Localizzazione con lettore UHF-RFID a bordo di droni

U

NIVERSITÀ DI

P

ISA

S

I

C

L

M

I

T

Tesi di Laurea

Localizzazione con lettore UHF-RFID a bordo di droni

Relatori:

Prof. Ing. Paolo NEPA

Prof. Ing. Giuliano MANARA

Dr. Ing. Alice BUFFI

Ing. Riccardo CIONI

Candidati:

STV (AN) Davide COSIMO

STV (AN) Daniele DI PRIMA

1

Indice

1.2 Tecnologia RFID in applicazioni con droni ... 6

1.2.1 Gestione dei magazzini ... 7

1.2.2 Agricoltura di precisione ... 8

1.2.3 Acquacoltura di precisione ... 9

1.2.4 Monitoraggio di gruppi animali ... 10

1.2.5 Monitoraggio delle infrastrutture ... 11

1.2.6 Localizzazione di droni ... 12

1.3 Tecniche di localizzazione RFID ... 12

1.3.1 Tecniche di localizzazione phase-based ... 13

2 Metodo SARFID ... 19

2.1 Descrizione dell’algoritmo SARFID ... 19

2.2 Misure preliminari ... 23

3 Integrazione del reader RFID a bordo del drone ... 29

3.1 Pilotaggio wireless del reader ... 31

3.2 Sincronizzazione tra i dispositivi ... 33

3.3 Acquisizione dati GPS ... 38

3.3.1 Acquisizione dati GPS cinematici del drone ... 38

3.3.2 Posizionamento e georeferenziazione dei tag RFID ... 43

4 Misure ... 44

4.1 Applicazione dell’algoritmo SARFID 1D ... 46

4.2 Applicazione dell’algoritmo SARFID 2D ... 49

2

Conclusioni ... 54 Bibliografia ... 56 Ringraziamenti ... 60

3

Introduzione

La tecnologia RFID (Radio Frequency IDentification) si inserisce perfettamente nel contesto dell’Internet of Things: la possibilità di apporre un tag a qualsiasi tipo di oggetto, per identificarlo, localizzarlo, monitorarne gli spostamenti o ricavarne parametri fisici come pressione, temperatura ed umidità segna un traguardo fondamentale nel concetto moderno di connessione.

I primi passi di questa tecnologia si compiono a partire dalla seconda guerra mondiale. Gli Inglesi, infatti, applicano ai propri aerei militari il sistema Identification Friend or Foe (IFF) con transponder per segnalare la presenza amica del velivolo alla Chain Home Radar (primo sistema radar della storia). Qualche anno più tardi, al fine di evitare il più possibile il riconoscimento dei velivoli da parti ostili, si inserisce un sistema di interrogazione IFF da parte dell’antenna rotante del radar dimodoché si possa determinare con precisione anche direzione e distanza dell’oggetto interrogato. Tale sistema viene applicato in seguito anche in ambito navale militare.

Qualche decennio di innovazioni elettroniche, tra cui il microchip ed il processore, è necessario affinché i sistemi RFID approdino nel mondo commerciale. Verso la fine degli anni ’60 nascono infatti i primi sistemi Electronic Article Surveillance (EAS), usati principalmente nei supermarket, i quali segnalano la presenza/assenza di un oggetto mediante un transponder.

Gli anni ’80 vedono una diffusione su scala mondiale della tecnologia RFID, ormai miniaturizzata rispetto ai primi costosi sistemi militari ed adattata alle necessità della vita civile. Nel decennio successivo nascono i primi standard internazionali condivisi parallelamente al continuo sviluppo tecnologico che porta ad una costante miniaturizzazione dei circuiti, con conseguente risparmio di batteria fino ad arrivare alla realizzazione di circuiti (tag) passivi.

Identificazione di merci, animali, veicoli e persone sono le applicazioni più diffuse che utilizzano principalmente i sistemi RFID in banda Low Frequency (LF, 125 KHz) e High

Frequency (HF, 13.56 MHz) aventi distanze di lettura di pochi centimetri. Accanto si sono

sviluppati i sistemi in banda UHF che potendo identificare i tag a distanze maggiori (fino a 10 metri), consentono di impiegare la tecnologia RFID non solo per l’identificazione ma anche per la localizzazione.

4

Oggi il costo dei tag RFID passivi più diffusi è di pochi centesimi di euro ed è questo sicuramente il principale fattore della diffusione di tale tecnologia. Inoltre, la possibilità di applicare tag a qualsivoglia oggetto o essere vivente rende plausibile l’ambizioso progetto dell’interconnessione globale.

In questo lavoro di tesi è proposto un sistema di localizzazione RFID mediante l’ausilio di un drone. L’integrazione tra i due sistemi ad oggi risulta ancora in fase sperimentale, tuttavia vi sono i presupposti per ritenere che i prossimi anni vedano uno sviluppo di tale tecnologia per applicazioni industriali, commerciali e militari. Il drone dotato di tecnologia RFID può essere impiegati per localizzare oggetti taggati. Viceversa, il sistema di pilotaggio del drone può servirsi di tag RFID come ulteriori punti di riferimento nell’ambiente circostante, che ne agevolino il controllo, in particolar modo nei momenti critici quali il landing, la navigazione di precisione e l’eventuale deposito di oggetti trasportati.

Nel Capitolo 1 viene riportata una breve introduzione sui sistemi RFID e una panoramica di possibili applicazioni dove poter impiegare un drone equipaggiato con un reader RFID. Vengono poi descritte le tecniche di localizzazione basate sulla fase (phase-based) del segnale ricevuto dal tag che sono più robuste in scenari reali. Il Capitolo 2 descrive la tecnica di localizzazione SARFID che sfrutta il moto relativo tra l’antenna del reader e i tag secondo la teoria del radar ad apertura sintetica e che verrà impiegata per la localizzazione dei tag fissi. Tale tecnica prevede la conoscenza della traiettoria compiuta dall’antenna durante le misure e questo è stato possibile grazie al ricevitore GPS presente sul drone come descritto nel Capitolo 3 insieme alla procedura per la corretta sincronizzazione tra il ricevitore GPS e il reader RFID. Infine nel Capitolo 4, sono riportati i risultati della campagna di misure sia per il caso di localizzazione monodimensionale quando il drone compie una traiettoria rettilinea, che per quello di localizzazione bidimensionale, quando il drone compie una scansione su un piano.

5

1 Stato dell’arte

Negli ultimi anni l’utilizzo della tecnologia RFID-UHF si è diffusa notevolmente in svariati settori produttivi per identificare, tracciare, monitorare o localizzare merci, materiali e mezzi. In modo analogo, si è notato un notevole sviluppo ed utilizzo di velivoli a pilotaggio remoto (Unmanned Aerial Vehicle - UAV), detti droni, grazie alle loro capacità operative, oramai molto elevate, che consentono di semplificare il lavoro degli operatori ed eventualmente diminuire i rischi dovuti alla presenza dell’uomo in zone o ambienti di lavoro critici. In questo capitolo, dopo una breve introduzione sui sistemi RFID, viene descritta una panoramica delle applicazioni in cui possono essere utilizzati i droni e delle tecniche di localizzazione con sistemi RFID basati sull’informazione di fase.

1.1

Sistemi RFID

Un sistema RFID (Figura 1.1) si compone dei seguenti elementi [1]:

• Reader o lettore, ricetrasmettitore che è in grado di interrogare il tag o riceverne risposta, ed è dotato di una o più antenne necessarie alla trasmissione fisica del segnale radio nello spazio ed alla sua ricezione.

• Tag o transponder, è composto da un’antenna collegata ad un microchip, contenente dati memorizzati, quali, per esempio il codice identificativo univoco e nei sistemi passivi trasmette solamente a seguito di un segnale di interrogazione ricevuto dal reader tramite un meccanismo di backscattering modulato. I tag attivi, invece, sono dotati di batteria interna hanno perciò il vantaggio di poter trasmettere a distanze maggiori rispetto a quelli passivi (alcune centinaia di metri) a discapito di un maggior costo e ingombro.

• Sistema di gestione dati, raccoglie i dati dell’inventario eseguito dal reader e li rende disponibili in un database.

6

Figura 1.1 – Schema esemplificativo di un sistema RFID-UHF.

Le bande frequenziali utilizzate nelle applicazioni RFID possono essere diverse, a seconda dell’applicazione:

• LF (125 KHz o 134 KHz): utilizzabile in tutto il mondo, con portata limitata, adottata principalmente per sistemi antifurto, chiavi elettroniche, etc.

