Avances en posicionamiento interior con VLP e INS

La localización por luz visible (VLP) usa luz de LEDs para averiguar dónde están las cosas dentro de los edificios. Como queremos mejorar cómo encontramos ubicaciones dentro de los edificios, la VLP se ha vuelto popular porque promete resultados muy precisos. La tecnología funciona usando señales de luz que envían los LEDs y que son captadas por sensores de luz llamados fotodiodos (PDs). Estos PDs miden qué tan fuertes son las señales de luz para estimar dónde están en relación con las luces.

#Importancia de la inclinación en sistemas VLP

Cuando un PD recibe luz de un LED, el ángulo en el que la luz golpea el PD puede cambiar la fuerza de la señal que recibe. Esto significa que el ángulo del PD es crucial para que la VLP funcione con precisión. Sin embargo, la mayoría de las investigaciones asumen que el PD está colocado plano, lo que puede llevar a resultados menos precisos en situaciones reales. Esto es especialmente importante para dispositivos que pueden moverse mucho o cambiar sus ángulos, como robots o personas caminando.

#Desafíos de los bloqueos de luz

Otro problema que puede afectar la VLP es cuando algo bloquea la luz. Dado que la luz no puede atravesar objetos sólidos, si una persona o un objeto se interpone, el PD puede recibir una señal débil o ninguna. Con las técnicas actuales, no hay mucho enfoque en averiguar cuándo ocurren los bloqueos. Esto significa que todos los datos recogidos durante esos momentos podrían estar equivocadas, llevando a una pobre precisión en la ubicación.

#Nuestra solución propuesta

Para resolver estos problemas, proponemos un sistema que combina VLP con Sistemas de Navegación Inercial (INS). Este enfoque integrado utiliza un método llamado optimización de grafos, que permite al sistema averiguar la mejor posición para el PD incluso cuando los ángulos están cambiando o cuando hay bloqueos.

También estamos viendo si es posible averiguar dónde están algunos de los LEDs desconocidos mientras el robot se mueve. A través de algunos experimentos y simulaciones, mostramos que nuestro método puede lograr una alta precisión. Encontramos un error de posicionamiento promedio de solo 10 cm y podemos estimar el ángulo del PD dentro de 1 grado, incluso cuando el PD está inclinado o bloqueado.

#Descripción general de la tecnología VLP

La VLP se está volviendo más importante a medida que crece la demanda de servicios que dependen de la información de ubicación. Usa luces LED para producir señales y tiene muchas ventajas. Los LEDs son eficientes, duraderos y no muy caros de instalar en edificios. Comparado con otros sistemas de posicionamiento interior como WiFi o Bluetooth, la VLP ofrece mayor precisión manteniendo bajos costos.

Muchos sistemas VLP utilizan PDs y cámaras como receptores. Los PDs son más baratos y más simples de trabajar, lo que los convierte en una opción popular. Transforman señales de luz en señales eléctricas, que pueden medir fácilmente qué tan fuerte es la luz entrante. Para configuraciones más complejas, los PDs también pueden medir el tiempo que tardan en llegar las señales, proporcionando más puntos de datos para la posicionamiento.

#Limitaciones de la investigación actual

Actualmente, la mayoría de los sistemas VLP siguen un modelo llamado radiación lambertiana. Esto significa que dependen de una relación fija entre la distancia a la fuente de luz y el ángulo de la luz. Sin embargo, este modelo no tiene en cuenta los cambios que ocurren cuando el PD está inclinado. La mayoría de los estudios existentes fijan estos ángulos de inclinación, limitando su efectividad en entornos dinámicos.

Mucha investigación previa ha analizado el uso de sensores IMU, que miden movimiento y orientación, para ayudar a estimar la inclinación del PD. Sin embargo, estos sistemas a menudo asumen una relación simple que no se sostiene en situaciones complejas. Por lo tanto, podrían no funcionar bien cuando la fuente de luz está bloqueada.

#La necesidad de detección de bloqueos

El principal problema con la VLP, especialmente en situaciones prácticas, es que la luz no puede atravesar objetos opacos. Cuando hay algo en el camino, el sistema VLP puede obtener mediciones incorrectas, llevando a resultados pobres en la ubicación. Algunas investigaciones han tocado este tema, pero pocos han probado estas ideas en condiciones del mundo real.

