Localização de Pessoas e Objetos ( Projeto Location Stack)
Francisco Eduardo Moura
PUC-Rio
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!!!