• HF (13.56 MHz): utilizzabile in tutto il mondo (standard ISO 14443 e ISO 15693), con portata fino a 1,20 m, adottata principalmente per il controllo degli accessi e le smart card. • UHF media (860-960 MHz): utilizzabile nei limiti imposti dalle autorità dei singoli paesi, con portata fino a 10 m, adottata per identificazione di pallet, container, etc. In particolare, in Europa è utilizzata la banda 865-868 MHz.

• UHF alta (2.4 GHz o 5.8 GHz): utilizzabile in tutto il mondo, adottata tipicamente per i transponder attivi.

Per implementare sistemi di localizzazione basati su tecnologia RFID è solitamente impiegata la banda UHF perché consente di identificare i tag a distanze anche maggiori di 10 metri con i tag di ultima generazione [2].

1.2

Tecnologia RFID in applicazioni con droni

Analizziamo adesso gli scenari in cui è possibile impiegare i droni equipaggiati con tecnologia RFID come gestione dei magazzini, agricoltura/acquacultura di precisione, monitoraggio di gruppi animali o di infrastrutture, localizzazione dei droni stessi.

7

1.2.1 Gestione dei magazzini

Esistono dei sistemi commerciali in cui i droni dotati di lettore ottico, effettuano l’inventario di magazzino (Figura 1.2); un esempio è dato dall’azienda Drone Scan [3] che ha sviluppato un sistema di raccolta dati per via aerea che riesce ad offrire una soluzione robotizzata per Stock Take (inventario) dei magazzini, fornendo un feedback real-time all’utilizzatore del sistema e una completa integrazione con i sistemi di database già presenti nel mercato. Tale sistema ha dimostrato di risparmiare centinaia di ore-uomo, ma soprattutto, ha fornito un’alternativa più sicura rispetto ai metodi tradizionali che coinvolgono carrelli retrattili e carrelli elevatori con a bordo l’operatore. Il sistema richiede che il codice a barre applicato sulla merce sia in visibilità ottica, mettendo quindi un vincolo sul posizionamento degli oggetti. I droni possono essere pilotati manualmente oppure programmati per muoversi in totale autonomia, attraverso un upgrate software. Quest’ultima scelta comporta delle complessità aggiuntive al problema del solo inventario, in quanto è necessario utilizzare degli algoritmi di anti-collisione fisica nel caso fossero presenti ostacoli nelle traiettorie pianificate dai droni.

Figura 1.2 – Esempio di inventario di magazzino mediante uso di droni.

In tale contesto è possibile sfruttare le caratteristiche di affidabilità identificativa dei sistemi RFID in combinazione alla mobilità dei droni, equipaggiando i droni con un lettore RFID (da qui in poi nominati droni RFID). Il settore logistico infatti è già caratterizzato dalla presenza particolarmente diffusa dei sistemi RFID-UHF per via del miglioramento che ne consegue nella gestione della merce che è quindi già dotata di tag RFID. Tale miglioramento produttivo solitamente si concretizza in una diminuzione del tempo necessario ad effettuare le operazioni di inventario o di aggiornamento di esso. La tecnologia RFID presenta il grande vantaggio di avere un drone capace di sorvolare l’intera area di magazzino identificando simultaneamente tutta la merce (taggata), anche in assenza del segnale Line of Sight (LOS). Il reader è inoltre capace di

8

operare in modalità Dense Reader Mode, al fine di coesistere in uno scenario in cui fossero presenti più droni RFID. I dati raccolti saranno poi trasmessi al sistema gestione per essere elaborati in tempo reale o in Post-Processing, consentendo un aggiornamento del database delle merci.

Figura 1.3 - Deposito all’aperto di acciaio in cui si effettua l’inventario con drone equipaggiato con reader

RFID-UHF.

Attualmente alcune aziende utilizzano questa tecnologia per la gestione dei propri magazzini o depositi all’aperto, un esempio è rappresentato dall’azienda Age Steel [4] con sede a Dubai che, come mostrato in Figura 1.3 ha testato l’utilizzo di droni RFID per la gestione dei depositi di acciaio. Il sistema opera a 433 MHz (banda UHF bassa) e la merce è dotata di tag attivi che permettono una portata di centinaia di metri.

Lo sviluppo di tali sistemi è indirizzato all’automatizzazione dell’intero processo di gestione della merce, eliminando la presenza dell’uomo con un sistema “Pick and Pack Drone” [5] che sia in grado di gestire in totale autonomia la merce presente in un magazzino indoor/outdoor, dal suo arrivo dalla produzione fino alla consegna al cliente finale.

1.2.2 Agricoltura di precisione

Passando ad un’analisi di possibili applicazioni dei droni RFID nelle attività svolte nel settore primario, riveste particolare interesse l’agricoltura. In particolare, l’agricoltura di precisione, si pone l’obiettivo di sfruttare moderne strumentazioni per migliorare la gestione delle colture tenendo conto delle esigenze reali e delle caratteristiche biochimiche e fisiche del suolo. E’ quindi

9

importante conoscere parametri come umidità, temperatura ed incidenza solare di terreni e colture, in modo da poter supervisionare anche vaste aree agricole con un dispendio minimo di risorse. In tale contesto è stato proposto l’utilizzo di droni RFID (Figura 1.4) insieme a tag semi-passivi [6], [7]. Quest’ultimi sono dotati di sensori da poter inserire nel suolo per misurare i valori dei parametri di interesse come la temperatura o l’umidità dell’aria ad intervalli di tempo regolari. Tali valori vengono memorizzati dal tag e letti al passaggio del drone RFID. La gestione del volo e della raccolta dati anche in questo caso si presenta molto flessibile rispetto alle esigenze, ai mezzi e alle risorse a disposizione dell’armatore. Il sistema opera in banda UHF ottenendo una portata compresa tra un minimo di 2 metri, nel caso di trasmissione dei dati provenienti dal sensore, ed un massimo di 10 metri, nel caso siano necessarie solo operazioni di identificazione.

Figura 1.4 - Drone in volo fra i campi coltivati.

1.2.3 Acquacoltura di precisione

Rimanendo focalizzati nel settore primario, i droni RFID potrebbero essere applicati anche agli allevamenti ittici per l’acquacoltura di precisione (Figura 1.5), come proposto in [8]. I tag RFID semi-passivi possono essere posizionati nelle boe o in punti di riferimento delle gabbie di allevamento in modo che il drone RFID possa volare al di sopra di essi effettuando l’identificazione. Le posizioni GPS delle varie gabbie e boe sono note, in modo tale da impostare e definire delle traiettorie specifiche per il drone. Oltre alla lettura di parametri di interesse come qualità dell’acqua, salinità e temperatura, il sistema è stato pensato anche per la distribuzione del mangime nelle gabbie di allevamento secondo le esigenze reali. Tale ipotesi applicativa ovviamente prevede l’utilizzo di droni capaci di trasportare dei carichi di peso variabile in modo tale da rilasciare gradualmente il mangime in prossimità delle gabbie degli allevamenti ittici.

10

Figura 1.5 - Schema esemplificativo dell’utilizzo di un drone RFID nell’acquacoltura di precisione.

1.2.4 Monitoraggio di gruppi animali

Un altro contesto in cui è stato proposto l’utilizzo di un drone RFID è il monitoraggio dei gruppi di animali. I droni possono infatti aiutare nella localizzazione delle mandrie di bestiame o degli animali appartenenti a specie protette, permettendo di migliorare gli studi sulle abitudini animali e la lotta contro il bracconaggio [9].

L’idea proposta in [10] per questa applicazione è quella di utilizzare i classici metodi basati sul Global Positioning System (GPS) per individuare e guidare il drone verso una zona in cui si trovano gli animali. Una volta raggiunta l’area di interesse, anche molto vasta, il drone dotato di reader per tag RFID operanti alla frequenza di 433 MHz, identifica i tag applicati agli animali e si posiziona nell’area ottimale dove l’ampiezza del segnale ricevuto, misurata con il parametro

Received Signal Stength Indicator (RSSI), risulta più grande. Tale posizionamento automatico

avviene effettuando delle traiettorie pseudocasuali in modo da individuare i punti in cui l’RSSI è maggiore (Figura 1.6). Di conseguenza, sfruttando il principio della massimizzazione dell’ampiezza del segnale ricevuto sarà possibile stimare la posizione statisticamente più probabile del tag RFID.

11

Figura 1.6 - Traiettoria effettuata dal drone equipaggiato di reader RFID, inseguendo i punti di massimo di RSSI.

1.2.5 Monitoraggio delle infrastrutture

Un’ulteriore applicazione dei droni RFID è rappresentata dalla possibilità di monitorare le infrastrutture (Figura 1.7) dislocate in scenari critici o poco accessibili [11]-[12].

