Dissertação

{pt_PT=Museu interativo} {} EVALUATED

{pt=Este trabalho tem como objetivo criar um sistema de navegação e localização interior para o Museu da Computação do Taguspark, que servirá de suporte a um futuro sistema que permita a interação entre os visitantes e o ambiente, de modo a criar um experiência imersiva. Para tal, foram estudadas várias técnicas e tecnologias relacionadas, bem como exemplos de museu interativos, que permitiram determinar quais as soluções a usar. Através da caracterização do movimento e da possível trajetória dos utilizadores, definiu-se a arquitetura do sistema, que utiliza odometria para estimar a posição dos visitantes, e Fingerprinting para corrigir erros no cálculo da trajetória. Com base nesta arquitetura, foi desenvolvido uma aplicação protótipo, que implementa os vários elementos idealizados, que a partir dos dados da sensorização múltipla, calculam o percurso do utilizador e por consequente as suas coordenadas. Para o Fingerprinting, foi utilizado machine learning para criar modelos que possam fazer previsões com as medidas recolhidas pela aplicação. A precisão destas duas técnicas foi avaliada no espaço do museu, revelando resultados interessantes. , en=The objective of this work is to create an interior navigation and localization system for the Museum of Computation in Taguspark, which will support a future system that allows interaction between the visitors and the environment, so as to create an immersive experience. For such, several related techniques and technologies were studied, as well as examples of interactive museums, which allowed to determined which solutions to use. Through the characterization of the movement and the possible user trajectories, the system architecture was defined, using odometry to estimates the visitor's positions, and Fingerprinting to correct errors in the trajectory calculation. Based on this architecture, a prototype application, that implements the many idealized elements, which from the multiple sensing data, calculate the user's route e by consequence his coordinates. For Fingerprinting, machine learning was used to build models that can make predictions based on the measures collect by the app. The precision of these two techniques was evaluated in the museum space, revealing interesting results.}
{pt=Museu, Localização, Sensores, Bluetooth, Sistema, Smartphones, en=Museum, Localization, Sensors, Bluetooth, System, Smartphones}

Dezembro 2, 2019, 14:0

Orientação

ORIENTADOR

Teresa Maria Sá Ferreira Vazão Vasques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado