Système de guidage bluetooth pour les personnes malvoyantes

Bluetooth blind guidance system

• Auteur / Autrice : Maria Camila Molina
• Direction : Michel Terre
• Type : Projet de thèse
• Discipline(s) : Sciences pour l'ingénieur spécialité Electronique, traitement du signal et télécommunications
• Date : Inscription en doctorat le 01/01/2022
• Etablissement(s) : Paris, CNAM
• Ecole(s) doctorale(s) : École doctorale Sciences des métiers de l'ingénieur
• Partenaire(s) de recherche : Laboratoire : Cedric - Centre d'études et de recherche en informatique et communications

Mots clés

Mots clés libres

Apprentissage statistique

Localisation en intérieur

Fingerprinting

Statistical learning

Indoor localisation

Fingerprinting

Résumé

Avec l'augmentation du nombre des objets connectés et mobiles et l'apparition de plusieurs applications, la problématique de localisation a reçu un intérêt considérable aussi bien dans le monde de la recherche que dans le monde industriel. En effet, la capacité de se localiser par rapport aux points d'intérêt dans son environnement est d'une valeur considérable pour les consommateurs et les utilisateurs de services. Cette possibilité constitue un enjeu également dans les services à la personne tels que le guidage des personnes malvoyantes. D'une manière générale, la position s'obtient par le biais d'outils géo-analytiques basés sur différents types de capteurs. Lorsqu'un signal GPS est disponible – en général à l'extérieur des bâtiments – il est aujourd'hui possible, avec un récepteur simple et à bas coût, de réaliser des solutions de localisation très performantes. Quant à la localisation en intérieur, un cas de très grande importance, malgré des années de recherche, il n'existe pas aujourd'hui de solution performante dans toutes les situations. En intérieur, le signal GPS est remplacé par d'autres sortes de signaux radio (ou parfois par la lumière, les ultrasons, etc.). La combinaison de ces signaux avec capteurs d'altitude, champs magnétiques, etc., est également courant. Néanmoins, une localisation performante est toujours un sujet actif de recherche. L'évolution de la technologie Bluetooth et particulièrement avec sa norme 5.0 font d'elle une potentielle candidate pour assurer de bonnes précisions de localisation. Cette technologie est notamment utilisée pour la localisation par proximité comme c'est le cas dans l'application AntiCovid lancé par le gouvernement Français pour détecter les « cas contact Covid ». Ceci est possible grâce à la puissance du signal radio capté, appelée Received Signal Strength Indicator, RSSI. La connaissance de cette grandeur physique permet également de prédire une position absolue en obtenue par des méthodes telles que le fingerprinting qui consiste à construire une carte radio de l'environnement intérieur (une correspondance entre le RSSI et la position). La nature de l'onde électromagnétique dans des environnements intérieurs, rend les RSSI bruts peu fiables. D'où la nécessité de mettre en œuvre des algorithmes de localisation capables d'extraire l'information pertinente sur la position à partir des RSSI. C'est dans ce contexte que s'inscrit le projet de recherche. Afin de mettre en œuvre des méthodes de localisation par fingerprinting, les techniques d'apprentissage statistique ont été proposées pour créer un mapping entre les signaux des capteurs et la position. De plus, il est proposé de basculer vers une estimation de la position par l'algorithme de dead reckoning utilisé dans le système GPS ainsi qu'une fusion des données multimodales afin de fournir une estimation continue de la position pour un guidage optimal.

With the rise in numbers of connected objects, smartphones and mobile applications, the field of localization has garnered considerable interest in both the research sector and the industrial sector. Namely, the ability to determine ones location with respect to different points of interest in the surrounding environment provides considerable value to consumers. This capability is also of great significance in personal services such as the guidance of visually impaired. Generally speaking, a position is obtained from geo analytical tools using different types of sensors. When a GPS signal is available — usually outdoors — it is possible, with basic low-cost receivers, to implement well-performing localization solutions. As for indoor localization, a use case of great importance, despite years of research, there is no effective solution that works in both environments. Indoors, GPS signals are replaced by other types of radio signal (sometimes even light, ultrasounds, etc.). The use of these signals in conjunction with altitude sensors, magnetic field sensors, etc. is also common. Nevertheless, precise and efficient localization is still an active research topic. The evolution of Bluetooth technology, particularly with its 5.0 specification, make it a potential candidate for ensuring good localization accuracy. This technology is used in particular for proximity localization as is the case in the AntiCovid application launched by the French government to detect 'Covid contact cases”. This is made possible by the strength of the received radio signal, called the Received Signal Strength Indicator, RSSI. This value makes it possible to predict an absolute position obtained by methods such as fingerprinting, which consists in building a radio map of the indoor environment (a mapping between RSSI values and positions). The nature of electromagnetic waves in indoor environments makes raw RSSI values unreliable. Hence the need to implement localization algorithms capable of extracting relevant position information from RSSI data. Thus, it is in the aforementioned context that this research project will take place. In order to implement fingerprint localization methods, statistical learning techniques have been proposed to create a mapping between sensor signals and positions. Furthermore, it is proposed to switch between position estimation by the dead reckoning algorithm used in GPS systems as well as multimodal data fusion in order to provide continuous position estimation for optimal guidance.