2024
Journal article
Open Access
Offsite evaluation of localization systems: criteria, systems and results from IPIN 2021-22 competitions
Potortì F., Crivello A.
Indoor positioning is a thriving research area which is slowly gaining market momentum. Its applications are mostly customised, ad hoc installations; ubiquitous applications analogous to GNSS for outdoors are not available because of the lack of generic platforms, widely accepted standards and interoperability protocols. In this context, the Indoor Positioning and Indoor Navigation (IPIN) competition is the only long-term, technically sound initiative to monitor the state of the art of real systems by measuring their performance in a realistic environment. Most competing systems are pedestrian-oriented and based on the use of smartphones, but several competing Tracks were set up, enabling comparison of an array of technologies. The two IPIN competitions described here include only off-site Tracks. In contrast with on-site Tracks where competitors bring their systems on site -- which were impossible to organise during 2021 and 2022 -- in off-site Tracks competitors download pre-recorded data from multiple sensors and process them using the EvaalAPI, a real-time, web-based emulation interface. As usual with IPIN competitions, Tracks were compliant with the EvAAL framework, ensuring consistency of the measurement procedure and reliability of results. The main contribution of this work is to show a compilation of possible indoor positioning scenarios and different indoor positioning solutions to the same problem.Source: IEEE journal of indoor and seamless positioning and navigation (2024): 1–39. doi:10.1109/JISPIN.2024.3355840
DOI: 10.1109/jispin.2024.3355840
Metrics:
Potortì F., Crivello A.
Indoor positioning is a thriving research area which is slowly gaining market momentum. Its applications are mostly customised, ad hoc installations; ubiquitous applications analogous to GNSS for outdoors are not available because of the lack of generic platforms, widely accepted standards and interoperability protocols. In this context, the Indoor Positioning and Indoor Navigation (IPIN) competition is the only long-term, technically sound initiative to monitor the state of the art of real systems by measuring their performance in a realistic environment. Most competing systems are pedestrian-oriented and based on the use of smartphones, but several competing Tracks were set up, enabling comparison of an array of technologies. The two IPIN competitions described here include only off-site Tracks. In contrast with on-site Tracks where competitors bring their systems on site -- which were impossible to organise during 2021 and 2022 -- in off-site Tracks competitors download pre-recorded data from multiple sensors and process them using the EvaalAPI, a real-time, web-based emulation interface. As usual with IPIN competitions, Tracks were compliant with the EvAAL framework, ensuring consistency of the measurement procedure and reliability of results. The main contribution of this work is to show a compilation of possible indoor positioning scenarios and different indoor positioning solutions to the same problem.Source: IEEE journal of indoor and seamless positioning and navigation (2024): 1–39. doi:10.1109/JISPIN.2024.3355840
DOI: 10.1109/jispin.2024.3355840
Metrics:
See at:
ieeexplore.ieee.org 
| CNR ExploRA
2023
Journal article
Open Access
Enerduino-pro: smart meter led probe using Arduino
Potortì F., La Rosa D., Palumbo F.
Non-intrusive load monitoring of domestic appliances has received steady interest in the last twenty years, first because of interest from energy companies interested in usage statistics for power balancing and, more recently, in order to assist users in tuning their habits for reduced power consumption. This has increased the need for accurate and economic methods of power measurement that can be efficiently implemented on cheap and easy-to-install platforms. To this end, we present a cheap and efficient device based on Arduino to monitor the usage of domestic appliances in real-time: Enerduino-pro. The design uses low-cost easy-to-assemble open-source electronic components and consists of four main parts: an Arduino UNO microcontroller, one photoresistor to measure instantaneous power absorption plus one optional additional one to measure reactive power, a WiFi shield, and an LED (for debugging purposes only). We describe the device, complete with open software and hardware specifications, and different use cases with proof-of-concept solutions.Source: HardwareX 15 (2023). doi:10.1016/j.ohx.2023.e00461
DOI: 10.1016/j.ohx.2023.e00461
Metrics:
Potortì F., La Rosa D., Palumbo F.
Non-intrusive load monitoring of domestic appliances has received steady interest in the last twenty years, first because of interest from energy companies interested in usage statistics for power balancing and, more recently, in order to assist users in tuning their habits for reduced power consumption. This has increased the need for accurate and economic methods of power measurement that can be efficiently implemented on cheap and easy-to-install platforms. To this end, we present a cheap and efficient device based on Arduino to monitor the usage of domestic appliances in real-time: Enerduino-pro. The design uses low-cost easy-to-assemble open-source electronic components and consists of four main parts: an Arduino UNO microcontroller, one photoresistor to measure instantaneous power absorption plus one optional additional one to measure reactive power, a WiFi shield, and an LED (for debugging purposes only). We describe the device, complete with open software and hardware specifications, and different use cases with proof-of-concept solutions.Source: HardwareX 15 (2023). doi:10.1016/j.ohx.2023.e00461
DOI: 10.1016/j.ohx.2023.e00461
Metrics:
See at:
ISTI Repository | www.sciencedirect.com | CNR ExploRA
2022
Conference article
Open Access
Trends in smartphone-based indoor localisation
Potortì F., Crivello A., Palumbo F., Girolami M., Barsocchi P.
