Nel capitolo precedente si è parlato del problema dello SLAM, ovvero l’autolocalizzazione da parte del robot in un certo ambiente. In questa tipologia di problema non ci sono dei riferimenti in posizioni note, ovvero non ci sono dei landmark (o ancore) dai quali si può effettuare la localizzazione per confronto. In questo caso il mobile crea una mappa dell’ambiente in cui si muove per autolocalizzarsi.
Nel caso dei sistemi RFID potrebbe significare il dover ricostruire anche le posizioni di alcuni tag sparsi nell’ambiente [21]Error! Reference source not found.. Per farlo è necessario modificare la formulazione del Filtro di Kalman inserendo come incognite nel modello dello stato del sistema anche le posizioni dei tag. Con tempi piuttosto lunghi si è in grado di arrivare ad una convergenza dell’errore quadratico medio del Filtro di Kalman, ottenendo così una stima delle posizioni dei tag e del mobile.
Nel caso di Data Fusion con un sistema SONAR, o di acquisizione delle immagini, effettuare il mapping significa costruire il profilo degli ostacoli e delle pareti per evitare collisioni.
Per Data Fusion si intende un sistema di fusione delle informazioni provenienti dai vari sensori. Gli approcci più diffusi sono il filtraggio lineare a minimo errore quadratico medio realizzato mediante filtro di Kalman-Bucy (noto semplicemente come Filtro di Kalman) ed il metodo dei filtri particellari. In questo elaborato non si sono comunque presi in considerazione.
A prescindere dalla scelta del sistema di fusione adoperato si fa riferimento alle seguenti tipologie di struttura di fusione, di seguito riportate con particolare riferimento ai sistemi di localizzazione e tracking basati su RFID.
Struttura Centralizzata: Le misure acquisite da ogni sensore vengono inviate ad un’unità centrale, nella quale vengono opportunamente processate al fine di
40 ottenere la stima dello stato per il modello del veicolo di cui si sta eseguendo il tracking. Nel caso di sistema di localizzazione e tracking basato su tag RFID passivi è evidente che solo a bordo del reader si può realizzare il processing, quindi siamo in presenza di una struttura centralizzata.
Struttura Distribuita: Ogni sensore è dotato di capacità computazionale sufficiente a processare le proprie misure (Smart Sensor), al fine di ottenere una stima locale del vettore di stato del veicolo, la quale viene poi inviata all’unità centrale che si occupa di combinare in modo opportuno le diverse stime locali ricevute ricavandone una stima globale. Il vantaggio di questa struttura è quello di ridurre la complessità computazionale che grava sul nodo centrale. Ovviamente, non essendo i tag passivi capaci di effettuare alcun processing on-board, questa tipologia di struttura è da escludere.
Infine, è opportuno dividere i sensori utilizzabili in due categorie:
Sensori Propriocettivi: misurano grandezze “proprie”, cioè relative allo stato interno del mobile come ad esempio la velocità delle ruote (mediante gli encoder), coppie motrici, accelerazione, assetto.
Sensori Eterocettivi: misurano grandezze esterne al mobile, cioè proprie dell’ambiente in cui il mobile si muove ad esempio distanze dai muri (mediante i sonar), campi magnetici e posizione di oggetti.
Esistono diverse modalità secondo le quali i sensori possono interagire tra loro all’interno della rete da essi stessi costituita, e da queste modalità dipendono le specifiche strategie da adottare per l’operazione di fusione. Le modalità sono: Complementarietà, Concorrenza e Cooperazione.
41
Sensori Complementari: sono complementari un insieme di sensori indipendenti e di natura diversa che forniscono informazioni relativamente a diverse grandezze fisiche, oppure sono complementari anche sensori distinti ma dello stesso tipo che agiscono in diverse zone di rilevamento (come ad esempio i tag disposti in modo da coprire diverse aree di interesse, quando l’informazione di fase è trattata separatamente per ogni tag). Esempi di sensori complementari secondo la prima definizione sono l’odometro ed il tachimetro in un veicolo autonomo, la cui combinazione è parte integrante di qualsiasi sistema di navigazione automatica.
Sensori Concorrenti: insieme di sensori distinti che forniscono informazioni indipendenti relativamente alla stessa grandezza fisica o alla stessa zona di rilevamento. Sensori concorrenti possono essere identici o possono sfruttare metodi differenti per misurare la stessa grandezza fisica. La concorrenza tra sensori è generalmente sfruttata per aumentare l’affidabilità.
Sensori Cooperanti: una rete di sensori cooperanti è costituita da un insieme di sensori indipendenti la cui osservazione è combinata allo scopo di ottenere informazioni che non potrebbero essere dedotte dall’informazione prodotta da un singolo sensore. Un buon esempio dell’interazione cooperativa tra sensori è costituito da due videocamere configurate per la stereo-visione: dalla visione bidimensionale delle due è possibile ricostruire l’informazione di profondità della regione osservata ottenendone una rappresentazione tridimensionale.
