| 一、研究目標 室內軌跡追蹤在物聯網 (Internet of Things, IoTs) 世界中扮演重要的角色，如：安全監控、智慧建築、醫療保健和市場行銷等。在商業環境中，室內軌跡追蹤可以用於安全監控，例如在商店、辦公室或倉庫中，追蹤員工和訪客的活動，及時發現任何可疑行為或安全風險。在醫療設施中，室內軌跡追蹤可以幫助監測病人的位置，提供一些自動化的警報系統，例如當病人跌倒時發出警報。 |
|
|
|
圖1、室內定位技術於各種場域之應用 |
|
|---|---|
| 二、研究內容 近年來，以電腦視覺進行軌跡追蹤的方法逐漸成為主流。然而，設置大量攝影機的成本高昂，而且系統容易受到亮度和物件遮擋等環境影響。另一種類的追蹤方法是基於無線傳輸的接收信號強度 (RSSI) 進行三角定位，包含低功耗藍牙 (BLE) 和超寬頻 (Ultra-Wideband, UWB)。與BLE相比，UWB通過飛行時間測距法 (Time-of-Flight, ToF) 提供更高的定位精度。此外，更高的頻率和更大的頻寬使其不易受到信號干擾，高速數據傳輸的能力也使其能夠進行多重目標和複雜環境的追蹤。 |
||
|
||
圖2、本實驗室自製之UWB穿戴式發射器 |
||
|---|---|---|
|
本實驗室提出了一種即時人員室內軌跡追蹤系統，為使用者提供場域內人員的路徑資訊。本系統包含一個穿戴式UWB發射器 (圖二) 和四個UWB接收基站，透過卡爾曼濾波器 (Kalman Filter) 濾除雜訊並配合所提出的軌跡追蹤演算法 (圖三)，根據實驗結果證明 (表一)，本實驗室所提出的演算法將均方根 (Root Mean Square, RMS) 誤差降至15.69 cm，與其餘的軌跡追蹤演算法相比，皆能有更精確的定位表現 (圖四)。 |
||
|
||
圖3、四種人員軌跡追蹤演算法，包含原始位置資訊、移動平均濾波器 (Moving Average Filter)、卡爾曼濾波器 (Kalman Filter) 和所提出之演算法 |
||
|
||
表1、室內定位結果之RMS誤差 圖4、室內軌跡追蹤實驗成果 |
||
| 實驗室相關研究： | ||
[1] Yuan-Hao Ho, Wen-Yen Shieh, Pi-Shan Sung, and Chih-Lung Lin, “A Real-Time Customer Tracking System Based on Ultra-Wideband Sensors,”2021 IEEE 10th Global Conference on Consumer Electronics (GCCE), Kyoto, Japan, 2021. (Excellent Paper Awards Outstanding Prize) |
||
|
[2] Yuan-Hao Ho, Guan-Hao Hou, Meng-Hsuan Wu, Fu-Hsing Chen, Pi-Shan Sung, Chieh-Hsu Chen, and Chih-Lung Lin, “High-Precision UWB Indoor Positioning System for Customer Pathway Tracking,” 2019 IEEE 8th Global Conference on Consumer Electronics (GCCE), Osaka, Japan, 2019. |
||