Usar cálculos simples para estimar cómo los bloqueos afectan la luz solo puede llegar hasta cierto punto. La mayoría de los métodos existentes no logran tener en cuenta los cambios repentinos en las señales de entrada debido a bloqueos. Nuestro enfoque es añadir un módulo que pueda detectar bloqueos y eliminar sus efectos en los datos de posicionamiento.

#Nuestro sistema integrado VLP/INS

Proponemos un sistema VLP/INS estrechamente acoplado que aborda dos problemas principales: estimar con precisión el ángulo del PD y detectar bloqueos. Aquí está cómo funciona:

#Modelo de optimización de grafos

Nuestro sistema utiliza un modelo de optimización de grafos que toma datos de ambos, VLP y sensores IMU. Al combinar estas entradas, el sistema puede estimar mejor tanto la posición como la orientación del PD. Esto mejora cómo el sistema maneja cambios en ángulo y bloqueos potenciales, llevando a resultados de posicionamiento más confiables.

#Detección de bloqueos

También implementamos un proceso para identificar cuándo ocurren bloqueos. Esto implica monitorear cómo cambia la fuerza de la señal recibida a lo largo del tiempo. Cuando ocurre un bloqueo, podemos darnos cuenta porque la fuerza de la señal baja significativamente. Al notar cuándo ocurren estas caídas, podemos ignorar mediciones que están influenciadas por bloqueos.

#Estimación de la ubicación de LEDs desconocidos

Además, exploramos la posibilidad de estimar las posiciones de algunos LEDs desconocidos. Si hay algunas luces en el entorno que son desconocidas, nuestro sistema aún puede determinar sus posiciones basándose en los movimientos del robot y los datos de VLP. La precisión de la estimación de estas ubicaciones desconocidas variará dependiendo de cómo se mueva e interactúe el robot con las fuentes de luz.

#Experimentos y resultados

Para validar nuestro enfoque, realizamos tanto simulaciones como pruebas en el mundo real.

#Pruebas de simulación

En nuestras simulaciones, probamos el sistema bajo varias condiciones. Creamos un escenario donde el robot se movería cuesta arriba lidiando con bloqueos. Añadimos ruido para simular condiciones del mundo real, asegurando que nuestras pruebas fueran lo más realistas posible.

#Experimentos en el mundo real

Luego llevamos a cabo dos conjuntos de experimentos en el mundo real:

#Experimento A

Este experimento tuvo lugar en un entorno controlado con reglas estrictas para inclinaciones y bloqueos. Usamos cinco LEDs y un robot móvil con un PD y un IMU adjuntos. El objetivo era medir qué tan bien nuestro sistema podía estimar tanto la posición como la inclinación.

#Experimento B

Para este experimento, usamos un área más grande y comparamos nuestro sistema VLP con otras tecnologías como UWB y Bluetooth. Establecimos múltiples fuentes de luz y probamos cómo el robot navegaba mientras lidiaba con bloqueos de un peatón que se cruzaba intencionadamente frente a las luces.

#Hallazgos clave

1. Precisión en el posicionamiento: Nuestro sistema estrechamente acoplado logró una precisión de aproximadamente 9.6 cm de promedio, incluso en condiciones desafiantes con inclinaciones y bloqueos.

2. Errores de inclinación: Las estimaciones de inclinación fueron generalmente dentro de 1 grado de precisión, demostrando la robustez de nuestro sistema.

3. Gestión de bloqueos: El método de detección de bloqueos implementado identificó y excluyó efectivamente las mediciones falsas, lo que ayudó a mantener la integridad de las estimaciones de posición.

4. Estimación de LEDs desconocidos: El sistema estimó exitosamente las ubicaciones de algunos LEDs desconocidos, aunque la precisión varió dependiendo de los movimientos del robot.

#Conclusión

En resumen, nuestro sistema VLP/INS estrechamente acoplado mejora significativamente la precisión de la localización interior, particularmente en entornos donde hay bloqueos de luz y ángulos variables. Al integrar optimización de grafos, estimación de inclinación y detección de bloqueos, sentamos las bases para futuras aplicaciones en robots móviles y otros dispositivos que pueden beneficiarse de una localización interior precisa.

Esta tecnología abre la puerta a una mejor navegación y seguimiento en varias industrias, como la logística, la salud y los edificios inteligentes. La adaptabilidad y efectividad de nuestro sistema muestran un gran potencial para usos más amplios, allanando el camino para soluciones de posicionamiento interior más confiables en el futuro.