Locate Pro Indoor [Pujol & al 2000] est un système développé aux environs de 2000, basé sur le système EKAHAU : Système de positionnement commercialisé basé sur le Wifi. Ce système localise les biens et les personnes en intérieurs. C‟est un parmi les systèmes de localisation en intérieur commercialisé.
Le principe de la technique réside dans le calibrage et l‟étude de l‟empreinte digitale de la force du signal. La précision du système atteint 1-2 m. Toutes les données sont stockées sur un serveur, qui est un handicap en cas de panne.
Les études effectuées par l‟université de Californie en 2001 [Bing & al 2001] se sont focalisés sur l‟optimisation convexe pour calculer la position d‟un nœud d‟un réseau Ad-Hoc. Dans ces réseaux, un nœud peut communiquer avec un autre nœud du réseau si et seulement „il est distant d‟une distance d inférieure à un seuil préétabli.
Cette théorie permet donc de mettre en œuvre un schéma de distribution des nœuds et en déterminer leurs positions respectives.
La technique développée nécessite une configuration centralisée du réseau. Tous les nœuds doivent communiquer leurs informations à un nœud central afin de résoudre le problème d‟optimisation. L‟algorithme de calcul se base sur une optimisation polynomiale, les principes utilisés sont :
Minimiser c En sachant que :
Ceci revient à minimiser une fonction linéaire à travers un polyèdre.
La condition essentielle dans un réseau utilisant des ondes radio est la limitation de distante pour communiquer entre deux nœuds. Cette condition est représentée par une sphère entourant le point de référence et dont le rayon est égal à la distance entre les deux nœuds. Dans la suite des recherches, la méthode fut implémentée en limitant la surface entre les deux communicants à un cône.
Les travaux futurs peuvent être redirigés selon le document vers une combinaison entre l‟approche circulaire et l‟approche angulaire représentée par les cônes.
L‟université de New Jersey en 2003 [Drago & al 2003] a étudié la localisation dans les réseaux Ad-Hoc. Les réseaux Ad-Hoc sont des réseaux sans fil capables de s‟organiser sans infrastructure définie préalablement. Chaque entité communique directement avec sa voisine. Pour communiquer avec d‟autres entités, il lui est nécessaire de faire passer ses données par d‟autres qui se chargeront de les acheminer.
La méthode utilisée par cette université consiste à développer des algorithmes de positionnements dans ces réseaux. Cinq méthodes ont été mises en place.
La première méthode consiste à prendre en considération les sauts effectués lors de la transmission du message d‟un nœud à l‟autre. A chaque saut, la distance parcourue est calculée. A la fin de la réception, la distance finale est atteinte grâce à la somme de toutes les distances. Au final, la position est calculée avec la méthode de trilatération connue dans le calcul GPS classique. L‟inconvénient de cet algorithme est le calcul des distances à chaque saut pouvant ainsi augmenter les erreurs au fur et à mesure.
Etat de l‟art des techniques de positionnement
32 La deuxième méthode calcule le nombre de sauts effectués de l‟émetteur au récepteur ainsi que la distance moyenne entre les nœuds. La distance résultante est le nombre de saut multiplié par la distance moyenne. Ce type de méthode peut amener à des erreurs aberrantes dans le cas ou on peut avoir des distances entre nœuds de différence importante.
La troisième méthode consiste à mesurer la distance entre les nœuds à l‟aide de la force du signal reçu et non pas le nombre de sauts. Le principe reste le même.
La quatrième méthode utilise la distance euclidienne. En effet, les principes géométriques sont utilisés. Afin de calculer la distance par rapport à un point de référence, deux nœuds voisins sont nécessaires ainsi qu‟un troisième pour enlever l‟ambigüité par la suite.
La dernière méthode utilise une localisation locale et non globale avec les distances euclidiennes.
Les résultats obtenus différent selon les topologies utilisées. Pour les méthodes utilisant les distances euclidiennes, la précision est meilleure pour les topologies non isotopiques. Les méthodes utilisant le nombre de sauts, les résultats sont pratiquement les mêmes pour les différents topologies.
Un système de positionnement développé par les chercheurs de Lausanne en 2004 utilise les détecteurs infrarouges afin de localiser les robots.
Le robot doit détecter les récepteurs avec la puissance la plus forte dans son entourage. Il calcul ainsi l‟angle entre ces deux équipements grâce à la formule suivante :
Avec V1, V2 les deux signaux reçus et a une constante prédéfinie auparavant calibrée grâce à des mesures expérimentales.
Trois façons de calcul de la position finale ont été mise en place. La première méthode calcul la distance avec l‟équation suivante :
La deuxième méthode calcul la distance avec les équations suivantes :
Et
La troisième méthode calcul la distance avec les équations suivantes :
Les résultats dépendent des signaux reçus et varient donc avec le nombre d‟émetteurs infrarouge positionnés. L‟inconvénient de ce mécanisme est que ces équipements doivent être impérativement en visibilité directe avec le robot. Ces émetteurs ne peuvent émettre des signaux à une distance élevée.
En 2010, un centre de recherche à Singapour [Thompson & al 2010] a développé un système de positionnement basé sur la technique de « fingerprinting » ainsi que l‟échelonnage multidimensionnel. La technique d‟échelonnage multidimensionnel explore les similarités ainsi que les dis-similarités dans les données acquises. C‟est une technique basée sur les calculs statistiques. Le système présenté utilise la distance euclidienne entre les équipements RFID ainsi que les similarités caractéristiques. L‟environnement a été équipé de balises RFID
33 et chaque balise couvre la totalité de l‟environnement. Le système mesure les niveaux de puissances à différents points de référence. Ensuite, la localisation s‟effectue à l‟aide de la mesure de la puissance des balises RFID ainsi que les mesures de balises de référence. Après avoir utilisé la technique de « fingerprinting », le système améliore les résultats obtenus à travers les données statistiques.