Figura 1.7 – Esempio di utilizzo di droni RFID per il monitoraggio dei ponti.

Sull’infrastruttura da monitorare, è possibile applicare dei tag RFID equipaggiati con dei sensori per misurare alcuni parametri di interesse. I tag utilizzati possono essere sia di tipo attivo sia passivo in base alle applicazioni e alle esigenze del caso. Il drone RFID effettua delle traiettorie nei pressi del sito di interesse raccogliendo periodicamente i parametri che sono utili nel programmare le varie manutenzioni evitando un degrado eccessivo della struttura stessa. In questo modo è possibile avere un monitoraggio costante e in totale sicurezza da parte degli operatori in loco, senza considerare il conseguente risparmio economico. Il drone anche in questo caso può essere pilotato in remoto oppure programmato per effettuare delle traiettorie prestabilite in autonomia con l’ausilio dell’autopilota.

12

1.2.6 Localizzazione di droni

In un contesto in cui i droni diventano sempre più accessibili e reperibili, un’altra importante applicazione della tecnologia RFID è il tracciamento degli stessi droni in volo, magari inizialmente circoscritto ad aeree sensibili come per esempio gli aeroporti [13]. Questa applicazione, rispetto a quelle precedentemente descritte, prevede la presenza del tag RFID sul drone e l’identificazione è possibile attraverso l’utilizzo di reader posti a terra dislocati in tutto il territorio di interesse operanti alla frequenza di 2.45 GHz. Per essere autosufficienti, i reader possono essere alimentati con dei pannelli solari. I tag da impiegare a bordo dei droni sono di tipo attivo in modo da ottenere portate di lettura elevate, superiori a 200 metri. Studi svolti negli ultimi anni dall’Università del Rhode Island [1] hanno dimostrato come questa tecnica possa essere notevolmente migliorata attraverso una progettazione dedicata dei sistemi utilizzati; in questo caso è possibile ipotizzare una portata di lettura di circa 500 metri. Inoltre il tag deve essere integrato (embedded) all’interno della struttura del drone in modo da essere inamovibile e il tutto dovrebbe essere regolamentato con uno standard. Grazie alla tecnologia RFID, ad ogni velivolo è associato un identificativo univoco al fine di creare un database che consenta di identificarli nel caso dovessero sorvolare, accidentalmente o di proposito, in zone non consentite e sensibili come aeroporti o zone affollate.

1.3

Tecniche di localizzazione RFID

Sebbene la tecnologia RFID nasca con lo scopo di identificare oggetti è possibile sfruttare le caratteristiche dei sistemi in banda UHF per individuare la posizione dell’oggetto taggato, o viceversa, le coordinate del reader note quelle dei tag. Per numerose applicazioni, infatti, il più noto sistema di localizzazione GPS può risultare inefficace, basti pensare agli scenari indoor, o poco conveniente, basti pensare all’economicità di apporre un tag a qualsivoglia oggetto da monitorare.

Molti dei sistemi di localizzazione RFID sviluppati per applicazioni commerciali sfruttano una rete distribuita di reader. Si pensi ad esempio alla localizzazione di ospiti all’interno di un’azienda in cui il tag, posto sulla card fornita al visitatore, viene letto ogni qualvolta questo passi in prossimità dei reader dislocati nell’ambiente. In un grande luogo pubblico, quale ad esempio un museo, una scuola, o un centro commerciale, lo stesso principio può essere sfruttato per avere un report in tempo reale della distribuzione dei visitatori, essenziale in caso di emergenza; la posizione del tag viene approssimata con quella dell’antenna che lo ha identificato [14].

13

In alternativa è possibile sviluppare tecniche di localizzazione più complesse e capaci di determinare la posizione del tag/reader sfruttando l’informazione del segnale complesso (ampiezza e fase) reirradiato dal tag. In ambiente indoor tuttavia, l’ampiezza del segnale e notevolmente corrotta dalla presenza di segnali che si propagano per cammini multipli (multipath) e questo determina una degradazione nella localizzazione dell’oggetto [15]. In alternativa, la fase del segnale è meno distorta da questo fenomeno e consente di raggiungere accuratezze anche centimetriche nella stima della posizione. Nel seguito saranno analizzate le tecniche presenti allo stato dell’arte di tipo “phase-based”.

1.3.1 Tecniche di localizzazione phase-based

In Figura 1.8 è riportato lo scenario generale di un sistema RFID in cui l’antenna riceve il segnale diretto (LOS) oltre a quelli riflessi (Non Line of Sight – NLOS). Il reader, avendo al suo interno un ricevitore di tipo coerente, è in grado di misurare le componenti utili di ampiezza e fase dal segnale ricevuto, che sono influenzate dalle componenti di disturbo quali, ad esempio, il clutter ambientale ed il fenomeno di leakage tra trasmettitore e ricevitore.

Figura 1.8 – Schema esemplificativo di un sistema RFID in uno scenario indoor.

Secondo la descrizione proposta [16] la tensione rilevata dal reader può essere espressa come di seguito:

14

In particolare, 𝑉⃗ 𝑙𝑒𝑎𝑘𝑎𝑔𝑒 è la tensione dovuta al link non desiderato tra trasmettitore e ricevitore,

𝑉⃗ _{𝑐𝑙𝑢𝑡𝑡𝑒𝑟} rappresenta la presenza di echi di disturbo dovuti al fenomeno del clutter ambientale statico e 𝑉⃗ _𝑡𝑎𝑔 è la tensione di backscattering del tag.

Scomponendo 𝑉⃗ nelle sue component di fase (I) e quadratura (Q) si ottiene:

𝐼 = 𝐼_𝐷𝐶 + 𝐼_𝐴𝐶 ; 𝑄 = 𝑄_𝐷𝐶+ 𝑄_𝐴𝐶 1.2

A seguito del filtraggio della componente continua, nella quale si sintetizzano tutti gli effetti di disturbo (tensione di leakage e clutter), è possibile estrarre dal segnale ricevuto le informazioni di RSSI e fase [16]:

𝑅𝑆𝑆𝐼 = 𝐼𝐴𝐶2 +𝑄𝐴𝐶2

𝑍0 1.3

𝜑 = arctan (𝑄𝐴𝐶

𝐼𝐴𝐶) 1.4

dove 𝑍₀ indica l’impedenza d’ingresso del ricevitore.

È noto che la fase del segnale ricevuto è funzione della distanza percorsa dal segnale elettromagnetico, in particolare:

𝜑 = 𝜑_{𝑃𝑅𝑂𝑃}+ 𝜑₀+ 𝜑_𝐵𝑆 1.5

in cui con 𝜑₀ si è indicato l’offset di fase del sistema trasmittente e con 𝜑_𝐵𝑆 la componente di fase dovuta alla modulazione del segnale da parte del tag (“backscatter phase”). 𝜑𝑃𝑅𝑂𝑃 invece

rappresenta il termine di propagazione che è funzione lineare della costante di propagazione 𝑘 = 2𝜋𝑓/𝑐 e della distanza tag-antenna d:

𝜑𝑃𝑅𝑂𝑃 = −2𝑘𝑑 1.6

La principale difficoltà nel risalire alla distanza d risiede nella periodicità di 𝜑_{𝑃𝑅𝑂𝑃}. Qualora infatti la distanza tag-antenna vari di una lunghezza multipla di 𝜆/2 (percorso andata-ritorno), 𝜑_{𝑃𝑅𝑂𝑃} appare invariata, avendo essa periodo pari a 2π. Le tecniche di localizzazione RFID basate sull’informazione di fase nascono dunque con il vincolo di dover eliminare tale ambiguità.

15

Sfruttando l’informazione di fase nei vari domini quali il tempo, la frequenza e lo spazio è possibile stimare rispettivamente i dati di velocità radiale, distanza e direzione (o bearing) del segnale del tag di interesse. Secondo la classificazione suggerita in [16] tali metodi possono essere identificati come:

• TD-PDOA (Time Domain Phase Difference of Arrival) • FD-PDOA (Frequency Domain Phase Difference of Arrival) • SD-PDOA (Spatial Domain Phase Difference of Arrival)

Operare nel dominio del tempo significa misurare la fase del segnale ricevuto dal tag d’interesse in due istanti differenti (Figura 1.9). Questa tecnica [16] permette di calcolare la componente di velocità radiale del tag mediante l’operazione di derivata temporale come riportato in (1.7).

𝑣_𝑅 = − 𝑐

4𝜋𝑓 𝜕𝜑

𝜕𝑡 1.7

Figura 1.9 – Schema esemplificativo del metodo RFID TD-PDOA.