Indoor localisation is a thriving field, whose progresses are mainly led by innovations in sensor technology, both hardware and software. With a focus on smartphone-based personal navigation, we examine the evolution of sensing technologies in eleven leading applications. In order to select applications we choose among independently-tested prototypes, as opposed to simulation or laboratory-only experiments. To this end, we look at the best performers in the smartphone-based Tracks of IPIN competitions. This selection is particularly severe and significant, as this competition Track is performed live, without an opportunity for competitors to instrument or prepare the site or to know the path in advance and with only two attempts allowed, of which the best result is taken. An independent actor holds in hand the smartphone running the competing system, and results are downloaded from the phone immediately after the competition path is completed, without any post-processing. We show how sensing technologies have evolved from 2014 to 2019 and show a trend towards improving accuracy performance. Last, we provide insight in the role that sensors and algorithms play in the evolution of smartphone-based indoor localisation solutions.Source: IPIN 2021 - International conference on Indoor Positioning and Indoor Navigation, Lloret de Mar, 29/11/2021-02/12/2021
DOI: 10.1109/ipin51156.2021.9662530
Metrics:
Potortì F., Crivello A., Palumbo F., Girolami M., Barsocchi P.
Indoor localisation is a thriving field, whose progresses are mainly led by innovations in sensor technology, both hardware and software. With a focus on smartphone-based personal navigation, we examine the evolution of sensing technologies in eleven leading applications. In order to select applications we choose among independently-tested prototypes, as opposed to simulation or laboratory-only experiments. To this end, we look at the best performers in the smartphone-based Tracks of IPIN competitions. This selection is particularly severe and significant, as this competition Track is performed live, without an opportunity for competitors to instrument or prepare the site or to know the path in advance and with only two attempts allowed, of which the best result is taken. An independent actor holds in hand the smartphone running the competing system, and results are downloaded from the phone immediately after the competition path is completed, without any post-processing. We show how sensing technologies have evolved from 2014 to 2019 and show a trend towards improving accuracy performance. Last, we provide insight in the role that sensors and algorithms play in the evolution of smartphone-based indoor localisation solutions.Source: IPIN 2021 - International conference on Indoor Positioning and Indoor Navigation, Lloret de Mar, 29/11/2021-02/12/2021
DOI: 10.1109/ipin51156.2021.9662530
Metrics:
See at:
ISTI Repository | ieeexplore.ieee.org 
| CNR ExploRA
2022
Contribution to journal
Open Access
Guest editorial - Special issue on advanced sensors and sensing technologies for indoor positioning and navigation
Renaudin V., Potortì F., Torres-Sospedra J., Knauth S., Òkeefe K., Gook Park C., Sugimoto M., Wei D., Nurmi J.
Source: IEEE sensors journal 22 (2022): 4754–4754. doi:10.1109/JSEN.2022.3150130
DOI: 10.1109/jsen.2022.3150130
Metrics:
Renaudin V., Potortì F., Torres-Sospedra J., Knauth S., Òkeefe K., Gook Park C., Sugimoto M., Wei D., Nurmi J.
Source: IEEE sensors journal 22 (2022): 4754–4754. doi:10.1109/JSEN.2022.3150130
DOI: 10.1109/jsen.2022.3150130
Metrics:
See at:
ieeexplore.ieee.org | ISTI Repository | CNR ExploRA
2022
Report
Unknown
ChAALenge - D6.1: Analisi delle peculiarità di salute della popolazione anziana e definizione requisiti tecnici
Miori V., Belli D., Bacco M F., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Palumbo F., Pillitteri L., Potortì F., Russo D.
In questo documento viene posta particolare attenzione alla malattia dello scompenso cardiaco che è una delle maggiori cause di mortalità e disabilità nella popolazione anziana oltre ad essere la prima causa di ricovero. Sono analizzate le soluzioni di monitoraggio domestico attualmente disponibili e i requisiti tecnici da soddisfare per poter raccogliere e analizzare i dati fisiologici nell'ambiente di vita e riconoscere situazioni di insorgenza o peggioramento di patologie nell'anziano.Source: ISTI Project Report, ChAALenge, D6.1, 2022
Miori V., Belli D., Bacco M F., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Palumbo F., Pillitteri L., Potortì F., Russo D.
In questo documento viene posta particolare attenzione alla malattia dello scompenso cardiaco che è una delle maggiori cause di mortalità e disabilità nella popolazione anziana oltre ad essere la prima causa di ricovero. Sono analizzate le soluzioni di monitoraggio domestico attualmente disponibili e i requisiti tecnici da soddisfare per poter raccogliere e analizzare i dati fisiologici nell'ambiente di vita e riconoscere situazioni di insorgenza o peggioramento di patologie nell'anziano.Source: ISTI Project Report, ChAALenge, D6.1, 2022
See at: CNR ExploRA
2022
Report
Unknown
ChAALenge D5.2 - Documento di definizione degli algoritmi di Machine Learning e Deep Learning
Miori V., Belli D., Bacco F. M., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Palumbo F., Pillitteri L., Potortì F., Russo D.
Il deliverable ha come obiettivo la definizione di un percorso intraprendibile per lo sviluppo di un modello predittivo, efficace ed efficiente, basato sul paradigma machine learning, sviluppato in funzione del dominio applicativo in esame e dei dati a disposizione. Una parte verrà dedicata all'introduzione degli aspetti principali legati alle strategie di individuazione di anomalie in serie temporali multi-variate tramite il suddetto modello predittivo.Source: ISTI Project Report, ChAALenge, D5.2, 2022
Miori V., Belli D., Bacco F. M., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Palumbo F., Pillitteri L., Potortì F., Russo D.
