Risultati sperimentali con l’ausilio di SARFID con griglia lasca congiuntamente con

Levemberg-Marquardt

Analogamente al capitolo precedente si è applicato SARFID con una griglia lasca, dove stavolta il passo da un punto all’altro è di 30 cm, sulle due antenne separatamente e poi le stime sono diventate i punti iniziali dell’algoritmo di ottimizzazione applicato separatamente sulle due antenne. È stata presa poi la media delle due stime ottenute che è la stima della posizione del tag.

Nelle figure successive (4.10a, 4.10b e 4.10c) sono mostrati gli errori di stima sulle tre coordinate per cinque tag relativamente alle cinque porzioni di traiettoria e i valori mediati sulle cinque porzioni delle aperture sintetiche delle due antenne per ognuno dei cinque tag.

102

(a)

103

(c)

Figura 4.10 Errori sulla coordinata x (a), sulla coordinata y (b), sulla coordinata (z) per i cinque tag lungo le cinq10e porzioni di traiettoria. Nella figura (a) e (b) si notano anche le aperture sintetiche

medie.

Nella tabella successiva (tabella 4.8) vengono presentati gli errori di stima sulle posizioni dei tag mediati sulle cinque porzioni di traiettoria.

Tag/Errori medi Errore medio sulle tre coordinate

Numero Tag Err. su x(cm) Err. su y(cm) Err. su z(cm)

Tag #2 28.7 cm 44.4 cm 45.8 cm

Tag #3 8.8 cm 26.2 cm 34.5 cm

Tag #14 14.6 cm 30.5 cm 24.4 cm

Tag #15 19.7 cm 21.4 cm 4.4 cm

Tag #17 11.1 cm 12.8 cm 13.4 cm

Tabella 4.8 Errori medi di stima della posizione del tag

I tempi di esecuzione relativi alle stime delle posizioni dei tag e per le cinque porzioni di traiettoria sono mostrati nella tabella seguente (tabella 4.9).

104 Tag/Porzioni di traiettoria 1° 2° 3° 4° 5° Tag #2 0.183 s 0.154 s 0.078 s 0.18 s 0.192 s Tag #3 0.163 s 0.133 s 0.087 s 0.142 s 0.111 s Tag #14 0.217 s 0.169 s 0.101 s 0.132 s 0.087 s Tag #15 0.433 s 0.105 s 0.235 s 0.101 s 0.180 s Tag #17 0.412 s 0.159 s 0.164 s 0.119 s 0.193 s

Tabella 4.9 Tempi di esecuzione dell'algoritmo

Nella tabella successiva (tabella 4.10) si rappresentano invece i tempi di esecuzione mediati sulle cinque porzioni di traiettoria.

Tag/Tempo medio Tempo medio di esecuzione

Tag #2 0.157 s

Tag #3 0.127 s

Tag #14 0.141 s

Tag #15 0.22 s

Tag #17 0.21 s

Tabella 4.10 Tempi medi di esecuzione dell’algoritmo

Da notare come, in generale, i tempi di esecuzione peggiorano rispetto a quelli dell’algoritmo LM visti nel paragrafo precedente, ma guardando sia gli errori in figura 4.10 e gli errori medi in tabella 4.8, gli errori di stima ritornano ad essere in generale sotto i 50 cm come nel caso di utilizzo del solo algoritmo di SARFID. Il risultato che si ottiene sta dunque nel diminuire il tempo di esecuzione che, di solito, è alto in SARFID e nel diminuire l’errore che come si è visto è abbastanza alto in LM. Il primo risultato lo si ottiene usando SARFID con una griglia più lasca, il secondo vantaggio lo si ottiene usando le stime date da SARFID con griglia lasca come punti iniziali dell’algoritmo di LM.

Probabilmente, utilizzare punti iniziali vicini alla posizione esatta del tag abbassa l’errore di stima che era alto come visto nel paragrafo precedente.