42
2
RICHIAMI TEORICI SULLE TECNICHE DI
LOCALIZZAZIONE DI TAG RFID
2.1 Teoria di Base
In un sistema RFID basato su tag passivi, il reader invia un segnale a radiofrequenza di interrogazione al tag. Il segnale viene intercettato dal tag, alimenta il tag stesso che poi lo reirradia nello spazio. Il reader capta il segnale reirradiato, lo demodula e lo manda al sistema di elaborazione.
Il tag ha dei diodi che trasformano la tensione alternata dell’onda elettromagnetica incidente in una tensione continua, la quale va ad alimentare un condensatore che fa da batteria al tag.
Il tag può essere schematizzato con un interruttore che può stare in due stati: ‘0’ o ‘1’. In particolare, l’interruttore comanda due impedenze Zsc e Zcm, quindi può
variare il suo coefficiente di riflessione Γ. Quando l’interruttore si trova su Zsc, il tag riflette il segnale e viene trasmesso un ‘1’, viceversa viene trasmesso uno ‘0’. Il tag trasmette un codice di ‘0’ e ‘1’, identificativo di sé stesso, secondo quanto definito dallo standard EPC Gen2 [22]. Il segnale di ritorno viene demodulato da reader in maniera coerente, ovvero considerando sia l’ampiezza che la fase del segnale complesso.
Durante il percorso di andata e ritorno dal tag, il segnale inviato dal reader viene corrotto dal rumore dell’ambiente circostante, ma anche dal multipath, tipicamente presente in ambienti indoor dove sistemi RFID sono spesso usati.
Infine, al ricevitore, si aggiunge il rumore termico intrinseco di ogni ricevitore a radiofrequenza.
La tensione del segnale ricevuto e demodulato si può scrivere quindi come descritto da [23]:
43 (2.1)
Vclutter è la tensione relativa agli echi di ritorno dell’ambiente circostante, Vleakage è la
tensione relativa al disadattamento di impedenza tra reader e tag mentre Vtag è la
tensione relativa alla risposta del tag, dipendente dallo stato i = 0,1 in cui si trova il tag. Queste componenti si possono considerare stazionarie nell’intervallo di interrogazione del tag, ad eccezione di Vtag che invece varia a causa della
modulazione.
Il segnale complesso demodulato ricevuto si può scomporre in una parte in fase (I) ed una in quadratura (Q), le quali a loro volta si possono scomporre in una componente DC e AC.
(2.2)
La parte in continua viene filtrata via ed i campioni ricevuti sono mostrati in figura
44
Figura 2.1 Segnale tipico visto al reader dopo la demodulazione e la rimozione della parte in continua, rappresentato sul piano IQ e nel dominio del tempo.
A questo punto si può ricavare l’RSSI e la fase dei campioni ricevuti che vengono direttamente misurati dal reader:
(2.3)
45 Questi parametri vengono poi utilizzati singolarmente o assieme per estrarre le informazioni sulla localizzazione che interessano. In questo elaborato ci interesseremo in particolare sulle tecniche che utilizzano la fase, in quanto il solo parametro di ampiezza è dipendente fortemente dal fenomeno del multipath, molto marcato in ambienti indoor e che dunque può dare misure di distanza affette da errori molto elevati.
In ogni ambiente di propagazione, la fase del segnale ricevuto dal tag appena ricavata si può scrivere come:
(2.5)
Dove prop è la fase dovuta alla propagazione elettromagnetica dell’onda ricevuta, 0
che è un offset di fase relativo al tag utilizzato, ai cavi e ai componenti del reader e dell’antenna, bs è la fase della modulazione del tag.
In campo libero, usando l’espressione del campo elettromagnetico che si propaga, il cui fasore ha fase proporzionale alla distanza percorsa, si ha che:
(2.6)
Dove k è il numero d’onda e d è la distanza tra reader e tag. Quando i tag si spostano, i vettori Vtag1 e Vtag2 ruotano rigidamente. Per ogni spostamento di λ/2, corrispondono
360° di rotazione. In altre parole, la fase è una funzione periodica di periodo pari a 2π. Questo fa sì che ci sia un’ambiguità nella fase che rappresenta uno dei maggiori
problemi di questo parametro, rendendo complesso ed inefficiente il calcolo della distanza reader-tag e dunque della posizione del tag stesso. I metodi che fanno uso della fase cercano di aggirare questo problema. Gli algoritmi di localizzazione basati sulla fase che verranno utilizzati in questo elaborato risolvono il problema della
46 periodicità di questa e della relativa ambiguità della posizione del tag in due maniere: uno con la tecnica dell’unwrapping, un altro sfruttando la tecnica radar SAR (Synthetic Aperture Radar) assieme al teorema del campionamento spaziale. La tecnica dell’unwrapping consiste semplicemente nel sommare ±2π rad ad un campione di fase quando la differenza assoluta tra due campioni di fase successivi è uguale o più alta di π rad. L’altra consiste nell’andare a considerare i fasori dei vettori dei campioni di fase: se i campioni di fase distano spazialmente meno di λ/4, rispettando così il teorema del campionamento spaziale, e considerando i fasori di fatto il problema della periodicità della fase e della relativa ambiguità viene superato.