Il deliverable ha come obiettivo la definizione di un percorso intraprendibile per lo sviluppo di un modello predittivo, efficace ed efficiente, basato sul paradigma machine learning, sviluppato in funzione del dominio applicativo in esame e dei dati a disposizione. Una parte verrà dedicata all'introduzione degli aspetti principali legati alle strategie di individuazione di anomalie in serie temporali multi-variate tramite il suddetto modello predittivo.Source: ISTI Project Report, ChAALenge, D5.2, 2022
See at: CNR ExploRA
2022
Report
Unknown
ChAALenge - D6.2: Progettazione architettura e definizione delle modalità di integrazione delle macrofunzionalità nel framework (intermedio)
Bacco F. M., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Miori V., Palumbo F., Pillitteri L., Potortì F., Russo D., Belli D.
Questo documento riporta l'analisi relativa alla progettazione del framework di integrazione delle funzionalità, come previsto dal progetto ChAALenge. In particolare, vengono in questa sede analizzate le tecnologie per lo sviluppo del middleware di comunicazione e le modalità di interfacciamento con le soluzioni sensoristiche individuate.Source: ISTI Project Report, ChAALenge, D6.2, 2022
Bacco F. M., Baronti P., Barsocchi P., Crivello A., Furfari F., Girolami M., La Rosa D., Mavilia F., Miori V., Palumbo F., Pillitteri L., Potortì F., Russo D., Belli D.
Questo documento riporta l'analisi relativa alla progettazione del framework di integrazione delle funzionalità, come previsto dal progetto ChAALenge. In particolare, vengono in questa sede analizzate le tecnologie per lo sviluppo del middleware di comunicazione e le modalità di interfacciamento con le soluzioni sensoristiche individuate.Source: ISTI Project Report, ChAALenge, D6.2, 2022
See at: CNR ExploRA
2021
Journal article
Open Access
Off-line evaluation of indoor positioning systems in different scenarios: the experiences from IPIN 2020 competition
Potortì F., Torres-Sospedra J., Quezada-Gaibor D., Jiménez A. R., Seco F., Pérez-Navarro A., Ortiz M., Zhu N., Renaudin V., Ichikari R., Shimomura R., Ohta N., Nagae S., Kurata T., Wei D., Ji X., Zhang W., Kram S., Stahlke M., Mutschler C., Crivello A., Barsocchi P., Girolami M., Palumbo F., Chen R., Wu Y., Li W., Yu Y., Xu S., Huang L., Liu T., Kuang J., Niu X., Yoshida T., Nagata Y., Fukushima Y., Fukatani N., Hayashida N., Asai Y., Urano K., Ge W., Lee N. T., Fang S. H., Jie Y. C., Young S. R., Chien Y. R., Yua C. C., Ma C., Wub B., Zhangc W., Wang Y., Fan Y., Poslad S., Selviah D. R., Wangd W., Yuan H., Yonamoto Y., Yamaguchi M., Kaichi T., Zhou B., Liue X., Gu Z., Yang C., Wu Z., Xie D., Huang C., Zheng L., Peng A., Jin G., Wangh Q., Luo H., Xiong H., Bao L., Zhangi P., Zhao F., Yuj C. A., Hung C. H., Antsfeld L., Chidlovskii B., Jiang H., Xia M., Yan D., Li Y., Dong Y., Silva I., Pendão C., Meneses F., Nicolau M. J., Costa A., Moreira A., De Cock C., Plets D., Opiela M., Dzama J., Zhang L., Li H., Chen B., Liu Y., Yean S., Lim B. Z., Teo W. J., Leep B. S., Oh H. L.
Every year, for ten years now, the IPIN competition has aimed at evaluating real-world indoor localisation systems by testing them in a realistic environment, with realistic movement, using the EvAAL framework. The competition provided a unique overview of the state-of-the-art of systems, technologies, and methods for indoor positioning and navigation purposes. Through fair comparison of the performance achieved by each system, the competition was able to identify the most promising approaches and to pinpoint the most critical working conditions. In 2020, the competition included 5 diverse off-site off-site Tracks, each resembling real use cases and challenges for indoor positioning. The results in terms of participation and accuracy of the proposed systems have been encouraging. The best performing competitors obtained a third quartile of error of 1m for the Smartphone Track and 0.5m for the Foot-mounted IMU Track. While not running on physical systems, but only as algorithms, these results represent impressive achievements.Source: IEEE sensors journal (Online) 22 (2021): 5011–5054. doi:10.1109/JSEN.2021.3083149
DOI: 10.1109/jsen.2021.3083149
Metrics:
Potortì F., Torres-Sospedra J., Quezada-Gaibor D., Jiménez A. R., Seco F., Pérez-Navarro A., Ortiz M., Zhu N., Renaudin V., Ichikari R., Shimomura R., Ohta N., Nagae S., Kurata T., Wei D., Ji X., Zhang W., Kram S., Stahlke M., Mutschler C., Crivello A., Barsocchi P., Girolami M., Palumbo F., Chen R., Wu Y., Li W., Yu Y., Xu S., Huang L., Liu T., Kuang J., Niu X., Yoshida T., Nagata Y., Fukushima Y., Fukatani N., Hayashida N., Asai Y., Urano K., Ge W., Lee N. T., Fang S. H., Jie Y. C., Young S. R., Chien Y. R., Yua C. C., Ma C., Wub B., Zhangc W., Wang Y., Fan Y., Poslad S., Selviah D. R., Wangd W., Yuan H., Yonamoto Y., Yamaguchi M., Kaichi T., Zhou B., Liue X., Gu Z., Yang C., Wu Z., Xie D., Huang C., Zheng L., Peng A., Jin G., Wangh Q., Luo H., Xiong H., Bao L., Zhangi P., Zhao F., Yuj C. A., Hung C. H., Antsfeld L., Chidlovskii B., Jiang H., Xia M., Yan D., Li Y., Dong Y., Silva I., Pendão C., Meneses F., Nicolau M. J., Costa A., Moreira A., De Cock C., Plets D., Opiela M., Dzama J., Zhang L., Li H., Chen B., Liu Y., Yean S., Lim B. Z., Teo W. J., Leep B. S., Oh H. L.
