Knowing firefighters’ locations in a burning building would dramatically improve their safety. In this study from the Saxion Research Centre for Design and Technology in the Firebee project, an algorithm was developed and tested to enhance the estimation of a person’s location, based on inertial measurements combined with measurements of the earth’s magnetic field. The developed algorithm is an extension of the zero velocity update technique. Without any enhancements, the accuracy of the estimation is in the order of several meters after measuring for only a few seconds. With enhancements, the accuracy improved to be within five meters after measuring for ten minutes. Our result demonstrated that it is possible to determine in which room and on which floor a person is after ten minutes. Major improvements were observed in the estimation of the sensor’s height. The results are promising and the following phases of the project focus on improving the solution and on developing the concept into a practically applicable system.
MULTIFILE
Na twee jaar met veel studenten te hebben gewerkt aan het project Wireless Sensortechnologie bij Calamiteiten geeft dit boek een overzicht van de activiteiten die zijn uitgevoerd. In 14 deelprojecten verspreid over vier werkpakketten hebben vooral studenten onder leiding van docenten en medewerkers van het Saxion-lectoraat Ambient Intelligence in het Kenniscentrum Design en Technologie van Saxion zich verdiept in een breed scala van onderwerpen. Na een eerste verkenning door middel van literatuurstudie en verkenning van de markt is er gewerkt aan praktische oplossingen van problemen. In de meeste gevallen zijn de oplossingen vormgegeven in echte systemen met de nodige hard-en software. Bij de testen en de experimenten werd duidelijk in hoeverre de oplossing ook echt voldeed als antwoord op de onderzoeksvraag die aan het begin gesteld werd. Alle deelprojecten zijn beschreven en aan het eind van het boek worden de belangrijkste conclusies op een rij gezet.
MULTIFILE
Het project Wireless Sensor Technologie bij Calamiteiten is een samenwerkingsverband tussen Saxion, Thales Nederland (de dochterondernemingen D-CIS Lab en Iseti), Ambient Systems, Ti-WMC, het beveiligingsbedrijf Vigilat, het Regionaal Centrum Criminaliteitspreventie en Veiligheidsregio’s Twente, Noord en Oost Gelderland, Gelderland Midden en Zuid. Dit project wordt ondersteund door de Stichting Innovatie Alliantie (SIA) vanuit het RAAK MKB fonds. Binnen het werkpakket Proximity wordt onderzoek gedaan naar de stand van zaken van indoorlokalisatie. De motivatie voor dit deelproject komt voort uit het streven het risico voor de hulpverlener in actie te verminderen. Elke dag wagen brandweermannen hun leven bij het blussen van branden en het redden van mensen uit brandende gebouwen. Hierbij wil het wel eens gebeuren dat een brandweerman in problemen komt door de gevaarlijke en onoverzichtelijke situatie, de weg kwijtraakt of het contact verliest met zijn collega’s. Op zulke momenten is het moeilijk voor deze brandweerman om zijn collega’s te vinden en andersom is het moeilijk voor zijn collega’s om hem te vinden. Dit resulteert soms in de dood van een of meer brandweermannen. Daarom zal onderzocht worden welke rol technologie kan spelen om de veiligheid van een brandweermannen te verhogen bij de uitvoering van hun taak en wel voornamelijk door het realtime bepalen van zijn locatie en positie in een brandend gebouw. Allereerst zal het probleem behandeld worden, daarna wordt onderzocht welke technieken en technologie er beschikbaar zijn. Deze zullen gewaardeerd worden op basis van de praktijkcriteria: betrouwbaarheid, snelle operationele inzetbaarheid, nauwkeurigheid en kosten. Aan de hand daarvan wordt een onderzoeksvraag geformuleerd. Op basis van geschiktheid van de oplossingsrichtingen zal in het vervolg een prototype ontworpen en gebouwd worden.
