Progressi nella Posizionamento Indoor con VLP e INS

La Posizionamento con luce visibile (VLP) usa la luce degli LED per capire dove si trovano le cose dentro gli edifici. Visto che vogliamo migliorare come troviamo le posizioni all'interno degli edifici, il VLP è diventato popolare perché promette risultati molto precisi. La tecnologia funziona usando segnali luminosi inviati dagli LED che vengono ricevuti da sensori di luce chiamati fotodiodi (PD). Questi PD misurano quanto sono forti i segnali luminosi per stimare dove si trovano rispetto alle luci.

#Importanza dell'Inclinazione nei Sistemi VLP

Quando un PD riceve luce da un LED, l'angolo con cui la luce colpisce il PD può cambiare la forza del segnale che riceve. Questo significa che l'angolo del PD è fondamentale perché il VLP funzioni in modo accurato. Tuttavia, la maggior parte delle ricerche presuppone che il PD sia posizionato piatto, il che può portare a risultati meno accurati nella vita reale. Questo è particolarmente importante per dispositivi che potrebbero muoversi molto o avere i loro angoli cambiati, come robot o persone che camminano.

#Sfide delle Ostruzioni della Luce

Un'altra cosa che può influenzare il VLP è quando qualcosa blocca la luce. Poiché la luce non può attraversare oggetti solidi, se una persona o un oggetto si mette in mezzo, il PD potrebbe ricevere un segnale debole o addirittura nullo. Con le tecniche attuali, non c'è molto focus nel capire quando si verificano le ostruzioni. Questo significa che tutti i dati raccolti in quei momenti potrebbero essere sbagliati, portando a una bassa precisione di posizionamento.

#La Nostra Soluzione Proposta

Per risolvere questi problemi, proponiamo un sistema che combina VLP con Sistemi di Navigazione Inerziale (INS). Questo approccio integrato usa un metodo chiamato Ottimizzazione dei grafi, che permette al sistema di capire la migliore posizione per il PD anche quando gli angoli cambiano o ci sono ostruzioni.

Stiamo anche valutando se sia possibile scoprire dove si trovano alcuni LED sconosciuti mentre il robot si muove. Attraverso alcuni esperimenti e simulazioni, abbiamo dimostrato che il nostro metodo può raggiungere un'alta precisione. Abbiamo trovato un errore medio di posizionamento di appena 10 cm e possiamo stimare l'angolo del PD entro 1 grado, anche quando il PD è inclinato o bloccato.

#Panoramica della Tecnologia VLP

Il VLP sta diventando sempre più importante man mano che cresce la domanda di servizi che si basano su informazioni di posizionamento. Usa luci LED per produrre segnali e ha molti vantaggi. Gli LED sono efficienti, duraturi e non costano molto da impostare negli edifici. Rispetto ad altri sistemi di posizionamento interno come WiFi o Bluetooth, il VLP offre una maggiore precisione mantenendo bassi i costi.

Molti sistemi VLP usano PD e telecamere come ricevitori. I PD sono più economici e semplici da gestire, rendendoli una scelta popolare. Trasformano i segnali luminosi in segnali elettrici, che possono facilmente misurare quanto è forte la luce in arrivo. Per configurazioni più complesse, i PD possono anche misurare il tempo che impiegano i segnali per raggiungerli, fornendo più punti dati per il posizionamento.

#Limitazioni della Ricerca Attuale

Attualmente, la maggior parte dei sistemi VLP segue un modello chiamato radiazione lambertiana. Questo significa che si basano su una relazione fissa tra la distanza dalla sorgente luminosa e l'angolo della luce. Tuttavia, questo modello non tiene conto delle modifiche che si verificano quando il PD è inclinato. La maggior parte degli studi esistenti fissa questi angoli di inclinazione, limitando la loro efficacia in ambienti dinamici.

Molte ricerche precedenti hanno esaminato l'uso di sensori IMU, che misurano il movimento e l'orientamento, per aiutare a stimare l'inclinazione del PD. Tuttavia, questi sistemi spesso presuppongono una relazione semplice che non regge in situazioni complesse. Pertanto, potrebbero non funzionare bene quando la sorgente di luce è bloccata.

#La Necessità di Rilevamento delle Ostruzioni

Il problema principale con il VLP, specialmente in situazioni pratiche, è che la luce non può attraversare oggetti opachi. Quando c'è qualcosa in mezzo, il sistema VLP può ottenere misurazioni errate, portando a risultati di posizionamento scadenti. Alcune ricerche hanno toccato questo argomento, ma pochi hanno testato queste idee in condizioni reali.