Every year, for ten years now, the IPIN competition has aimed at evaluating real-world indoor localisation systems by testing them in a realistic environment, with realistic movement, using the EvAAL framework. The competition provided a unique overview of the state-of-the-art of systems, technologies, and methods for indoor positioning and navigation purposes. Through fair comparison of the performance achieved by each system, the competition was able to identify the most promising approaches and to pinpoint the most critical working conditions. In 2020, the competition included 5 diverse off-site off-site Tracks, each resembling real use cases and challenges for indoor positioning. The results in terms of participation and accuracy of the proposed systems have been encouraging. The best performing competitors obtained a third quartile of error of 1m for the Smartphone Track and 0.5m for the Foot-mounted IMU Track. While not running on physical systems, but only as algorithms, these results represent impressive achievements.Source: IEEE sensors journal (Online) 22 (2021): 5011–5054. doi:10.1109/JSEN.2021.3083149
DOI: 10.1109/jsen.2021.3083149
Metrics:
See at:
ieeexplore.ieee.org | ISTI Repository | ISTI Repository | CNR ExploRA
2020
Journal article
Open Access
Beyond Euclidean distance for error measurement in pedestrian indoor location
Mendoza-Silva G. M., Torres-Sospedra J., Potortì F., Moreira A., Knauth S., Berkvens R., Huerta J.
Indoor Positioning Systems suffer from a lack of standard evaluation procedures enabling credible comparisons: this is one of the main challenges hindering their widespread market adoption. Traditionally, accuracy evaluation is based on positioning errors defined as the Euclidean distance between the true positions and the estimated positions. While Euclidean is simple, it ignores obstacles and floor transitions. In this paper, we describe procedures that measure a positioning error defined as the length of the pedestrian path that connects the estimated position to the true position. The procedures apply pathfinding on floor maps using Visibility Graphs or Navigational Meshes for vector maps, and Fast Marching for raster maps. Multi-floor and multi-building paths use information on vertical in-building communication ways and outdoor paths. The proposed measurement procedures are applied to position estimates provided by the Indoor Positioning Systems that participated in the EvAAL-ETRI 2015 competition. Procedures are compared in terms of pedestrian path realism, indoor model complexity, path computation time and error magnitudes. The Visibility Graphs algorithm computes shortest distance paths; Navigational Meshes produces very similar paths with significantly shorter computation time; Fast Marching computes longer, more natural-looking paths at the expense of longer computation time and memory size. The 75th percentile of the measured error differs among the methods from 2.2 m to 3.7 m across the evaluation sets.Source: IEEE transactions on instrumentation and measurement 70 (2020): 1–11. doi:10.1109/TIM.2020.3021514
DOI: 10.1109/tim.2020.3021514
Metrics:
Mendoza-Silva G. M., Torres-Sospedra J., Potortì F., Moreira A., Knauth S., Berkvens R., Huerta J.
Indoor Positioning Systems suffer from a lack of standard evaluation procedures enabling credible comparisons: this is one of the main challenges hindering their widespread market adoption. Traditionally, accuracy evaluation is based on positioning errors defined as the Euclidean distance between the true positions and the estimated positions. While Euclidean is simple, it ignores obstacles and floor transitions. In this paper, we describe procedures that measure a positioning error defined as the length of the pedestrian path that connects the estimated position to the true position. The procedures apply pathfinding on floor maps using Visibility Graphs or Navigational Meshes for vector maps, and Fast Marching for raster maps. Multi-floor and multi-building paths use information on vertical in-building communication ways and outdoor paths. The proposed measurement procedures are applied to position estimates provided by the Indoor Positioning Systems that participated in the EvAAL-ETRI 2015 competition. Procedures are compared in terms of pedestrian path realism, indoor model complexity, path computation time and error magnitudes. The Visibility Graphs algorithm computes shortest distance paths; Navigational Meshes produces very similar paths with significantly shorter computation time; Fast Marching computes longer, more natural-looking paths at the expense of longer computation time and memory size. The 75th percentile of the measured error differs among the methods from 2.2 m to 3.7 m across the evaluation sets.Source: IEEE transactions on instrumentation and measurement 70 (2020): 1–11. doi:10.1109/TIM.2020.3021514
DOI: 10.1109/tim.2020.3021514
Metrics:
See at:
Recolector de Ciencia Abierta, RECOLECTA | Universidade do Minho: RepositoriUM | ISTI Repository | IEEE Transactions on Instrumentation and Measurement | IEEE Transactions on Instrumentation and Measurement | IEEE Transactions on Instrumentation and Measurement | ieeexplore.ieee.org | CNR ExploRA
2020
Contribution to journal
Open Access
Editorial of Sensors and Sensing Technologies for Indoor Positioning and Indoor Navigation
Potortì F., Palumbo F., Crivello A.
