.
Pesquisadores do laboratório do professor Yasamin Mostofi da UC Santa Bárbara propuseram uma nova base que pode permitir imagens de alta qualidade de objetos estáticos apenas com sinais WiFi. Seu método usa a Teoria Geométrica da Difração e os cones de Keller correspondentes para traçar as bordas dos objetos. A técnica também permitiu, pela primeira vez, visualizar ou ler o alfabeto inglês através de paredes com WiFi, uma tarefa considerada muito difícil para WiFi devido aos detalhes complexos das letras.
“Imagem de paisagens estáticas com WiFi é consideravelmente desafiadora devido à falta de movimento”, disse Mostofi, professor de engenharia elétrica e de computação. “Adotamos então uma abordagem completamente diferente para resolver este problema desafiador, concentrando-nos em traçar as bordas dos objetos.” A metodologia proposta e os resultados experimentais apareceram nos Anais da Conferência Nacional de Radar IEEE de 2023 (RadarConf) em 21 de junho de 2023.
Esta inovação baseia-se em trabalhos anteriores no Laboratório Mostofi, que desde 2009 é pioneiro na detecção de sinais de radiofrequência diários, como WiFi, para diversas aplicações diferentes, incluindo análise de multidões, identificação de pessoas, saúde inteligente e espaços inteligentes.
“Quando uma determinada onda incide em um ponto extremo, um cone de raios emitidos emerge de acordo com a Teoria Geométrica da Difração (GTD) de Keller, conhecido como cone de Keller”, explicou Mostofi. Os investigadores observam que esta interação não se limita a arestas visivelmente afiadas, mas se aplica a um conjunto mais amplo de superfícies com uma curvatura suficientemente pequena.
“Dependendo da orientação da borda, o cone deixa pegadas diferentes (ou seja, seções cônicas) em uma determinada grade receptora. Em seguida, desenvolvemos uma estrutura matemática que usa essas pegadas cônicas como assinaturas para inferir a orientação das bordas, criando assim uma borda mapa da cena”, continuou Mostofi.
Mais especificamente, a equipe propôs um kernel de projeção de imagem baseado em cone Keller. Este kernel é implicitamente uma função das orientações das arestas, uma relação que é então explorada para inferir a existência/orientação das arestas através de testes de hipóteses sobre um pequeno conjunto de possíveis orientações das arestas. Em outras palavras, se a existência de uma aresta for determinada, a orientação da aresta que melhor corresponde à assinatura resultante baseada no cone de Keller é escolhida para um determinado ponto que eles estão interessados em gerar imagem.
“As bordas dos objetos da vida real têm dependências locais”, disse Anurag Pallaprolu, principal Ph.D. aluno no projeto. “Assim, uma vez que encontramos os pontos de borda de alta confiança por meio do kernel de imagem proposto, propagamos suas informações para o restante dos pontos usando a propagação de informações Bayesiana. Esta etapa pode ajudar ainda mais a melhorar a imagem, uma vez que algumas das bordas podem ser em uma região cega, ou pode ser dominado por outras bordas que estão mais próximas dos transmissores.” Finalmente, uma vez formada uma imagem, os pesquisadores podem melhorá-la ainda mais usando ferramentas de completação de imagem da área de visão.
“É importante notar que as técnicas de imagem tradicionais resultam em baixa qualidade de imagem quando implantadas com transceptores WiFi comuns”, acrescentou Pallaprolu, “já que as superfícies podem parecer quase especulares em frequências mais baixas, não deixando assim assinatura suficiente na grade do receptor.”
Os pesquisadores também estudaram extensivamente o impacto de vários parâmetros diferentes, como curvatura de uma superfície, orientação da borda, distância até a grade receptora e localização do transmissor nos cones de Keller e seu sistema de imagem baseado em borda proposto, desenvolvendo assim uma base para um projeto metódico de sistema de imagem.
“Adotamos então uma abordagem completamente diferente para resolver este problema desafiador, concentrando-nos em traçar as bordas dos objetos.”
Nos experimentos da equipe, três transmissores WiFi prontos para uso enviam ondas sem fio na área. Os receptores WiFi são então montados em um veículo não tripulado que emula uma grade de receptores WiFi à medida que se move. O receptor mede a potência do sinal recebido que então utiliza para geração de imagens, com base na metodologia proposta.
Os pesquisadores testaram extensivamente esta tecnologia com vários experimentos em três áreas diferentes, incluindo cenários através da parede. Em um exemplo de aplicação, eles desenvolveram um leitor WiFi para mostrar os recursos do pipeline proposto.
Esta aplicação é particularmente informativa porque o alfabeto inglês apresenta detalhes complexos que podem ser usados para testar o desempenho do sistema de imagem. Nessa linha, o grupo mostrou como eles podem imaginar com sucesso vários objetos em forma de alfabeto. Além da imagem, eles podem classificar ainda mais as letras. Finalmente, eles mostraram como sua abordagem permite que o WiFi visualize e leia através das paredes, criando imagens dos detalhes e lendo posteriormente as letras da palavra “BELIEVE” através das paredes. Além disso, eles também capturaram imagens de vários outros objetos, mostrando que podem capturar detalhes que antes não eram possíveis com WiFi.
No geral, a abordagem proposta pode abrir novas direções para imagens de RF.
.
