limitações em relação às características interferentes presentes em ambientes internos. Este trabalho tem como objetivo o desenvolvimento de um sistema híbrido de localização indoor, capaz de obter a localização bidimensional e tridimensional de objetos estáticos, com precisão de poucos centímetros, utilizando equipamentos já estabelecidos no mercado. A partir do uso da tecnologia RFID, a localização é estimada através de modelos de aprendizado de máquina. São avaliados modelos baseados em Redes Neurais Artificiais (RNA) e Support Vector Regression (SVR). Um subsistema de visão computacional detecta marcadores visuais no cenário a fim de aprimorar a localização. Visando combinar as tecnologias RFID e óptica, é definido um método de fusão de sensores baseado em múltiplas regiões de interesse a partir da técnica k-means. Além disso, um método de multi-frequência é 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 laboratório. Inicialmente, foi analisado o desempenho do sistema em relação ao posicionamento de antenas e etiquetas RFID presentes no ambiente. Na avaliação geral do sistema sob escalabilidade 2D, o erro de localização se manteve entre 9 e 33 cm. Nesta dimensão, o modelo RNA superou o SVR em 30%. Na comparação entre o sistema híbrido e o emprego somente da tecnologia RFID, a fusão de sensores melhorou a precisão em aproximadamente 32%. Em escalabilidade tridimensional, a precisão foi de 63 cm no melhor caso. | por |
dc.description.abstract | 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. | eng |
dc.description.provenance | Submitted by Setor de Tratamento da Informação - BC/PUCRS ([email protected]) on 2015-06-29T12:32:26Z No. of bitstreams: 1 471311 - Texto Completo.pdf: 3539731 bytes, checksum: 45f5e399fc56af2961d60689146cd5df (MD5) | eng |
dc.description.provenance | 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 | eng |
dc.format | application/pdf | * |
dc.thumbnail.url | http://tede2.pucrs.br:80/tede2/retrieve/163104/471311%20-%20Texto%20Completo.pdf.jpg | * |
dc.language | por | por |
dc.publisher | Pontifícia Universidade Católica do Rio Grande do Sul | por |
dc.publisher.department | Faculdade de Informática | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | PUCRS | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | por |
dc.rights | Acesso Aberto | por |
dc.subject | INFORMÁTICA | por |
dc.subject | SISTEMAS AUTOMÁTICOS DE IDENTIFICAÇÃO | por |
dc.subject | RFID | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.title | Sistema híbrido de localização indoor baseado em RFID e análise visual | por |
dc.type | Tese | por |
Aparece nas coleções: | Programa de Pós-Graduação em Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
471311 - Texto Completo.pdf | Texto Completo | 3,46 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.