Source: Sensors (Basel) 20 (2020). doi:10.3390/s20205924
DOI: 10.3390/s20205924
Metrics:
Potortì F., Palumbo F., Crivello A.
Source: Sensors (Basel) 20 (2020). doi:10.3390/s20205924
DOI: 10.3390/s20205924
Metrics:
See at:
Sensors | Sensors | ISTI Repository | Sensors | Sensors | CNR ExploRA
2020
Contribution to journal
Unknown
Sensors and sensing technologies for indoor positioning and indoor navigation
Potortì F., Palumbo F., Crivello A.
The last ten years have seen enormous technical progress in the field of indoor positioning and indoor navigation; yet, in contrast with outdoor well-established GNSS solutions, no technology exists that is cheap and accurate enough for the general market. The potential applications of indoor localization are all-encompassing, from home to wide public areas, from IoT and personal devices to surveillance and crowd behavior applications, and from casual use to mission-critical systems. This Special Issue encourages authors, from academia and industry, to submit new research results about innovations for indoor positioning and navigation. The Special Issue topics include but are not limited to: Location-based services and applications; Benchmarking, assessment, evaluation, standards; User requirements; UI, indoor maps, and 3D building models; Human motion monitoring and modeling; Robotics and UAV; Indoor navigation and tracking methods; Self-contained sensors; Wearable and multisensor systems; Privacy and security for ILS.Source: Basel: MDPI AG, 2020
Potortì F., Palumbo F., Crivello A.
The last ten years have seen enormous technical progress in the field of indoor positioning and indoor navigation; yet, in contrast with outdoor well-established GNSS solutions, no technology exists that is cheap and accurate enough for the general market. The potential applications of indoor localization are all-encompassing, from home to wide public areas, from IoT and personal devices to surveillance and crowd behavior applications, and from casual use to mission-critical systems. This Special Issue encourages authors, from academia and industry, to submit new research results about innovations for indoor positioning and navigation. The Special Issue topics include but are not limited to: Location-based services and applications; Benchmarking, assessment, evaluation, standards; User requirements; UI, indoor maps, and 3D building models; Human motion monitoring and modeling; Robotics and UAV; Indoor navigation and tracking methods; Self-contained sensors; Wearable and multisensor systems; Privacy and security for ILS.Source: Basel: MDPI AG, 2020
See at: CNR ExploRA | www.mdpi.com
2020
Report
Unknown
KI-FOOT - Report sui dispositivi sensoristici e analisi dei risultati dei test
Tognetti A., Carbonaro N., Palumbo F., La Rosa D., Barsocchi P., Furfari F., Potortì F., Cassarà P.
Lo scopo di questo documento è riportare la descrizione delle attività progettuali svolte al fine di identificare e validare le soluzioni sensoristiche da integrare nella calzatura. In particolare, tenendo in considerazione le specifiche fornite nel precedente documento D1.1, sono stati considerati due tipologie di sensori: 1) sensori piezoresistivi per la rilevazione della forza di contatto piede-suolo; 2) sensori inerziali per l'analisi dinamica dei movimenti effettuati dal piede durante la camminata. Di queste due categorie di sensori vengono mostrate le principali caratteristiche, il loro principio di funzionamento e i risultati dei test effettuati.Source: KI-FOOT, Deliverable D2.2, 2020
Tognetti A., Carbonaro N., Palumbo F., La Rosa D., Barsocchi P., Furfari F., Potortì F., Cassarà P.
Lo scopo di questo documento è riportare la descrizione delle attività progettuali svolte al fine di identificare e validare le soluzioni sensoristiche da integrare nella calzatura. In particolare, tenendo in considerazione le specifiche fornite nel precedente documento D1.1, sono stati considerati due tipologie di sensori: 1) sensori piezoresistivi per la rilevazione della forza di contatto piede-suolo; 2) sensori inerziali per l'analisi dinamica dei movimenti effettuati dal piede durante la camminata. Di queste due categorie di sensori vengono mostrate le principali caratteristiche, il loro principio di funzionamento e i risultati dei test effettuati.Source: KI-FOOT, Deliverable D2.2, 2020
See at: CNR ExploRA
2020
Journal article
Open Access
The IPIN 2019 indoor localisation competition - Description and results
Potortì F., Park S., Crivello A., Palumbo F., Girolami M., Barsocchi P., Lee S., Torres-Sospedra J., Jimenez A. R., Pérez-Navarro A., Mendoza-Silva G. M., Seco F., Ortiz M., Perul J., Renaudin V., Kang H., Hong Lee J., Park C. G., Ha J., Han J., Park C., Kim K., Lee Y., Gye S., Lee K., Kim E., Choi J., Choi Y. S., Talwar S., Cho S. Y., Ben-Moshe B., Scherbakov A., Antsfeld L., Sansano-Sansano E., Chidlovskii B., Kronenwett N., Prophet S., Landau Y., Marbel R., Zheng L., Peng A., Lin Z., Wu B., Ma C., Poslad S., Selviah D. R., Wu W., Ma Z., Zhang W., Wei D., Yuan H., Jiang J. B., Huang S. Y., Liu J. W., Su K. W., Leu J. S., Nishiguchi K., Bousselham W., Uchiyama H., Thomas D., Shimada A., Taniguchi R. I., Cortés V., Lungenstrass T., Ashraf I., Lee C., Usman Ali M., Im Y., Kim G., Eom J., Hur S., Park Y., Opiela M., Moreira A., João Nicolau M., Pendão C., Silva I., Meneses F., Costa A., Trogh J., Plets D., Chien Y. R., Chang T. Y., Fang S. H, Tsao Y.
IPIN 2019 Competition, sixth in a series of IPIN competitions, was held at the CNR Research Area of Pisa (IT), integrated into the program of the IPIN 2019 Conference. It included two on-site real-time Tracks and three off-site Tracks. The four Tracks presented in this paper were set in the same environment, made of two buildings close together for a total usable area of 1000 m² outdoors and and 6000 m² indoors over three floors, with a total path length exceeding 500 m. IPIN competitions, based on the EvAAL framework, have aimed at comparing the accuracy performance of personal positioning systems in fair and realistic conditions: past editions of the competition were carried in big conference settings, university campuses and a shopping mall. Positioning accuracy is computed while the person carrying the system under test walks at normal walking speed, uses lifts and goes up and down stairs or briefly stops at given points. Results presented here are a showcase of state-of-the-art systems tested side by side in real-world settings as part of the on-site real-time competition Tracks. Results for off-site Tracks allow a detailed and reproducible comparison of the most recent positioning and tracking algorithms in the same environment as the on-site Tracks.Source: IEEE access 8 (2020): 206674–206718. doi:10.1109/ACCESS.2020.3037221
DOI: 10.1109/access.2020.3037221
DOI: 10.5445/ir/1000130123
Metrics:
Potortì F., Park S., Crivello A., Palumbo F., Girolami M., Barsocchi P., Lee S., Torres-Sospedra J., Jimenez A. R., Pérez-Navarro A., Mendoza-Silva G. M., Seco F., Ortiz M., Perul J., Renaudin V., Kang H., Hong Lee J., Park C. G., Ha J., Han J., Park C., Kim K., Lee Y., Gye S., Lee K., Kim E., Choi J., Choi Y. S., Talwar S., Cho S. Y., Ben-Moshe B., Scherbakov A., Antsfeld L., Sansano-Sansano E., Chidlovskii B., Kronenwett N., Prophet S., Landau Y., Marbel R., Zheng L., Peng A., Lin Z., Wu B., Ma C., Poslad S., Selviah D. R., Wu W., Ma Z., Zhang W., Wei D., Yuan H., Jiang J. B., Huang S. Y., Liu J. W., Su K. W., Leu J. S., Nishiguchi K., Bousselham W., Uchiyama H., Thomas D., Shimada A., Taniguchi R. I., Cortés V., Lungenstrass T., Ashraf I., Lee C., Usman Ali M., Im Y., Kim G., Eom J., Hur S., Park Y., Opiela M., Moreira A., João Nicolau M., Pendão C., Silva I., Meneses F., Costa A., Trogh J., Plets D., Chien Y. R., Chang T. Y., Fang S. H, Tsao Y.
IPIN 2019 Competition, sixth in a series of IPIN competitions, was held at the CNR Research Area of Pisa (IT), integrated into the program of the IPIN 2019 Conference. It included two on-site real-time Tracks and three off-site Tracks. The four Tracks presented in this paper were set in the same environment, made of two buildings close together for a total usable area of 1000 m² outdoors and and 6000 m² indoors over three floors, with a total path length exceeding 500 m. IPIN competitions, based on the EvAAL framework, have aimed at comparing the accuracy performance of personal positioning systems in fair and realistic conditions: past editions of the competition were carried in big conference settings, university campuses and a shopping mall. Positioning accuracy is computed while the person carrying the system under test walks at normal walking speed, uses lifts and goes up and down stairs or briefly stops at given points. Results presented here are a showcase of state-of-the-art systems tested side by side in real-world settings as part of the on-site real-time competition Tracks. Results for off-site Tracks allow a detailed and reproducible comparison of the most recent positioning and tracking algorithms in the same environment as the on-site Tracks.Source: IEEE access 8 (2020): 206674–206718. doi:10.1109/ACCESS.2020.3037221
DOI: 10.1109/access.2020.3037221
DOI: 10.5445/ir/1000130123
Metrics:
See at:
Ghent University Academic Bibliography | IEEE Access | doi.org | Recolector de Ciencia Abierta, RECOLECTA | Universidade do Minho: RepositoriUM | ieeexplore.ieee.org | IEEE Access | ISTI Repository | KITopen | Hyper Article en Ligne | CNR ExploRA
2019
Report
Unknown
INTESA - Test ed integrazione del sistema per il monitoraggio della qualità e durata del sonno
Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
In questo documento sono riportate le attività svolte nell'ambito dell'OO4 durante il secondo anno del progetto INTESA, mirate alla finalizzazione del sistema integrato di monitoraggio della qualità e durata del sonno. Durante questo periodo, partendo dall'architettura del sistema definita nel precedente documento D4.1.1, si è conclusa l'attività di sviluppo e sono stati effettuati i test per la verifica delle funzionalità del sistema e l'integrazione con gli altri componenti della piattaforma INTESA.Source: Project report, INTESA, Deliverable D4.1.2, 2019
Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
In questo documento sono riportate le attività svolte nell'ambito dell'OO4 durante il secondo anno del progetto INTESA, mirate alla finalizzazione del sistema integrato di monitoraggio della qualità e durata del sonno. Durante questo periodo, partendo dall'architettura del sistema definita nel precedente documento D4.1.1, si è conclusa l'attività di sviluppo e sono stati effettuati i test per la verifica delle funzionalità del sistema e l'integrazione con gli altri componenti della piattaforma INTESA.Source: Project report, INTESA, Deliverable D4.1.2, 2019