Sfruttando il dominio frequenziale è invece possibile estrarre dalla fase la distanza d tra tag e antenna del reader. Come accade in ambito Radar con i sistemi Frequency Modulated Continuos

Wave (FMCW), infatti, la tecnica FD-PDOA prevede l’invio di segnali a due o più frequenze

distinte (Figura 1.10). La distanza d risulta essere proporzionale alla derivata in frequenza della fase ricevuta come illustrato nella formula seguente:

𝑑 = − 𝑐

4𝜋 𝜕𝜑

16

Da più stime della distanza è possibile applicare algoritmi di multilaterazione per determinare la posizione. Il reale limite operativo del metodo appena descritto risiede nella poca disponibilità di banda frequenziale concessa alla tecnologia RFID-UHF, specialmente in banda europea.

Figura 1.10 - Schema esemplificativo del metodo RFID FD-PDOA.

La tecnica SD-PDOA permette, come detto, di individuare la direzione di arrivo del segnale del tag con due o più antenne (Figura 1.11) che può essere descritta come:

𝜃 ≈ arcsin [− 𝑐

2𝜋𝑓

(𝜑2−𝜑1)

𝑎 ] 1.9

Avendo a disposizione misure da più antenne è possibile applicare algoritmi di triangolazione per determinare la posizione.

<

Figura 1.11 - Schema esemplificativo del metodo RFID SD-PDOA.

In letteratura sono stati presentati diversi metodi di localizzazione per tag RFID derivanti dal principio SD-PDOA. In quest’ultimo caso infatti, oltre ad impiegare antenne multiple statiche [17]-[18], è possibile utilizzare tecniche ad array sintetico analoghe a quelle impiegate in ambito radar nei sistemi di tipo Synthetic Aperture Radar (SAR) [19]-[20], sfruttando un’unica antenna

17

mobile. Esse sono basate sul principio che campionare il segnale in N punti spaziali distinti mediante l’uso della stessa antenna equivale infatti ad avere un array sintetico di N antenne.

In [17], è proposta una configurazione di 8 antenne in cui ciascuna può essere sia trasmittente che ricevente e in più viene posto un array di tag sull’oggetto da localizzare per risolvere l’ambiguità della fase. Il segnale trasmesso da una delle antenne, dunque, è riflesso da ciascuno dei tag presenti nell’array e ricevuto dalle rimanenti antenne. Per quanto spiegato in precedenza ciascuna antenna riceve un segnale caratterizzato da una diversa componente di fase, direttamente dipendente dalla distanza compiuta. Infine, attraverso una stima a massima verosimiglianza, vengono stimate posizione e orientazione di ciascun tag. Il metodo proposto consente di ottenere un’accuratezza centimetrica a discapito dell’utilizzo di un reader ad hoc con ricevitori multipli e di più tag sull’oggetto da localizzare.

In [18] vengono utilizzare due antenne per determinare la differenza di fase del segnale riflesso da un tag e determinare la sua posizione tramite equazioni iperboliche (l’iperbole è il luogo dei punti in cui è costante la differenza delle distanze dai fuochi ovvero dalle antenne). Dalla periodicità della fase nasce però il problema dell’ambiguità della differenza di distanze con il conseguente formarsi di numerose possibili iperboli. È necessario dunque imporre nuovi vincoli fisici, dettati, ad esempio dal fascio d’antenna, che determinino una regione possibile per l’individuazione del tag diminuendo di fatto la regione di ambiguità. Le prestazioni del sistema sono quindi strettamente dipendenti dal numero delle antenne.

In [20] invece, viene proposto l’utilizzo di tecniche ad array sintetico per localizzare degli oggetti in movimento lungo nastri trasportatori. Sfruttando le misure di fase acquisite ad una singola antenna statica rispetto a dei tag mobili, è possibile determinare una curva di differenza di fase, svincolandosi da ogni calibrazione. Note la traiettoria compiuta dai tag e la velocità, è quindi possibile determinare una curva di fase che meglio assomiglia a quella misurata tramite una funzione di correlazione, il cui picco rappresenta la posizione stimata del tag. La tecnica in esame, denominata SARFID (Synthetic Aperture Radar approach for RFID tag localization [21]) consente di ottenere una precisione centimetrica utilizzando un reader commerciale dotato di una sola antenna e senza elementi aggiuntivi all’infrastruttura. Tale metodo, oggetto di un brevetto europeo dell’università di Pisa [19], può essere in generale applicato in qualsiasi scenario in cui esista un moto relativo tra antenna del reader e tag come ad esempio in applicazioni di scaffali intelligenti (smart bookshelf) impiegando un sistema di movimentazione dell’antenna [22] o un braccio meccanico [23].

Il movimento dell’antenna rispetto ai tag può essere sfruttato anche per applicare tecniche dell’interferometria come proposto in [24], dove accanto ad una localizzazione bidimensionale con tecniche ad array sintetico, è possibile stimare la terza coordinata del tag.

18

Vale la pena notare che tale metodo può essere applicato per localizzare tag mediante robot dotati di reader RFID che si muovono lungo una traiettoria nota. Lo scenario è esattamente duale a quello descritto in [25] per applicazioni di tipo Simultaneous Localization and Mapping (SLAM) in ambito robotica, dove invece si utilizzano le posizioni dei tag noti per determinare la posizione del robot. In particolare, la soluzione proposta in [25], sfrutta sia l’informazione sull’RSSI che sulla fase e dei tag di riferimento posti sul soffitto. In prima istanza vengono stimate le coordinate di tag e robot mediante l’algoritmo di Kalman facendo uso della sola informazione di RSSI. Successivamente, quando la varianza delle coordinate stimate scende sotto una certa soglia, l’algoritmo si serve anche dell’informazione di fase con un conseguente notevole miglioramento della stima. In tale metodo, le prestazioni del sistema sono strettamente legate al numero di tag presenti nello scenario.

19

2 Metodo SARFID

Nella prima parte di questo capitolo verrà descritto l’algoritmo SARFID oggetto del presente lavoro di tesi in scenari con droni RFID. Nella seconda parte saranno invece illustrate le misure preliminari con antenna in movimento rispetto ai tag fissi, svolte in preparazione allo scenario operativo reale con reader a bordo del drone, al fine di ottimizzare l’algoritmo e prevedere potenziali criticità.

2.1

Descrizione dell’algoritmo SARFID

La tecnica utilizzata per la realizzazione del progetto sperimentale esposto in questo elaborato è un esempio di metodo SD-PDOA. Riprendendo la teoria ben nota in ambiente radar, SARFID sfrutta il movimento relativo tra antenna e oggetto da identificare per simulare un array sintetico di antenne. In ambito telerilevamento, il principio SAR è applicato a vettori di trasporto quali aerei o satelliti dotati di radar che, operando nelle bande frequenziali del visibile e dell’infrarosso, ricostruiscono in post-processing immagini ad alta risoluzione dell’intera aerea scansionata.

In [21] viene presentata la tecnica SARFID, applicata al problema di localizzazione di oggetti taggati in movimento lungo un nastro trasportatore (Figura 2.1). In tal caso l’antenna è in posizione statica, mentre i tag si muovono a velocità nota lungo una traiettoria nota.

20

Figura 2.1 - Scenario di localizzazione RFID con oggetti taggati in movimento lungo un nastro trasportatore.

Come già anticipato, la tecnica può essere applicata in un qualsiasi scenario in cui sia l’antenna ad essere in movimento rispetto a dei tag fissi [22], come ad esempio negli scaffali intelligenti (Figura 2.2) o nell’applicazione di nostro interesse con i droni RFID (Figura 2.3).

21

Figura 2.3 - Scenario di localizzazione di tag RFID con drone dotato di reader RFID-UHF e singola antenna che si

muove sopra a tag statici.

Condizione necessaria affinché l’algoritmo SARFID possa essere applicato è la conoscenza della traiettoria compiuta dall’antenna del reader. Negli scaffali intelligenti (scenario indoor) questo può esser consentito dal sistema di movimentazione dell’antenna. Nello scenario di nostro interesse invece, essendo un ambiente outdoor, è possibile avvalersi di un ricevitore GPS, come meglio illustrato nel capitolo successivo.

Analizziamo adesso i dettagli dell’algoritmo SARFID.

Il reader identifica ciascun tag all’interno del fascio della sua antenna, grazie ai protocolli di anti-collisione implementati nello standard RFID EPC Class1 Gen2. La tecnica può quindi essere applicata per localizzare simultaneamente più tag. Senza perdere di generalità, di seguito sono mostrati i passaggi relativamente alla localizzazione del singolo tag, per la localizzazione monodimensionale.