105 È stato trovato dunque un compromesso tra la precisione di SARFID e l’ottimizzazione data da Levemberg-Marquardt, considerando un algoritmo che utilizza un metodo ibrido che alla fine dà un errore medio di stima sotto i 50 cm e tempi medi di esecuzione sotto a 1 s, posti come valori massimi per le prestazioni.

CONCLUSIONI

In questa tesi sono stati proposti tre algoritmi di localizzazione basati sulla fase acquisita da un reader RFID dopo l’interrogazione di tag RFID in banda UHF. Lo scenario preso in considerazione è stato quello di un robot che si muove in un ambiente indoor su cui sono stati montati un reader RFID e due antenne. Il robot, muovendosi nello scenario, interroga i tag e acquisisce le informazioni e le invia ad un sistema di gestione che applica gli algoritmi presentati nell’elaborato per localizzare il tag. Lo studio e lo sviluppo dei tre algoritmi si è basato sul cercare di avere errori di stima della posizione del tag sotto ai 50 cm e tempi di esecuzione sotto a 1 s per la localizzazione di un singolo tag. Il primo valore risulta accettabile per gli scenari indoor considerati, il secondo deriva da una possibile applicazione dell’algoritmo in un sistema real time. Dopo aver descritto un generico sistema RFID e aver presentato lo stato dell’arte per la suddetta applicazione, nel Capitolo 2 sono

106 state mostrate le tecniche di localizzazione basate sulla fase. Inizialmente è stata mostrata la tecnica SARFID applicata nel caso di utilizzo di due antenne. Si è poi passati a presentare una tecnica di localizzazione basata su un algoritmo di ottimizzazione numerica noto in letteratura come algoritmo di Levemberg-Marquardt. Nel Capitolo 3 sono stati applicati questi due algoritmi separatamente su campioni di fase simulati. Notando un trade off tra errori di stima bassi e tempo di esecuzione elevato in SARFID e il caso opposto in Levemberg-Marquardt, sempre nel Capitolo 3 è stato introdotto un metodo ibrido che combina in successione i due algoritmi, SARFID con una griglia lasca seguito da Levemberg-Marquardt. Quest’ultima soluzione trova un compromesso tra tempo di esecuzione basso ed errori di stima bassi. Nel Capitolo 4 sono ancora stati applicati gli algoritmi del capitolo precedente, ma stavolta utilizzando dei campioni di fase derivanti da misure effettuate in laboratorio. I risultati relativi ad errore di stima e tempo di esecuzione sono stati tutti confermati, dimostrando dunque che SARFID con griglia lasca applicato congiuntamente a Levemberg-Marquardt può essere un algoritmo ottimo per la localizzazione in ambienti indoor, con errori in media sotto ai 50 cm e tempi di esecuzione in media sotto a 1 s, per la localizzazione di un singolo tag. Il motivo per cui Levemberg-Marquardt applicato con SARFID con griglia lasca è più preciso nella localizzazione risiede probabilmente nella scelta del punto iniziale dell’algoritmo. Infatti, l’algoritmo di Levemberg-Marquardt è un algoritmo iterativo e necessita della definizione di un punto di partenza per poter funzionare. Nel caso di Levemberg- Marquardt singolo, il punto iniziale viene preso arbitrariamente e può capitare che si trovi molto lontano dalla posizione esatta del tag. Questo particolare, assieme alla presenza del rumore nella fase misurata, che può essere diverso da quello ipotizzato nelle simulazioni numeriche e a causa dell’imprevedibilità del multipath, fa sì che gli errori di stima della posizione siano eccessivi. Al contrario, scegliendo come punto iniziale un punto che si trova vicino alla posizione reale del tag, fa sì che l’algoritmo di ottimizzazione numerica riesca a giungere ad un risultato corretto. Tale punto iniziale viene appunto dato da SARFID applicato con griglia lasca. Confrontando sia