See at: CNR ExploRA
2019
Report
Unknown
INTESA - Test ed integrazione del sistema per l'analisi stabilometrica
Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
In questo documento sono riportate le attività svolte nell'ambito dell'OO4 durante il secondo anno del progetto INTESA. In questo periodo, partendo dall'architettura del sistema definita nel precedente documento D4.4.1, si è conclusa l'attività di sviluppo e sono stati effettuati i test per la verifica delle funzionalità del sistema e l'integrazione con gli altri componenti della piattaforma INTESA. Il sistema è stato installato con successo presso la RSA ed è rimasto attivo durante tutto il periodo di sperimentazione permettendo agli operatori ed al personale medico di attuare gli esercizi proposti dal protocollo INTESA con i soggetti partecipanti e fornendo ai servizi di monitoraggio di lungo periodo le informazioni raffinate previste.Source: Project report, INTESA, Deliverable D4.4.2, 2019
Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
In questo documento sono riportate le attività svolte nell'ambito dell'OO4 durante il secondo anno del progetto INTESA. In questo periodo, partendo dall'architettura del sistema definita nel precedente documento D4.4.1, si è conclusa l'attività di sviluppo e sono stati effettuati i test per la verifica delle funzionalità del sistema e l'integrazione con gli altri componenti della piattaforma INTESA. Il sistema è stato installato con successo presso la RSA ed è rimasto attivo durante tutto il periodo di sperimentazione permettendo agli operatori ed al personale medico di attuare gli esercizi proposti dal protocollo INTESA con i soggetti partecipanti e fornendo ai servizi di monitoraggio di lungo periodo le informazioni raffinate previste.Source: Project report, INTESA, Deliverable D4.4.2, 2019
See at: CNR ExploRA
2019
Report
Unknown
KI-FOOT - Definizione dei requisiti e del design del prototipo
Palumbo F., Barsocchi P., Furfari F., Potortì F., Gotta A., Miori V., La Rosa D., Cassarà P., Tognetti A., Pellizzon M., Campigli L., Tesconi M., Zupone G., Petruzzi L.
Il documento contiene l'analisi dei requisiti del progetto e la definizione dei parametri biometrici/biomeccanici da rilevare, della piattaforma sensoristica necessaria, dell'interfaccia utente e il database per la memorizzazione delle informazioni.Source: Project report, KI-FOOT, Deliverable D1.1, 2019
Palumbo F., Barsocchi P., Furfari F., Potortì F., Gotta A., Miori V., La Rosa D., Cassarà P., Tognetti A., Pellizzon M., Campigli L., Tesconi M., Zupone G., Petruzzi L.
Il documento contiene l'analisi dei requisiti del progetto e la definizione dei parametri biometrici/biomeccanici da rilevare, della piattaforma sensoristica necessaria, dell'interfaccia utente e il database per la memorizzazione delle informazioni.Source: Project report, KI-FOOT, Deliverable D1.1, 2019
See at: CNR ExploRA
2019
Report
Unknown
KI-FOOT - Report sulla definizione delle tecnologie di analisi dati e signal processing
Palumbo F., Barsocchi P., Furfari F., Potortì F., Gotta A., Miori V., La Rosa D., Cassarà P.
Lo scopo di questo documento è la rassegna dello stato dell'arte delle tecniche per l'analisi del cammino, in particolare per l'estrazione degli indicatori individuati nel precedente documento D1.1. Inoltre, considerando i sensori selezionati per l'installazione nella scarpa, sono illustrate le metodologie per adattare gli algoritmi disponibili in letteratura al contesto di Ki-Foot.Source: Project report, KI-FOOT, Deliverable D2.1, 2019
Palumbo F., Barsocchi P., Furfari F., Potortì F., Gotta A., Miori V., La Rosa D., Cassarà P.
Lo scopo di questo documento è la rassegna dello stato dell'arte delle tecniche per l'analisi del cammino, in particolare per l'estrazione degli indicatori individuati nel precedente documento D1.1. Inoltre, considerando i sensori selezionati per l'installazione nella scarpa, sono illustrate le metodologie per adattare gli algoritmi disponibili in letteratura al contesto di Ki-Foot.Source: Project report, KI-FOOT, Deliverable D2.1, 2019
See at: CNR ExploRA
2019
Report
Unknown
INTESA - Test dei servizi di monitoraggio di lungo periodo ed interazione sociale
Delmastro F., Di Martino F., Distefano E., Valerio L., Bruno R., Campana M. G., Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
Questo documento ha lo scopo di presentare i risultati dei test dei sistemi di monitoraggio di lungo periodo (come specificato nelle attività dell'OO5), con particolare riferimento agli algoritmi per l'identificazione degli indicatori di salute e benessere derivati dai monitoraggi di breve periodo che hanno permesso di effettuare un'analisi su lungo periodo per i soggetti volontari coinvolti. Inoltre, si presentano i dettagli della valutazione sperimentale del servizio di monitoraggio nutrizionale e composizione corporea, dei fattori di stress e delle interazioni sociali.Source: Project report, INTESA, Deliverable D5.3, 2019
Delmastro F., Di Martino F., Distefano E., Valerio L., Bruno R., Campana M. G., Palumbo F., Baronti P., Crivello A., Ferro E., Furfari F., Potortì F., Russo D., La Rosa D.
