/http%3A%2F%2Fblogthinkbig.com%2Fwp-content%2Fuploads%2FGPS_620.jpg)
Aumentar la precisión del GPS en entornos urbanos | Think Big
Los actuales sistemas de posicionamiento global, comúnmente conocidos como GPS, proporcionan estimaciones precisas de posición, velocidad y tiempo de un objeto o persona en cualquier punto del planeta, gracias a la red de 24 satélites puestos en órbita por el Departamento de Defensa de los Estados Unidos, cubriendo toda la superficie de la Tierra mediante trayectorias sincronizadas. El sistema de navegación global por satélite (GNSS) tienen una precisión con un margen de error de apenas unos centímetros si se utiliza un GPS diferencial, aunque lo habitual es que la precisión de un GPS convencional sea de unos metros.
Es importante reseñar que dentro de entornos urbanos complejos, con edificios altos y calles muy estrechas, la precisión puede verse algo mermada por la existencia de puntos ciegos donde no es posible recibir la señal, ya que no se dispone de suficientes satélites a la vista para calcular la posición. Por ejemplo, el margen de error de un GPS comercial, como el utilizado comúnmente en los vehículos, es de unos 15 metros en campo libre, donde el receptor dispone de una amplia visibilidad de los satélites. En cambio, en un entorno urbano el rebote de las señales en los obstáculos urbanos, como edificios altos o masas de árboles, puede provocar desvíos de más de 50 metros en los datos de posicionamiento.
Para mejorar el posicionamiento de los sistemas convencionales de GPS en entornos urbanos, un grupo de investigadores de la Universidad Carlos III de Madrid han desarrollado un sistema basado en la fusión de sensores. Es decir, a la señal de un GPS se le incorporan sensores como acelerómetros y giróscopos para reducir el margen de error en la ubicación y obtener posicionamientos más precisos en entornos urbanos complejos.
El grupo de Inteligencia Artificial Aplicada (GIAA) y el Laboratorio de Sistemas Inteligentes (LSI), responsable del diseño y desarrollo del sistema, asegura que con el nuevo GPS se consigue mejorar el posicionamiento de un vehículo entre un 50 y un 90 por ciento, dependiendo del grado de retardo de las señales y el tiempo que afecta la degradación al receptor GPS. David Martín, investigador del LSI, afirma que con este prototipo “han conseguido asegurar un posicionamiento del vehículo entre 1 y 2 metros en entornos urbanos”.
¿En qué consiste la fusión de sensores?
Básicamente se compone de un GPS convencional y una Unidad de Medición Inercial (IMU) de bajo coste. Este último dispositivo se compone a su vez de un grupo de sensores integrados por tres acelerómetros y tres giróscopos para medir los cambios en la velocidad y las maniobras realizadas por el vehículo. Todos los datos quedan recogidos en un ordenador encargado de procesar la información y fusionar los datos para corregir los desfases en las coordenadas geográficas.
El software utilizado —denominado Unscented Kalman Filter— se encarga de corregir las desviaciones instantáneas ocasionadas por la degradación de las señales recibidas en el receptor GPS o por la pérdida total de la señal debido a la existencia de puntos ciegos donde no se dispone de suficientes satélites a la vista. Además, el prototipo ya está instalado y en pleno funcionamiento a bordo de un vehículo inteligente basado en información visual (IVVI), que está siendo utilizado por profesores y alumnos de la universidad para poner en práctica las distintas líneas de investigación que tienen en marcha.
El siguiente reto que se han propuesto los investigadores es analizar la posibilidad de desarrollar un sistema que aproveche los múltiples sensores integrados en los smartphones, como el acelerómetro, el giróscopo, el magnetómetro, GPS, o cámaras, además de los distintos dispositivos de conexión como WiFi, Bluetooth o GSM.
Imagen | UC3M’s
Quizás también te intereseMás dispositivos móviles que habitantes en la Tierra a finales de 2013 (1)OpenStreetMap: open data y crowdsourcing como alternativa a Google Maps (0)Vehículos autónomos, el futuro de la conducción (2)