Assumendo l’intervallo di interrogazione del reader pari a IRT (Interrogation Repetition Time) e nota la velocità v di spostamento dell’antenna, l’intervallo di campionamento spaziale con cui vengono collezionate le risposte del tag è pari a ∆𝑠 = 𝑣 · 𝐼𝑅𝑇.

Fissato un certo istante temporale, e quindi per ogni posizione reciproca antenna-tag, la fase del segnale, in analogia con quanto descritto nel capitolo precedente, può essere scritta come:

22

𝜑₀ rappresenta l’offset di fase iniziale del reader e 𝑟_𝑛 la distanza tra tag e antenna alla lettura

n-esima, con 𝑁_𝑟 pari al numero di letture utili per il tag analizzato. Per svincolarci da procedure di calibrazione atte a determinare il termine di offset, è utile considerare solo la variazione di fase, per esempio rispetto al primo campione:

∆𝜑̂ = 𝜑_{𝑃𝑛 𝑃𝑛}− 𝜑_𝑃1 𝑛 = 1, … , 𝑁_𝑟 2.2

A questo punto è possibile ricavare il vettore di 𝑁_𝑟 fasori:

𝑏_𝑃 = [1, exp(−𝑗∆𝜑̂ ) , … , exp (−𝑗∆𝜑_𝑃2 ̂ )]_𝑃𝑁𝑟 𝑇 2.3

Allo scopo di stimare la posizione del tag, occorre confrontare 𝑏_𝑃 con un set di storie di fase nominali che è possibile determinare a partire dalla conoscenza della traiettoria dell’antenna e ipotizzando la posizione del tag 𝑠0′. Sia quindi 𝑎(𝑠0′) il vettore dei fasori relativi alla storia di fase

nominale (steering vector nella nomenclatura dei sistemi radar):

𝑎(𝑠₀′) = [1, exp(−𝑗∆𝜑_𝑃2) , … , exp (−𝑗∆𝜑_𝑃𝑁𝑟)]𝑇 2.4

la posizione del tag può essere stimata calcolando l’argomento che massimizza la funzione di correlazione (matching function):

𝑠̂ = arg max₀ 𝑠0′ |𝑎𝐻_(𝑠 0′)𝑏𝑃| 2 ‖𝑎𝐻_(𝑠 0′)‖ 2 ·‖𝑏𝑃‖2 2.5

L’operazione appena descritta equivale quindi ad una ricerca della massima proiezione normalizzata del vettore di fase campionato rispetto ai possibili steering vector.

L’estensione a due o tre dimensioni può essere facilmente ricavata calcolando i possibili steering

vector al variare della seconda o anche della terza coordinata del tag e ricercando il massimo della

funzione di correlazione in più dimensioni.

Vale la pena far notare che l’algoritmo SARFID può essere utilizzato anche nel caso di problema inverso, in cui, quindi, note le coordinate dei tag, si voglia localizzare il reader. Esempi di quest’ultima applicazione si possono trovare nell’ausilio alla guida di un mezzo (veicolo o

23

aeromobile) o di un robot [25] il quale, equipaggiato di reader, può desumere le proprie coordinate attraverso la lettura di tag posti nell’ambiente.

2.2

Misure preliminari

In fase di preparazione delle misure in scenario reale con il reader a bordo di un drone sono state effettuate alcune misure preliminari all’esterno del Dipartimento di Ingegneria dell’Informazione. Nello specifico, lo scenario in esame prevedeva la presenza di 4 tag disposti lungo una linea a diverse altezze dal suolo, simulando il movimento dell’antenna attraverso l’uso di un carrello secondo un moto considerato rettilineo uniforme (Figura 2.4).

Il reader impiegato è lo Speedway R420 di Impinj [26] con antenna CAEN RFID WANTENNAX019 [27] in polarizzazione circolare con angolo a metà potenza pari a 65° sia in elevazione che in azimut. I tag utilizzati sono degli Alien ALN9640 Squiggle inlay con chip

Higgs-3 [28].

Le misure sono state effettuate a frequenza fissa (f0=865.7 MHz, canale 4 della banda ETSI) con una potenza in trasmissione pari a 30 dBm.

Per l’elaborazione è stata utilizzata la piattaforma software Matlab.

Figura 2.4 – Scenario per le misure preliminari all’aperto. Nella foto sono visibili le due corsie usate per le

24

Lo schema esemplificativo della traiettoria compiuta dall’antenna è rappresentata in Figura 2.5. Sono state utilizzate due traiettorie a distanza 2.12 m (linea rossa) e 2.72 m (linea verde tratteggiata) dalla direzione di allineamento dei tag.

Figura 2.5 - Rappresentazione 3D dello scenario delle misure preliminari.

Il sistema di riferimento è centrato rispetto al punto di partenza dell’antenna della prima traiettoria. I tag sono orientati lungo l’asse z e posizionati a diverse altezze da terra, le loro coordinate sono: 𝑝_{𝑡𝑎𝑔−30013} = [2.9, − 2.15, 1.27] 𝑚, 𝑝_{𝑡𝑎𝑔−30014} = [3.63, − 2.14, 0.82] 𝑚, 𝑝_{𝑡𝑎𝑔−30015} = [4.41, − 2.13, 0.97] 𝑚 e 𝑝_{𝑡𝑎𝑔−30013} = [2.15, − 2.12, 0.47] 𝑚.

Come detto in precedenza, ai fini dell’algoritmo è indispensabile conoscere le coordinate assunte dall’antenna durante il moto per poter costruire il set di vettori di fasori nominali 𝑎(𝑠0′).

In questo contesto è stato ipotizzato un moto rettilineo uniforme in cui la velocità è ricavata dal rapporto 𝑣 = 𝐷/𝑇 dove 𝐷 corrisponde al tratto di 6 m percorso dall’antenna, mentre 𝑇 rappresenta il tempo necessario a percorre il tratto. In questo modo, ad ogni istante di lettura del tag è possibile determinare la coordinata dell’antenna.

In Figura 2.6 sono riportati i campioni di fase collezionati per ciascun tag durante il moto dell’antenna con v=0.36 m/s. L’asse temporale è normalizzato rispetto al primo campione di fase raccolto (in questo caso riferito al tag #30016).

Nei grafici successivi (Figura 2.7) si mostrano risultati dell’algoritmo SARFID relativi alla coordinata x di ciascun tag. La posizione stimata corrisponde al massimo della Matching function (marker x blu), da confrontare con la coordinata vera del tag (marker x rosso). In generale, le curve presentano un buon valore di picco, indice dell’affidabilità della stima con un errore centimetrico, eccezione fatta per il tag #30016. Quest’ultimo, infatti, si trova in prima posizione rispetto alla

25

linea dei tag analizzati ed è lecito ipotizzare un’incertezza sulla velocità iniziale dell’antenna in prossimità di quel tratto.

(a) (b)

(c) (d)

Figura 2.6 - Storie di fase misurate in radianti: (a) tag #30013, (b) tag #30014, (c) tag #30015 e (d) tag #30016.

È doveroso notare, infatti, come sia importante ai fini dell’algoritmo utilizzare i corretti parametri del moto, ovvero la conoscenza delle coordinate dell’antenna durante tutta la fase di lettura. A dimostrazione di ciò nella Figura 2.8 si riportano le stime appena viste al variare del parametro di velocità dell’antenna v, simulando in tal modo parametri non corretti del moto dell’antenna. Si noti come la curva di Matching function degradi significativamente abbassando il proprio valore di picco ed in generale peggiorando il rapporto tra lobo principale e secondario della funzione.

Come spiegato nel paragrafo 2.1, è possibile servirsi dell’algoritmo SARFID per stimare la posizione del Reader, assumendo note le coordinate dei tag sempre impiegando le curve di fase di Figura 2.6. A titolo esemplificativo, in Figura 2.9 è riportato il risultato della stima della posizione del reader dalla conoscenza delle coordinate dei tag. Per ciascuna delle stime è opportuno indicare anche l’istante a cui si fa riferimento, che tipicamente corrisponde all’ultima lettura del tag stesso. Salvo il caso del tag #30016, per il quale si possono riprendere le considerazioni fatte in precedenza, anche in quest’analisi l’errore ottenuto risulta centimetrico con picchi di Matching

26

(a) (b)

(c) _(d)

Figura 2.7 – Curve di correlazione per la stima della coordinata x dei tag: (a) tag #30013, (b) tag #30014, (c) tag

#30015 e (d) tag #30016.

