Localización de personas mediante sensores inercialesy su fusión con otras tecnologías

Resumen

En el presente trabajo de Tesis se aborda el problema de la localización en entornos interiores utilizando sensores inerciales y su fusión con otras medidas para mejorar la estimación y limitar posibles derivas. Para ello, el algoritmo de localización propuesto se divide en tres partes: Una etapa de estimación del movimiento usando Pedestrian Dead Reckoning (PDR), un esquema de fusión de información que permite integrar múltiples tipos de medidas, aunque tengan relaciones no lineales, y la utilización de medidas externas (como la potencia de la señal de puntos de acceso WiFi, rangos a balizas UWB, GNSS, etc.) para limitar la deriva, proponiendo mejoras a cada una de ellas. Para mejorar el algoritmo PDR se propone la modificación del detector de apoyo utilizando un filtro de media sobre una ventana retardada. Para la estimación y corrección de errores se propone la utilización del filtro de Kalman Unscented (UKF) que simplifica los cálculos necesarios para la estimación y mejora la aproximación no lineal. Debido a la falta de información de la guiñada, una estimación PDR pura divergirá con el tiempo. Para aportar información de la orientación a la estimación se propone medir la rotación del campo magnético de acuerdo a las velocidades angulares observadas en el giróscopo. Se comprueba en varios experimentos que las mejoras evitan errores en la fase de apoyo, mejoran la estimación y disminuyen el efecto de la deriva de la orientación. Para fusionar la información del PDR con medidas externas se propone la utilización de dos esquemas: el primero, un filtro de límites que establece una distancia máxima entre 2 estimaciones, y el segundo un esquema basado en un filtro de partículas a dos etapas. El filtro de límites modifica la pdf (función de densidad de probabilidad) para evitar estimaciones muy distantes entre sí. Se comprueba que, al utilizar este método, se logra evitar la deriva un sistema PDR utilizando medidas UWB en otra parte del cuerpo. El esquema basado en un filtro de partículas utiliza la información de PDR para propagar las partículas y las medidas externas para actualizar los pesos de éstas. Se propone agregar el bias de la velocidad angular a los estados de las partículas para modelar el efecto del bias random walk (sesgo de camino aleatorio) del giróscopo. El filtro de partículas permite utilizar cualquier medida con una función de observación y una distribución de error, por lo que se estudian varios casos de estimaciones PDR fusionadas con medidas de sistemas WiFi, RFID, UWB y ZigBee. Los sistemas RF utilizados tienen un error de posicionamiento de 5 m (90 % de los casos) y la estimación PDR tiene un error creciente, pero al fusionar las estimaciones se logra un error inferior a 2 m (90 % de los casos). Por último, se utiliza el mapa del edificio para corregir las estimaciones y encauzarlas en las áreas caminables del edificio. Para ello se utiliza un método de eliminación de hipótesis (partículas) que atraviesan paredes. Este algoritmo se optimiza utilizando solo las paredes de la habitación en que se encuentra la partícula y se propone una sectorización de las operaciones para poder ser utilizada en MATLAB a tiempo real. Se demostró con señales reales que el algoritmo es capaz de auto localizar a una persona si el recorrido es no simétrico, obteniendo un nivel de error que dependerá del edificio, en nuestro caso cercano a 1 m. Si se utilizan medidas RF y el mapa, la estimación converge significativamente más rápido, y el nivel de error y el número de partículas necesarias (por ende, el tiempo de cómputo) disminuyen.