Localização de Pessoas e Objetos ( Projeto Location Stack)

Francisco Eduardo Moura

PUC-Rio

2003.2fmoura@inf.puc-rio.br

Localização de Pessoas e Objetos

• Introdução

• Sistemas de localização

• Location Stack

Sistemas de Localização

• Motivação– Avanço da Tecnologia

• Componentes mais baratos

• Avanço das tecnologias sem fio

– Surgimento de aplicações que demandam saber sobre a localização de pessoas e objetos (principalmente computação ubíqua)

Sistemas de Localização

• Tecnicas– Triangulação

• GPS

– Proximidade• Infravermelho , Ultrasom

– Analise de cena/ambiente• Cameras digitais

Sistemas de Localização• Descrição da Localização

– Coordenadas• Simbólica

– Ex: dentro de um quarto

• Física– Ex : 74º15’ N e 65º23’W

Sistemas de Localização

• Descrição da Localização– Referência

• Relativa :Cada objeto têm seu próprio framework/referência

– Ex: A 10 metros do prédio Cardeal Leme

• Absoluta : Objetos compartilham uma mesma referência

– Ex: Sala 246 , 2º andar

Sistemas de Localização• Computação da Localização

– No objeto a ser Localizado• Infraestrutura não sabe onde o objeto está, depende dele

divulgar a sua posição

• Privacidade garantida

– Pela infraestrutura• Infraestrutura sabe onde o objeto se localiza

• Privacidade depende de controle de acesso

• Necessária quando o objeto não tem poder computacional

Sistemas de Localização

• Precisão e Certeza– Sensor Fusion

• Junção de várias tecnologias

– Adaptative Fidelity• Variação da precisão de acordo com falhas ou

recursos de energia por exemplo

• Redes de sensores Ad Hoc

Sistemas de Localização

• Escalabilidade– Área de cobertura por unidade de infraestrutura– Numero de objetos que podem ser localizados

por item de infraestrutura por intervalo de tempo

Sistemas de Localização

• Identificação de objetos– Mais usual – GUID – Global Unique Ids– Alguns sistemas não têm essa capacidade

• Ex : GPS

Sistemas de Localização• Custo

– Tempo• Instalação

• Administração

– Espaço• Tamanho da infraestrutura

• Tamanho do Hardware

– Capital

Sistemas de Localização

• Limitações– Não funcionam em todos os lugares– Não funcionam em todas as condições do

ambiente/climáticas– Dependem da Tecnologia

Location Stack

• Abstrações de design • Vocabulário comum• Framework Comparativo• Implementação emprega técnicas probabilísticas

que possibilitam a fusão de dados de vários sensores , provendo uma interface comum as aplicações

Location Stack

• Motivação– Computação Ubíqua

• Ex: A casa responder a atividades de seus moradores

• Ex: Interação com dispositivos a nossa volta

• Ex: Log de procedimentos experimentais

Location Stack

• Motivações– Sistemas normalmente fechados

• Sistema normalmente construído em um único bloco

• Previne contra erros de precisão e de tempo

– Maior difusão de software reusável– Sensor Fusion– Hardware mais barato

Location Stack

• Modelo em camadas– Modelo deriva das seguintes questões:

• Há tipos de medidas fundamentais– Distancia

– Ângulo

– Proximidade

– Todos apresentam incertezas e precisão

Location Stack

• Modelo em camadas– Modelo deriva das seguintes questões:

• Há modos padrões de combinar medidas– Ex: distância e proximidade, localização e ângulo

• Há modos padrões de relacionar objetos– Proximidade

– Contido em uma região

– Formação geométrica

Location Stack

• Modelo em camadas– Modelo deriva das seguintes questões:

• Incerteza tem que ser preservada– A aplicação deve ser responsável por decidir o que fazer

• Aplicações normalmente estão relacionadas a atividades

– Informações de localização

– Informações de contexto

– Machine Learning

Location Stack

Location Stack

• Sensores – Sensors– Hardware e drivers– Detecção de fenômenos físicos

– Exporta dados em uma variedade de formatos

Location Stack

• Medições – Measurements– Transcreve os dados recebidos pela camada de

sensores em medidas : angulos, distancia, proximidade

– Cada medida apresenta uma incerteza

– Exporta um stream de medidas e suas incertezas

Location Stack• Fusão – Fusion

– Funde continuamente as medidas recebidas da camada abaixo, utilizando uma representação probabilistica da localização dos objetos

– Normalmente é responsável por tratar a resolução da identidade dos objetos

– Não há uma representação particular de coordenadas adotada

– Exporta uma interface para eventos e/ou queries sobre a localização dos objetos e sua incerteza.