(a) _(b)

(c) (d)

Figura 2.8 – Curve di correlazione per la stima della coordinata x dei tag al variare del parametro di velocità

27

(a) (b)

(c) (d)

Figura 2.9 - Curve di correlazione per la stima della coordinata x del reader a partire dalla conoscenza delle

coordinate del tag (a) tag #30013, (b) tag #30014, (c) tag #30015 e (d) tag #30016.

Nella Figura 2.10 è proposto il risultato di un processing a finestra mobile in cui si stima iterativamente la coordinata x del reader con Nr=40 campioni. Operando in questo modo è possibile verificare che la velocità media ipotizzata per il reader durante la lettura del tag di riferimento sia correttamente stimata. Essa può essere stimata dalla pendenza della retta di regressione che approssima la curva delle coordinate stimate. Per i tag #30013, #30014 e #30015, la velocità stimata è pari a 0.36 m/s, 0.36 m/s e 0.38 m/s, rispettivamente, in buon accordo con il valore misurato v=0.36 m/s. Invece, la stima fatta dal tag #30016 (0.27 m/s) ha un errore maggiore, e come detto in precedenza, questo può essere dovuto al fatto che nella fase iniziale il moto dell’antenna non è perfettamente uniforme.

28

(a) (b)

(c) _(d)

Figura 2.10 - Stima della coordinata x del reader al variare del tempo con processing a finestra mobile con Nr=40

29

3 Integrazione del reader RFID a bordo

del drone

Il drone utilizzato in questo lavoro di tesi è stato messo a disposizione dall’azienda IDS - Ingegneria dei Sistemi [29], e si tratta del modello IA-3 Colibrì, le cui specifiche sono riportate in Tabella 3.1.

Come mostrato in Figura 3.1, il sistema finale utilizzato per la campagna di misure è caratterizzato da un’elevata complessità gestionale sia hardware che software in quanto prevede l’utilizzo sincronizzato di più dispositivi indipendenti tra loro:

• Drone, dotato di sistemi di pilotaggio e controllo remoto;

• Sistema GPS, composto da scheda GPS e antenna GPS, necessario per conoscere la traiettoria compiuta dal drone;

• Sistema RFID, costituito dal reader Impinj Speedway Revolution R420 [26], l’antenna CAEN RFID WANTENNA X005 [30], il modulo per il pilotaggio wireless e i cavi di alimentazione collegati direttamente alla batteria del drone che svolge dunque anche la funzione di alimentazione dei vari dispositivi aggiuntivi a bordo.

Tutti i dispositivi sopra elencati necessitano di comunicare attraverso delle interconnessioni che ne permettano lo scambio di dati al fine di rendere possibile lo svolgimento dei test. In questo capitolo verranno descritti in modo dettagliato i vari passi e le varie operazioni preliminari che sono state svolte affinché fosse possibile ottenere una corretta e funzionale integrazione hardware e software fra il reader il drone, al fine di realizzare un drone RFID.

30

Tabella 3.1 – Specifiche tecniche drone IA-3 Colibrì di IDS.

Specifiche tecniche drone IA-3 Colibrì

Piattaforma

Peso massimo al decollo < 5 kg

Peso 2.2 kg

Peso payload massimo 1 kg

Peso payload raccomandato 0.5 kg

Tempo di volo massimo 40 minuti @ 0.5 kg (payload)

Velocità variometrica +/- 6 m/s

Velocità orizzontale Fino a 60 km/h

Dimensioni Diametro 810 mm

Altezza 280 mm

Propulsione Numero di rotori 4

Potenza 700 W per rotore

Capacità operative

Meteo

Temperatura -10°C/+45°C

Vento sostenibile 12 kt costante, 18 kt con raffiche

Umidità > 95%

Portata

Raggio di volo Fino a 1 km

Altitudine di crociera 500 m Altitudine massima 2000 m Possibili applicazioni Ispezioni in aree critiche Fotogrammetria e mapping aereo Monitoraggio

31

Figura 3.1 - Configurazione finale del drone equipaggiato con reader e antenna RFID.

3.1

Pilotaggio wireless del reader

Al fine di poter gestire le operazioni svolte dal reader a bordo del drone durante i test, è indispensabile instaurare un collegamento wireless tra il reader e la console di controllo a terra. Tale collegamento wireless è stato realizzato utilizzando un modulo commerciale aggiuntivo,

Vonets VAP11G-300 [30], adottando dunque una soluzione a basso costo. Le informazioni relative

alle specifiche hardware del dispositivo utilizzato sono riportate in Tabella 3.2, mentre la Tabella 3.3 riporta le specifiche software.

32

Specifiche Hardware Modulo Wifi Vonets VAP11G-300

Protocollo standard IEEE 802.11g, IEEE 802.11b, IEEE 802.11n

Rate di trasmissione 300 Mbps

Interfaccia

1 DC2.0 Ingresso alimentazione

1 cavo 2 in 1 dedicato all’alimentazione, e alla connessione Ethernet adattativo 10/100MBit/s

Led

Status instruction: WiFi state/Hot spot connection state (blue light); Ethernet port state (light green for success)

Antenna Built-in 2pcs Smart omnidirectional 2dbm Antennas

Dimensioni 90 mm x 45 mm x 15 mm(L x W x H)

Frequenza operativa 2.4 GHz

Consumo di potenza < 2 W

Tabella 3.2 – Specifiche hardware del modulo WiFi Vonets VAP11G-300.

Specifiche Software Modulo Wifi Vonets VAP11G-300

Funzioni basiche

Opzioni di canale: 1-14

Scansione automatica WiFi Hot spot Memoria WiFi Hot spot

Selettore WiFi Hot spot Modalità di

funzionamento Ripetitore WiFi con modalità intelligente

Sicurezza wireless Crittografia supportata 64/128/WEP - WPA-PSK/WPA2-PSK Funzioni di sistema Ripristino impostazioni di fabbrica e possibilità di aggiornamenti

Firmware

Tabella 3.3 - Specifiche software del modulo WiFi Vonets VAP11G-300.

Il modulo Vonets è stato configurato per potersi connettere ad un hotspot che sfrutta la rete cellulare, in modo da poter operare anche in assenza di una copertura WiFi; per ovvi motivi anche il pc della console a terra necessita di un collegamento alla stessa rete a cui è connesso il modulo

Vonets. In Figura 3.3 è riportato lo schema della connessione tra i vari dispositivi.

E’ stato quindi possibile avere la piena capacità gestionale sul reader con una connessione wireless, non potendo ovviamente utilizzare un collegamento con cavo Ethernet. Grazie alle caratteristiche dello standard 802.11 b/g/n supportato dal modulo Vonets, che permette lo scambio dati

33

utilizzando come metodo di trasmissione il CSMA/CA (Carrier Sense Multiple Access con

Collision Avoidance), non si è evidenziato nessun problema di compatibilità o interferenza con gli

altri sistemi (scheda GPS, radiocomando del drone), permettendo così la coesistenza dei vari dispositivi.

Figura 3.3 - Schema di funzionamento della connessione WiFi tra i dispositivi.

3.2

Sincronizzazione tra i dispositivi

Come già detto, la scheda GPS fornisce i dati relativi alla posizione del drone con precisione centimetrica ad intervalli regolari di circa 200 ms. Tale traiettoria rappresenta un dato di ingresso dell’algoritmo SARFID insieme ai dati misurati dal drone, è quindi necessario che i due sistemi GPS e RFID siano sincronizzati tra loro. A tale scopo è stato necessario effettuare un collegamento che permetta al sistema GPS di inviare un segnale di trigger direttamente al reader per iniziare l’inventario. L’istante dell’invio di tale segnale è quindi noto sia con l’orologio del sistema GPS che con quello del reader, consentendo di compensare un eventuale disallineamento tra i due. Tutto ciò è stato possibile sfruttando le caratteristiche della porta GPIO (General Purpose Input/Output) di cui è dotato il reader [26] che è mostrata in Figura 3.4.

Un approfondimento delle specifiche elettriche della porta GPIO è riportato di seguito nella Tabella 3.4 e in base ad esse sono state determinate le caratteristiche del segnale di pilotaggio del reader. Nello specifico, si tratta di un’onda quadra con duty cycle minimo pari a 100 ms ed un’ampiezza di 5V.

34

Figura 3.4 - Schema della porta GPIO del reader Impinj R420.

