Hay muchas formas de llevar a cabo un sistema de localización en interiores, como es posible comprobar a través de los artículos de nuestra página de Información Técnica. LOCUM está basado en técnicas probabilísticas de análisis de la señal WiFi y de análisis de imágenes. El fundamento que hay tras ellas requiere de un cierto bagaje teórico para ser entendido, pero la idea general de su funcionamiento puede comprenderse de forma sencilla. Esta entrada pretende explicar de forma simplificada el modo en que opera LOCUM, por lo que se realizarán algunas simplificaciones en aras a una mejor comprensión.
El sistema GPS no puede utilizarse en interiores para obtener información precisa de localización. Las señales emitidas por los satélites de posicionamiento se ven gravemente afectadas por los materiales de construcción de los edificios y su cobertura es nula o casi inexistente en el interior de los mismos. Por tanto, debemos recurrir a otras técnicas para poder calcular la localización de los usuarios de forma precisa. Afortunadamente, hoy en día hay desplegada una cantidad lo suficientemente elevada de puntos de acceso inalámbricos 802.11 (WiFi) en entornos urbanos como para poder aprovechar las señales que éstos emiten.
Entre las técnicas más utilizadas se encuentra la técnica de fingerprinting, un método basado en el análisis de patrones que opera en dos fases. Durante una primera fase de entrenamiento se procede a registrar qué señales WiFi se reciben en cada uno de los puntos de interés de un edificio, es decir, se anota qué puntos de acceso son visibles y con qué intensidad de señal. Toda esta información se conoce como mapa de huellas de radiación y se guarda en una base de datos para su posterior utilización. Durante la fase de uso del sistema, cuando se procede a obtener la localización de los distintos usuarios, analizaremos qué señales está obteniendo en ese momento un dispositivo de usuario (es decir, qué puntos de acceso puede escuchar). Esas señales serán analizadas frente al mapa creado durante la fase de entrenamiento, con el fin de determinar qué punto del mapa presenta un comportamiento más parecido o, dicho de otra manera, a qué señales ya previamente obtenidas se parecen más las nuevas señales.
Dado que puede haber varios puntos del edificio en los que las señales sean muy parecidas, es necesario introducir algún tipo de técnica probabilística con el fin de refinar el proceso de cálculo. Por ejemplo, en un proceso de localización continua en tiempo real se priorizarán aquellas posiciones que sean cercanas a la última posición conocida, dado que se asume que son más probables. Esto hará que al final la representación de la posición de un usuario sea realmente un vector de distribución de probabilidades donde vamos anotando la probabilidad de que el usuario se encuentre en cada punto del mapa. Mediante el uso de inferencia Bayesiana podremos filtrar parte del ruido con el que se captan las señales 802.11.
Sin embargo, cuando el escenario al que dar soporte es extenso geográficamente (como puede ser una facultad o todo un campus), esta técnica es prácticamente inviable, puesto que resulta demasiado costoso en tiempo llevar a cabo la recogida de señales en todos los puntos de interés durante la fase de entrenamiento. Para ello es necesario introducir técnicas de construcción dinámica de mapas de radiación, asistidas en muchos casos por los propios usuarios del sistema.
La precisión que es posible obtener mediante el uso únicamente de este tipo de procedimientos se sitúa en torno a los 3 metros de error, dependiendo de la densidad de los puntos de acceso y de la cantidad de puntos de interés en el mapa. Dado que para algunos tipos de aplicaciones basadas en localización, como por ejemplo las de realidad aumentada, esta precisión es insuficiente, es necesario incorporar datos obtenidos mediante otros sensores, como por ejemplo las imágenes de la cámara de un smartphone. En una entrada posterior abordaremos la esencia de las técnicas de análisis de imágenes.
No hay comentarios:
Publicar un comentario