Location Stack

• Relações Espaciais – Arrangements– Prove operadores para relacionar dois ou mais

objetos

– Exporta uma interface para queries e/ou enventos para inferir o relacionamento entre dois ou mais objetos

Location Stack

• Fusão Contextual – Contextual Fusion– Combina informação sobre localização ou

relacionamento espacial com outras informações contextuais não ligadas a localização:

TemperaturaLista de tarefas

Exporta uma interface para que a plicação reconheça atividades.

Location Stack

• Atividades – Activities– Categoriza informações de contexto em estados

semânticos definindo a interpretação da aplicação sobre o mundo

– Machine Learning

Location Stack

• Intenções – Intentions– Desejo dos usuários do sistema

• O que pretende os usuários quando utilizam o sistema?

Location Stack

• Implementação de referência– Sensores utilizados:

• Infravermelho (Versustech)

• Crickets de ultra som e badges (MIT)

• Lasers (Sick)

Location Stack

• Implementação de referência– Medidas:

• Infravermelho e Ultrasom mediam localização, mas de forma esparsa, e identificam objetos

• Laser mede localização com uma maior precisão, mas não infere identidade

Location Stack

• Implementação de referência– Fusão

• Maior contribuição da implementação de referência

• Representação probabilística da localização permite a fusão de diferentes tecnologias de sensores

• Inspiração veio da robótica que usa tal abordagem, com robôs que utilizam vários sensores diferentes.

Location Stack

• Implementação de referência– Fusão

• Utilizaram Bayesian Filters– Particle Filters

• Multi-hypotetic tracking

• Voronoi Tracking

• Provê testes para proximidade de objetos e containment

Location Stack

• Implementação de Referência– Java– Sistema distribuído

• Mensagens assíncronas utilizando XML

• Chamadas de processo remotas

• Estendem classes do projeto Intel RAIN

Location Stack

• Implementação de Referência– Um único serviço de fusão sendo executado em

um PC de 1.8 GHz e 512MB de memoria:• Fez tracking de multiplos objetos (mais de 40)

• Taxa de duas medidas por segundo por objeto

– Maior performance pode ser alcançada utilizando múltiplos serviços de fusão

Location Stack

• Implementação de Referência

Location Stack

• Exemplo de separação em camadas– Microsoft’s Easy Leaving

Location Stack

• Easy Living– Sensores

• Cameras

• Sensores de pressão

• Leitor de impressão digital

• Teclado para login

Location Stack

Easy Leaving– Medidas

• Cameras provem localização espacial de vultos com forma humana

• Sensores de pressão indicam seu estado binariamente, se á algo em cima deles

• Teclado e leitor de impressão digital são usados para a identificação da pessoa

Location Stack

• Easy Leaving– Fusão

• Percebe onde há pessoas no ambiente, guarda apenas um histórico recente da posição das pessoas

• Infere a identidade da pessoa pelo login e pelos sensores de pressão

• Indica a localização da pessoa em um plano 2-D

Location Stack

• Easy Leaving– Arrangements

• Utiliza um banco de dados SQL

• Entidades são descritas por posições relativas

• Faz apenas um tracking instantâneo, que é atualizado pelas informações vindas da camada abaixo

Location Stack

• Easy Leaving– Fusão contextual

• Outras informações poderiam ser associadas ao ID da pessoa ou entidade

Location Stack

• Easy Living– Atividades

• Behavior Engine – verifica o banco de dados que representa o mundo (Camada de Arrengemens e Fusão Contextual) e envia comandos aos dispositivos presentes nos ambientes.

Location Stack

• Perguntas????

Muito Obrigado!!!