Parametro Min Tipico Max Unità Note

Vcc 5 24 30 V

Io 250 mA

Ii 250 mA

Ri 15 kΩ Resistenza di ingresso per

GPI

Capacità nominale di switch del relè

10 A, 250 V AC 10 A, 125 V AC 6 A, 277 V AC

Voltaggio max di switching del relè

250 V AC 100 V DC

Corrente max di switch del relè 10 A(AC), 5 A(DC)

Durata prevista del relè

(elettrica) 10

5 _{A 10 A, 125 V AC}

Durata prevista del relè

(meccanica) 10

7 _{A 180 cpm}

Momento torcente vite di

serraggio 0.22 0.25 Nm

Conduttore AWG

(American Wire Gauge) 26 16

35

Il collegamento è stato realizzato eseguendo i seguenti passaggi, come illustrato in Figura 3.5: • prima di tutto è stato collegato il pin 1 dell’alimentazione con il pin 5 del positivo;

• successivamente è stato collegato il pin 6 negativo con il pin 7 che rappresenta la massa di riferimento;

• infine è stato collegato al pin 12 il segnale di input di interesse.

Figura 3.5 - Collegamento tra reader e drone tramite porta GPIO.

Contemporaneamente, affinché il reader riconosca il segnale di trigger, è stato necessario sviluppare un algoritmo in linguaggio di programmazione Java che rendesse il reader capace di attendere l’arrivo del fronte in salita dell’onda quadra per poter iniziare l’inventario. In Figura 3.6, è riportata la relativa porzione di codice Java.

36

Figura 3.6 - Codice Java per l’impostazione dell’inizio dell’inventario del reader a seguito di un segnale di trigger

esterno.

Prima dell’installazione del reader a bordo del drone, tale configurazione è stata preliminarmente testata in laboratorio. Come mostrato in Figura 3.7, per poter determinare le caratteristiche dei segnali di pilotaggio del reader, sono stati utilizzati gli strumenti di misura riportati in seguito:

• generatore di segnale, • oscilloscopio,

• cavi e morsetti di collegamento.

Il generatore di segnale ha inviato un segnale in ingresso alla porta GPI secondo le caratteristiche precedentemente descritte ed è stato possibile verificare la corretta accensione del reader. Allo stesso tempo, l’oscilloscopio ha consentito di verificare le caratteristiche del segnale ricevuto dal reader stesso.

37

Figura 3.7 - Setup sperimentale di laboratorio per pilotare il reader tramite la porta GPIO.

Dopo aver svolto tali operazioni preliminari, è stata possibile l’installazione finale del reader a bordo del drone, come mostrato in Figura 3.8, che in questa specifica configurazione, permetterà all’utente di sincronizzare i dati delle letture effettuate dal reader con le misure acquisite dal sistema GPS a bordo del drone. Il peso finale del drone equipaggiato con il payload complessivo risulta essere di circa 7 kg.

38

3.3

Acquisizione dati GPS

3.3.1 Acquisizione dati GPS cinematici del drone

Per poter rilevare i dati GPS, il drone è stato equipaggiato con una GPS Compact Board

TOPCOM B110 GNSS (GLONASS - GLObal NAvigation by Satellite System)) a doppia

frequenza, come mostrato in Figura 3.9, le cui specifiche sono riportate in Tabella 3.5.

Figura 3.9 - Scheda GPS Compact Board TOPCOM B110 posta nella parte superiore del drone.

Per effettuare un’analisi completa e strutturata del rilievo effettuato durante i test è necessario distinguere le varie fasi di misurazione:

• posizionamento del ricevitore base equipaggiato con dispositivo Leica GS15 GPS/GLONASS, necessario per utilizzare una tecnica di tipo differenziale, e rilevamento del punto RTK (Real Time Kinematic) della stazione base (Figura 3.10);

• acquisizione delle “osservabili” di fase (vale a dire la differenza tra la fase del segnale proveniente dal satellite e quella della replica generata nel ricevitore) con il GPS in stazionamento nel punto base per tutto l’arco temporale del rilievo con rate selezionato a 5 Hz (necessario per inizializzare gli strumenti ed ottenere precisioni elevate);

• rilievo cinematico del drone avendo cura che siano passati almeno 5 minuti dall’inizio del rilievo statico prima del decollo e dopo l’atterraggio per stabilizzare la lettura e minimizzare l’errore.

39

Compact Board TOPCOM B110 GNSS

Numeri canali supportati 226 Canali Universali

Segnali tracciati GPS: L1, L2, L2C – GLONASS: L1, L2, L2C

Precisione

Autonomo Orizzontale – 1.2 m; Verticale – 1.8 m DGPS (GPS Differenziale) Orizzontale – 0.3 m; Verticale – 0.5 m

RTK (statico) Orizzontale – 1 mm + 0.5 ppm; Verticale – 2 mm + 1

ppm

RTK (cinematico) Orizzontale – 10 mm + 1 ppm; Verticale – 15 mm + 1

ppm

Tempo inizializzazione RTK < 10 s

Affidabilità inizializzazione RTK > 99%

* La precisione può variare in base a vari fattori: numero di satelliti tracciati, geometria delle costellazioni, tempo di osservazione, multipath, disturbi atmosferici etc.

Specifiche Elettriche

Voltaggio Da +3.4 V DC a +4.5 V DC

Output rate 1 Hz – 100 Hz Selezionabile

Potenza LNA (Low Noise Amplifier) +3.3 V (interna), +5 V (esterna) @ 0 – 100 Ma 27 dBi

40

Figura 3.10 – Ricevitore Leica GS15 GPS/GLONASS usato per le misure in un punto statico.

I dati raccolti tramite il ricevitore Leica sono stati poi processati tramite il software Leica Geo Office 8.0 in modo da ottenere le coordinate GPS. La

Tabella 3.6 riporta le specifiche del ricevitore Leica GS15 GPS/GLONASS.

I dati GPS raccolti sono resi disponibili all’interno di un file in formato “.pos” in termini di coordinate di latitudine, longitudine e quota ellissoidica (calcolata con l’ellissoide geocentrico), ovvero in un sistema di coordinate sferico Figura 3.11. Per tale motivo, sono necessarie delle operazioni di post-processing per poter rendere fruibili i dati in coordinate cartesiane. In particolare, ogni punto P(x, y, z) può essere calcolato come:

{ 𝑥 = 𝜌 ∗ cos(𝜑) ∗ cos(𝜗) 𝑦 = 𝜌 ∗ cos(𝜑) ∗ sin(𝜗) 𝑧 = 𝜌 ∗ sin(𝜗) (3.1) con 𝜃 ∈ [0, 2𝜋) e 𝜑 ∈ [−𝜋 2, 𝜋

2]. 𝜌 è la distanza di P dall’origine del sistema di riferimento, 𝜗 è

l’angolo tra l’asse delle x positive e la retta congiungente l’origine con il punto Q che rappresenta la proiezione del punto P sul piano xy (longitudine) e 𝜑 è l’angolo formato tra il piano xy e la congiungente tra l’origine e il punto P come mostrato in Figura 3.11.

Nel caso specifico, la trasformazione prevede il passaggio da coordinate geografiche ed altezze ellissoidiche a coordinate piane e quote ortometriche [33] ed è possibile eseguirla tramite il

41

software ConveRgo (Conversioni per le Regioni) che utilizza un sistema di riferimento riconosciuto dall’Istituto Geografico Militare (IGM) e dalla Rete Dinamica Nazionale (RDN). In Figura 3.12 è raffigurata l’interfaccia del programma ConveRgo.

Figura 3.11 - Rappresentazione del punto P(x, y, z) in coordinate sferiche.

42

Leica GS15 GPS/GLONASS

Tecnologia strumento Smart Track+

Ricezione satellite Tripla frequenza

Canali supportati

Più di 16 canali a tracking continuo in L1, L2 e L5 (GPS) Più di 14 canali a tracking continuo in L1 e L2

(GLONASS)

Tecnica rivelamento utilizzata Codice di tipo Differenziale

Precisione con osservazione breve

Statica orizzontale 5 mm + 0.5 ppm

Statica verticale 10 mm + 0.5 ppm

Cinematica orizzontale 10 mm + 0.5 ppm

Cinematica verticale 20 mm + 1 ppm

Precisione con osservazione lunga

Statica orizzontale 3 mm + 0.1 ppm

Statica verticale 3.5 mm + 0.4 ppm

Cinematica orizzontale 10 mm + 0.5 ppm

Cinematica verticale 20 mm + 1 ppm

Fase differenziale in real-time

Statica orizzontale 5 mm + 0.5 ppm

Statica verticale 10 mm + 0.5 ppm

Cinematica orizzontale 10 mm + 1 ppm

Cinematica verticale 20 mm + 1 ppm

* La precisione può variare in base a vari fattori: numero di satelliti tracciati, geometria delle costellazioni, tempo di osservazione, multipath, disturbi atmosferici etc.