Usare calcoli semplici per stimare come le ostruzioni influenzano la luce può arrivare fino a un certo punto. La maggior parte dei metodi esistenti non riesce a tenere conto delle variazioni improvvise nei segnali in ingresso dovute a ostruzioni. Il nostro approccio è di aggiungere un modulo che può rilevare le ostruzioni ed eliminare i loro effetti sui dati di posizionamento.

#Il Nostro Sistema Integrato VLP/INS

Proponiamo un sistema VLP/INS strettamente accoppiato che affronta due problemi principali: stimare con precisione l'angolo del PD e rilevare le ostruzioni. Ecco come funziona:

#Modello di Ottimizzazione dei Grafi

Il nostro sistema utilizza un modello di ottimizzazione dei grafi che prende dati sia dal VLP che dai sensori IMU. Combinando questi input, il sistema può stimare meglio sia la posizione che l'orientamento del PD. Questo migliora il modo in cui il sistema gestisce i cambiamenti di angolo e le potenziali ostruzioni, portando a risultati di posizionamento più affidabili.

#Rilevamento delle Ostruzioni

Abbiamo anche implementato un processo per identificare quando si verificano ostruzioni. Questo comporta monitorare come cambia nel tempo la forza del segnale ricevuto. Quando si verifica un'ostruzione, possiamo capirlo perché la forza del segnale diminuisce notevolmente. Notando quando si verificano questi cali, possiamo ignorare le misurazioni influenzate dalle ostruzioni.

#Stima della Posizione degli LED Sconosciuti

Inoltre, abbiamo esplorato la possibilità di stimare le posizioni di alcuni LED sconosciuti. Se ci sono alcune luci nell'ambiente che non conosciamo, il nostro sistema può comunque determinare le loro posizioni in base ai movimenti del robot e ai dati del VLP. L'accuratezza nella stima di queste posizioni sconosciute varierà a seconda di come si muove il robot e interagisce con le sorgenti luminose.

#Esperimenti e Risultati

Per convalidare il nostro approccio, abbiamo eseguito simulazioni e test nel mondo reale.

#Test di Simulazione

Nelle nostre simulazioni, abbiamo testato il sistema in varie condizioni. Abbiamo creato uno scenario in cui il robot si muoveva in salita affrontando ostruzioni. Abbiamo aggiunto rumore per simulare condizioni reali, assicurandoci che i nostri test fossero il più realistici possibile.

#Esperimenti nel Mondo Reale

Poi abbiamo condotto due serie di esperimenti nel mondo reale:

#Esperimento A

Questo esperimento è stato svolto in un ambiente controllato con regole rigide per inclinazioni e ostruzioni. Abbiamo usato cinque LED e un robot mobile con un PD e un IMU attaccati. L'obiettivo era misurare quanto bene il nostro sistema poteva stimare sia la posizione che l'inclinazione.

#Esperimento B

Per questo esperimento, abbiamo usato un'area più grande e confrontato il nostro sistema VLP con altre tecnologie come UWB e Bluetooth. Abbiamo impostato più fonti di luce e testato come il robot navigava gestendo le ostruzioni di un pedone che camminava appositamente davanti alle luci.

#Risultati Chiave

1. Accuratezza di Posizionamento: Il nostro sistema strettamente accoppiato ha raggiunto un'accuratezza di circa 9.6 cm in media, anche in condizioni difficili con inclinazioni e ostruzioni.

2. Errori di Inclinazione: Le stime di inclinazione erano generalmente entro 1 grado di accuratezza, dimostrando la robustezza del nostro sistema.

3. Gestione delle Ostruzioni: Il metodo di rilevamento delle ostruzioni implementato ha identificato ed escluso efficacemente le misurazioni false, contribuendo a mantenere l'integrità delle stime di posizione.

4. Stima degli LED Sconosciuti: Il sistema ha stimato con successo le posizioni di alcuni LED sconosciuti, anche se l'accuratezza variava in base ai movimenti del robot.

#Conclusione

In sintesi, il nostro sistema VLP/INS strettamente accoppiato migliora notevolmente l'accuratezza del posizionamento interno, soprattutto in ambienti dove ci sono ostruzioni di luce e angoli variabili. Integrando l'ottimizzazione dei grafi, la stima dell'inclinazione e il rilevamento delle ostruzioni, poniamo le basi per applicazioni future in robot mobili e altri dispositivi che possono beneficiare di un posizionamento interno preciso.

Questa tecnologia apre la strada a una navigazione e tracciamento migliorati in vari settori, come la logistica, la sanità e gli edifici intelligenti. L'adattabilità e l'efficacia del nostro sistema mostrano promesse per casi d'uso più ampi, aprendo la strada a soluzioni di posizionamento interno più affidabili in futuro.