MULTIFILE
In de automotive sector vindt veel onderzoek en ontwikkeling plaats op het gebied van autonome voertuigtechnologie. Dit resulteert in rijke open source software oplossingen voor besturing van robotvoertuigen. HAN heeft met haar Streetdrone voertuig reeds goede praktijkervaring met dergelijke software. Deze oplossingen richten zich op een Operational Design Domain dat uitgaat van de publieke verkeersinfrastructuur met daarbij de weggebruikers rondom het robotvoertuig. In de sectoren agrifood en smart industry is een groeiende behoefte aan automatisering van mobiele machinerie, versterkt door de actuele coronacrisis. Veel functionaliteit van bovengenoemde automotive software is inzetbaar voor mobiele robotica in deze sectoren. De toepassingen zijn enerzijds minder veeleisend - denk aan de meer gestructureerde omgeving, lagere snelheden en minder of geen ‘overige weggebruikers’ – en anderzijds heel specifiek als het gaat over routeplanning en (indoor) lokalisatie. Vanwege dit specifiek karakter is de bestaande software niet direct inzetbaar in deze sectoren. Het MKB in deze sectoren ervaart daarom een grote uitdaging om dergelijke complexe autonome functionaliteit beschikbaar te maken, zonder dat men kan voorbouwen een open, sectorspecifieke softwareoplossing. In Automotion willen de aangesloten partners vanuit bestaande kennis en ervaring tot een eerste integratie en demonstratie komen van een beschikbare automotive open source softwarebibliotheek, aangepast en specifiek ingezet op rijdende robots voor agrifood en smart industry, met focus ‘pickup and delivery’ scenario’s. Hierbij worden de aanpassingen - nieuwe en herschreven ‘boeken’ in de ‘bibliotheek’ - weer in open source gepubliceerd ter versterking van het MKB en het onderwijs. Parallel hieraan willen de partners ontdekken welke praktijkvragen uit dit proces voortvloeien en welke onderliggende kennislacunes in de toekomst moeten worden ingevuld. Via open workshops met uitnodigingen in diverse netwerken worden vele partijen uitgenodigd om gezamenlijk aan de hand van de opgedane ervaringen van gedachten te wisselen over actuele kennisvragen en mogelijke gezamenlijke toekomstige beantwoording daarvan.
Autonomous Guided Vehicles (AGV) worden hedendaags breed toegepast in verschillende sectoren als agri, logistiek en zorg. De taken die AGV’s verrichten zijn veelal gericht op het indoor transporteren van goederen en vereisen daarom een precieze en robuuste locatiebepaling. Indoor lokalisatie is een ‘key-technology’ daar het in allerlei toepassingsgebieden een fundamentele rol speelt. Tot op heden is er geen algemeen toepasbare techniek voorhanden en is het noodzakelijk om de omgeving uit te rusten met een op maat gemaakt lokalisatiesysteem wat duur, tijdrovend en inflexibel is. Een veelbelovende techniek is Magnetic-Simulataneous-Localisation-And-Mapping (MagSLAM). Deze techniek is berust op een verstoord aardmagnetisch veld door de aanwezigheid van vele ‘indoor’ ferromagnetische structuren. Deze verstoringen zijn specifiek voor de plek binnen het gebouw en zodoende als informatiebron gezien kunnen worden. Deze wijze biedt een aantal fundamentele voordelen ten opzichte van camera, radio of tag gebaseerde lokalisatiesystemen. Het doel van dit KIEM-project is een onderzoek naar de vraag in hoeverre we het magnetisch veld als informatieprovider kunnen gebruiken om het lokalisatievraagstuk voor AGV’s te kunnen helpen. De belangrijkste onderzoekvraag daarbij is “Hoe kunnen we de MagSLAM-technologie opwerken en inpassen in een AGV-systeem?” Daarbij rekening houdend met uitdagingen als kalibratie, fusie van sensordata (bijvoorbeeld odometrie) en het robuust zijn voor grote inductiestromen (bijvoorbeeld motoren en laadcircuits). Saxion en haar partners zetten zich de komende jaren in op de sleuteltechnologieën voor robotica als perception, navigation, cognition en artificial-intelligence welke allen integraal onderdeel vormen in dit KIEM project. Het project zal uit 4 fases bestaan: allereerst een inventarisatie van huidige MagSLAM-algoritmiek en AGVpositioneringssystemen (IST), een systeem- en gebruikerseisen onderzoek (SOLL) en tenslotte een analyse om de technologie op te werken en te passen (GAP).