Specifiche Elettriche Voltaggio 7.4 V Capacità GEB211: 2.2 Ah GEB212: 2.6 Ah GEB221: 4.4 Ah GEB222: 6 Ah Frequenze di lavoro GPS L1 1575.42 MHz GPS L2 1227.60 MHz GLONASS L1 1602.56 MHz – 1611.5 MHz GLONASS L2 1246.44 MHz - 12543 MHz Guadagno 27 dBi

Cifra di rumore < 2 dBi

43

3.3.2 Posizionamento e georeferenziazione dei tag RFID

La campagna d misure è stata effettuata presso la sede del Gruppo Aeromodellistico Pisa Livorno (GAPL) con il supporto del personale di IDS. Prima dell’esecuzione dei test in volo, sono stati posizionati i tag secondo una griglia 5x5 ad una distanza relativa di 2 m occupando una superficie di 8x8 m2_{. Come si intravede nella Figura 3.13, i tag sono stati piazzati su delle basi di}

legno con una tolleranza dell’ordine del centimetro.

Al fine di valutare la bontà della corretta localizzazione dei tag tramite la tecnica SARFID, è stata eseguita la georeferenziazione dei tag impiegando il ricevitore Leica GS15 GPS/GLONASS per misure RTK da rete Italpos e misure di fase, operante nei canali L1-L2 (come per le misure statiche del punto di riferimento).

44

4 Misure

In questo capitolo vengono esposti i risultati delle misure sperimentali effettuate con l’obiettivo di testare la bontà dell’algoritmo SARFID in uno scenario operativo, confrontandosi con le reali problematiche dell’ambiente outdoor.

Lo scenario, già accennato nel capitolo precedente, prevede la disposizione di 25 tag in un’area di 8 m2 distanti 2 m l’uno dall’altro. Come schematizzato in Figura 4.1, lungo ogni riga della griglia è presente una diversa tipologia di tag e come si può osservare Figura 4.2, le linee di tag differiscono anche per l’orientazione degli stessi. In particolare, i tag di tipo Alien ALN9640 [28], Alien ALN9654-G [34] e LAB-ID UH106 [2] sono orientati lungo l’asse x, mentre i rimanenti Avery Dennison AD229 [35] e SMATRAC Dogbone [36] risultano ad essi perpendicolari. Il sistema di riferimento locale è centrato rispetto al primo tag della linea degli Alien ALN9640 (Figura 4.1).

45 (a)

(b)

Figura 4.2 - Disposizione della griglia di griglia 5x5 sul terreno: (a) foto e (b) schema geometrico.

Per quanto riguarda le specifiche circa l’hardware utilizzato si faccia riferimento al capitolo precedente.

Durante la campagna di misure, il drone ha effettuato un volo secondo una traiettoria a “onda quadra” durante la quale ha acquisito i campioni di fase dei tag con quota variabile compresa tra 1.5 m e 4 m e con velocità variabile tra 1 m/s e 2 m/s. In Figura 4.3 è riportato un esempio della traiettoria compiuta dal drone, ricostruita secondo i dati GPS raccolti.

Vale la pena notare che la curva è il risultato di interpolazione. Infatti, la posizioni GPS sono stimate ad intervalli di 200 ms, mentre i dati RFID sono misurati con periodo di circa 20 ms.

46

Figura 4.3 - Esempio di traiettoria compiuta dal drone.

4.1

Applicazione dell’algoritmo SARFID 1D

Nella Figura 4.4 sono riportate alcune delle storie di fase misurate per i tag #29002 (Avery Dennison AD229), #11001 (Alien ALN9640), #54002 (Alien ALN9654-G) e #06003 (LAB-ID UH106) e in Figura 4.5, invece, sono rappresentate le relative porzioni di traiettoria rettilinea lungo dell’aeromobile l’asse x, durante le quali è avvenuto il campionamento di tali segnali.

Mediante l’applicazione dell’algoritmo SARFID monodimensionale, è stata valutata la stima della coordinata x del tag, usando come note le coordinate y e z ottenute dal GPS durante la fase di georeferenziazione. Infatti, avendo effettuato una scansione prevalentemente lineare lungo l’asse x, è possibile ottenere una buona risoluzione solo per la relativa coordinata. La bontà dell’algoritmo è infatti direttamente dipendente dalla lunghezza dell’array sintetico (ovvero della traiettoria dell’antenna) [20].

47

(a) (b)

(c) (d)

Figura 4.4 - Esempi di storie di fase in radianti collezionate durante la scansione con il drone per il tag (a) #29002,

(b) #11001, (c) #54002 e (d) #06003.

(a) (b)

(c) (d)

Figura 4.5 - Porzioni di traiettorie del drone nelle quali sono stati campionati i segnali relativi al tag (a) #29002, (b)

#11001, (c) #54002 e (d) #06003.

La Figura 4.6 mostra le relative curve di correlazione ottenute dal processing 1D, insieme alla posizione reale del tag ottenuta dalle misure del ricevitore GPS (marker x rosso). La presenza di

48

un picco distinto conferma la capacità di determinare correttamente la posizione del tag dal punto di massimo (marker x blu). Nei casi rappresentati l’errore è sempre inferiore a 10 cm. In Figura 4.7 è riportato l’errore di localizzazione per la coordinata x per tutti i tag nello scenario e per tre diversi voli del drone. Occorre segnalare che gli errori rappresentati con “NaN“ sono dovuti al movimento non voluto del tag durante il volo, a causa della perturbazione generata dai rotori del drone, per cui non è stato possibile verificare l’errore di localizzazione. L’errore medio per la stima della coordinata x è pari a Ɛ𝑥≅0.09 m , che è un valore confrontabile con la dimensione del tag

stesso e con quelle che potrebbero essere le dimensioni dell’oggetto su cui applicare il tag.

(a) (b)

(c) (d)

Figura 4.6 – Curve di correlazione per la stima della coordinata x del tag (a) #29002, (b) #11001, (c) #54002 e (d)

#06003.

La traiettoria effettuata dal drone non è perfettamente rettilinea, ma comporta piccole variazioni lungo la coordinata y e applicando le curve di fase di Figura 4.4 per stimare y, è possibile ottenere le curve di correlazione rappresentate in Figura 4.8. Come ci si aspetta però, queste ultime stime risultano sensibilmente peggiori rispetto alle precedenti a causa del fatto che la lunghezza dell’array sintetico lungo la direzione y è di ordine centimetrico. Per tale motivo, volendo stimare correttamente entrambe le coordinate, è necessario sfruttare i campioni di fase acquisiti durante una scansione planare del drone come mostrato nel paragrafo successivo.

49

Figura 4.7 – Errore di localizzazione per la coordinata x per la griglia di 5x5 tag considerando tre diversi voli del drone secondo una traiettoria rettilinea, applicando SARFID 1D.

(a) (b)

(c) (d)

Figura 4.8 - Curve di correlazione per la stima della coordinata y del tag (a) #29002, (b) #11001, (c) #54002 e (d)

#06003.

4.2

Applicazione dell’algoritmo SARFID 2D

Tenendo conto delle traiettorie effettuate dal drone sono stati selezionati i tag posizionati agli estremi di ciascuna linea per la stima della coppia di coordinate (x, y). In prossimità di questi tag, infatti, il drone ha compiuto cambiamenti di direzione realizzando, di fatto, una scansione lungo

50

entrambi gli assi x e y. Alcun traiettorie cono rappresentate in Figura 4.9 per i tag #29001 e #29005 (Avery Dennison AD229) e #54001 (Alien ALN9654-G). Le relative curve di correlazione bidimensionali sono riportate in Figura 4.10-Figura 4.12, la posizione del picco determina alla coppia di coordinate stimate ottenendo un’accuratezza centimetrica.

(a) (b)

(c)

Figura 4.9 - Porzioni di traiettorie del drone nelle quali sono stati campionati i segnali relativi al tag (a) #29001, (b)

#29005 e (c) #54001.

51

Figura 4.11 - Curva di correlazione 2D per la stima delle coordinate (x, y) del tag #29005.

Figura 4.12 - Curva di correlazione 2D per la stima delle coordinate (x, y) del tag #54001.

Infine, nelle Figura 4.13 e Figura 4.14, sono riportati gli errori di stima della coordinata x e y per 8 tag rispetto a cui il tag ha effettuato una scansione planare per tre diversi voli del drone impiegando l’algoritmo SARFID 2D. L’errore medio per la stima della coordinata x risulta Ɛ_𝑥≅0.20 m, mentre per la coordinata y è pari a Ɛ_𝑦≅0.28 m; tuttavia, nella maggior parte dei casi l’errore è inferiore a 15 cm per entrambe le coordinate.