Questo documento ha lo scopo di presentare i risultati dei test dei sistemi di monitoraggio di lungo periodo (come specificato nelle attività dell'OO5), con particolare riferimento agli algoritmi per l'identificazione degli indicatori di salute e benessere derivati dai monitoraggi di breve periodo che hanno permesso di effettuare un'analisi su lungo periodo per i soggetti volontari coinvolti. Inoltre, si presentano i dettagli della valutazione sperimentale del servizio di monitoraggio nutrizionale e composizione corporea, dei fattori di stress e delle interazioni sociali.Source: Project report, INTESA, Deliverable D5.3, 2019
See at: CNR ExploRA
2019
Report
Unknown
Progetto SIGS - Architettura del Sistema (D3.1)
Baronti P., Barsocchi P., Ferro E., Furfari F., Di Giandomenico F., La Rosa D., Mavilia F., Miori V., Potortì F., Ancillotti E., Bolettieri S., Borgia E., Bruno R., Piscione P., Valerio L.
In questo documento presentiamo i risultati dell'Attività 3.1: "Definizione dell'architettura del sistema ICT per la gestione del sistema edificio". In particolare, viene definita l'architettura generale della piattaforma ICT per la raccolta e gestione dei dati da dispositivi IoT. Inoltre, sono presentate le tecnologie principali che costituiscono la piattaforma ICT, sia in termini di protocolli di comunicazione che di piattaforma software per la gestione ed erogazione di servizi ad applicazioni distribuite. Infine, vengono presentati i modelli di interazione fra le varie componenti che costituiscono la piattaforma ICT e gli attori del sistema.Source: Project report, SIGS, Deliverable D3.1, 2019
Baronti P., Barsocchi P., Ferro E., Furfari F., Di Giandomenico F., La Rosa D., Mavilia F., Miori V., Potortì F., Ancillotti E., Bolettieri S., Borgia E., Bruno R., Piscione P., Valerio L.
In questo documento presentiamo i risultati dell'Attività 3.1: "Definizione dell'architettura del sistema ICT per la gestione del sistema edificio". In particolare, viene definita l'architettura generale della piattaforma ICT per la raccolta e gestione dei dati da dispositivi IoT. Inoltre, sono presentate le tecnologie principali che costituiscono la piattaforma ICT, sia in termini di protocolli di comunicazione che di piattaforma software per la gestione ed erogazione di servizi ad applicazioni distribuite. Infine, vengono presentati i modelli di interazione fra le varie componenti che costituiscono la piattaforma ICT e gli attori del sistema.Source: Project report, SIGS, Deliverable D3.1, 2019
See at: CNR ExploRA
2019
Report
Unknown
Progetto SIGS - Sistema di raccolta ed elaborazioni dati (D3.2)
Baronti P., Barsocchi P., Ferro E., Furfari F., Di Giandomenico F., La Rosa D., Mavilia F., Miori V., Potortì F., Ancillotti E., Bolettieri S., Borgia E., Bruno R., Piscione P., Valerio L.
In questo documento presentiamo i risultati dell'Attività 3.2: "Sviluppo della sensoristica per il monitoraggio dei consumi energetici" e dell'Attività 3.3: "Sviluppo del middleware di comunicazione e di gestione di grossi volumi da sensori eterogenei ". In particolare, vengono presentati i vari standard di comunicazione radio per dispositivi IoT che sono stati integrati nella nostra piattaforma, e per ogni tecnologia vengono descritti i sensori ed attuatori che sono integrati nella piattaforma. Inoltre, viene descritta l'architettura software dei componenti che permettono di integrare le diverse tecnologie di comunicazione IoT (ZigBee, ZWave e 6LoWPAN) con il Middleware di comunicazione e gestione dei dati di tipo publish/subscribe che è stato adottato come riferimento per la piattaforma ICT di raccolta e gestione dei dati. Infine, viene descritta l'architettura software della dashboard, cioè una applicazione web il cui scopo principale è la visualizzazione e manipolazione, attraverso un'interfaccia web, delle serie temporali e dei metadati dei dispositivi (sensori e attuatori) di una rete di sensori.Source: Project report, SIGS, Deliverable D3.2, 2019
Baronti P., Barsocchi P., Ferro E., Furfari F., Di Giandomenico F., La Rosa D., Mavilia F., Miori V., Potortì F., Ancillotti E., Bolettieri S., Borgia E., Bruno R., Piscione P., Valerio L.
In questo documento presentiamo i risultati dell'Attività 3.2: "Sviluppo della sensoristica per il monitoraggio dei consumi energetici" e dell'Attività 3.3: "Sviluppo del middleware di comunicazione e di gestione di grossi volumi da sensori eterogenei ". In particolare, vengono presentati i vari standard di comunicazione radio per dispositivi IoT che sono stati integrati nella nostra piattaforma, e per ogni tecnologia vengono descritti i sensori ed attuatori che sono integrati nella piattaforma. Inoltre, viene descritta l'architettura software dei componenti che permettono di integrare le diverse tecnologie di comunicazione IoT (ZigBee, ZWave e 6LoWPAN) con il Middleware di comunicazione e gestione dei dati di tipo publish/subscribe che è stato adottato come riferimento per la piattaforma ICT di raccolta e gestione dei dati. Infine, viene descritta l'architettura software della dashboard, cioè una applicazione web il cui scopo principale è la visualizzazione e manipolazione, attraverso un'interfaccia web, delle serie temporali e dei metadati dei dispositivi (sensori e attuatori) di una rete di sensori.Source: Project report, SIGS, Deliverable D3.2, 2019
See at: CNR ExploRA