107 le figure 4.8, 4.9 e 4.10, sia le tabelle degli errori medi, si nota che il metodo ibrido ha degli errori di localizzazione minori di 50 cm, più bassi di quelli dati da Levemberg-Marquardt che andavano oltre i 50 cm e confrontando le tabelle 4.4, 4.7 e

4.10, i tempi medi di esecuzione del metodo ibrido sono molto più bassi del metodo

di SARFID e stanno sotto al limite di tempo considerato. Possibili sviluppi successivi a questo lavoro di tesi sono:

1. Fare un’analisi statistica più approfondita degli errori di stima, proseguendo con altre campagne di misure.

2. Cercare di migliorare l’algoritmo di Levemberg-Marquardt, singolo e accompagnato da SARFID lasco, applicato a campioni di fase reali.

3. Cercare altri algoritmi di ottimizzazione numerica da applicare a problemi di localizzazione indoor.

4. Infine un ultimo scopo è quello di implementare un sistema di localizzazione ed identificazione di tag RFID in banda UHF su un robot per inventario e stima della posizione in scenari reali come biblioteche, librerie, farmacie e magazzini aziendali e renderlo completamente autonomo ed efficiente, con errori di catalogazione e localizzazione degli oggetti bassi e tempi di esecuzione il più brevi possibili.

108

BIBLIOGRAFIA

[1] A. Costanzo, D. Masotti, T. Ussmueller, R. Weigel "Tag you're it" IEEE Microwave Magazine July/August 2013A. Costanzo, D. Masotti, T. Ussmueller, R. Weigel, “Tag, You’re It”, IEEE Microwave Magazine, July/August 2013

[2] P.Taolone, G.Russo "RFId Fondamaenti di una tecnologia silenziosamente pervasiva", Fondazione Ugo Bordoni 2008

[3] G. Grisetti, G. D. Tipaldi, C. Stachniss, W. Burgard, and D. Nardi, “Fast and accurate SLAM with Rao-- Blackwellized particle filters”, Robotics and Autonomous Systems, vol. 55, pp. 30-38, 2007.

[4] F. Kallasi, D. L. Rizzini and S. Caselli, "Fast Keypoint Features From Laser Scanner for Robot Localization and Mapping," in IEEE Robotics and Automation Letters, vol. 1, no. 1, pp. 176-183, Jan. 2016.

[5] W. Lv, Y. Kang and J. Qin, "Indoor Localization for Skid-Steering Mobile Robot by Fusing Encoder, Gyroscope, and Magnetometer," in IEEE Transactions on Systems, Man, and Cybernetics: Systems.

[6] T. P. Marques and F. Hamano, "Autonomous robot for mapping using ultrasonic sensors," 2017 IEEE Green Energy and Smart Systems Conference (IGESSC), Long Beach, CA, 2017, pp. 1-6.

[7] F. Endres, J. Hess, J. Sturm, D. Cremers and W. Burgard, "3-D Mapping With an RGB-D Camera," in IEEE Transactions on Robotics, vol. 30, no. 1, pp. 177-187, Feb. 2014.

109

[8] S. Zhao, B. Huang and F. Liu, "Localization of Indoor Mobile Robot Using Minimum Variance Unbiased FIR Filter," in IEEE Transactions on Automation Science and Engineering, vol. 15, no. 2, pp. 410-419, April 2018.

[9] I.Ehrenberg, C.Floerkemeier, S.Sarma "Inventory Management with an RFID-equipped Mobile Robot" Proceedings of the 3rd Annual IEEE Conference on Automation Science and Engineering Scottsdale, AZ, USA, Sept 22-25, 2007

[10] L. Pauly, Baiju M.V, Viswanathan.P, Praveen Jose, Divya Paul, Deepa Sankar "CAMbot: Customer Assistance Mobile Manipulator Robot" 2015 IEEE Bombay Section Symposium (IBSS)

[11] Renjun Li, Zhiyong Huang, Ernest Kurniawan, Chin Keong Ho "AuRoSS: an Autonomous Robotic Shelf Scanning System" 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) Congress Center Hamburg Sept 28 - Oct 2, 2015. Hamburg, Germany

[12] Jia Liu, Feng Zhu, Yanyan Wang, Xia Wang, Qingfeng Pan, Lijun Chen "RF-Scanner: Shelf Scanning with Robot-assisted RFID Systems" IEEE INFOCOM 2017 - IEEE Conference on Computer Communications

[13] Jian Zhang, Yibo Lyu, Justin Patton, Senthilkumar CG Periaswamy, Thaddeus Roppel "BFVP: A Probabilistic UHF RFID Tag Localization Algorithm Using Bayesian Filter and a Variable Power RFID Model" IEEE Transactions on Industrial Electronics 2018

[14] E. Di Giampaolo and F. Martinelli, "A robotic system for localization of passive UHF-RFID tagged objects on shelves," in 2018 IEEE Sensors Journal.

[15] G. Greco, C. Lucianaz, S. Bertoldo, M. Allegretti "Localization of RFID tags for environmental monitoring using UAV" 2015 IEEE 1st International Forum on Research and Technologies for Society and Industry Leveraging a better tomorrow (RTSI), Turin

[16] A. Buffi, P. Nepa, R.Cioni "SARFID on Drone: Drone-based UHF-RFID Tag Localization" IEEE International Conference on RFID Technology & Application 2017

[17] RFID robot for automatic inventory: AdvanRobotTM: https://www.keonn.com/systems/view-all- 2/inventory-robots.html

[18] TORY: Efficient automated RFID Inventory - https://www.metralabs.com/en/rfid-robot-tory/

[19] Tag Surveyor: Autonomous RFID Tag Tracking: https://fetchrobotics.com/products- technology/datasurvey/tagsurveyor/

110

[21] Po Yang, Wenyan Wu, Mansour Moniri, Claude C. Chibelushi, “SLAM Algorithm for 2D Object Trajectory Tracking based on RFID Passive Tags”, 2008 IEEE International Conference on RFID, April 16- 17, 2008

[22] Standard EPCglobal Gen2 Specification - GS1 Global: https://www.gs1.org/sites/default/files/docs/epc/uhfc1g2_2_0_0_standard_20131101.pdf

[23] Phase Based Spatial Identification of UHF RFID Tags Pavel V. Nikitin, Rene Martinez, Shashi Ramamurthy, Hunter Leland, Gary Spiess, and K. V. S. Rao 2010

[24] Constantine A. Balanis "Antenna Theory: Analysis and Design" Wiley 3rd Edition

[25] Andreas Parr, Robert Miesen, Martin Vossiek "Inverse SAR Approach for Localization of Moving RFID Tags" 2013 IEEE International Conference on RFID

[26] Alice Buffi, Paolo Nepa and Fabrizio Lombardini "A Phase-Based Technique for Localization of UHF- RFID Tags Moving on a Conveyor Belt: Performance Analysis and Test-Case Measurements" IEEE SENSORS JOURNAL, VOL. 15, NO. 1, JANUARY 2015

[27] Haibing Wu, Bo Tao, Zeyu Gong, Zhouping Yin and Han Ding "A Fast UHF RFID Localization Method Using Unwrapped Phase-position Model" to be published in 2018

[28] MobileRobots Pioneer 3-AT. [Online]. Available:http: //www.mobilerobots.com/ResearchRobots/P3AT.aspx

[29] WiFi Module Product Datasheet. [Online]. Available: http://en.vonets.es/products/VAP11G-300/

[30] Impinj Website. [Online]. Available: https://www.impinj.com/

[31] CAEN RFID UHF RFID Antenna. [Online]. Available WANTENNAX019, Product Datasheet:https: //caenrfid.com/en/products/wantennax019/

[32] Monza R6 Datasheet. [Online]. Available: https://support.impinj.com/hc/en- us/articles/202765328-Monza-R6-Product-Brief-Datasheet