Desenvolvimento_de_um_EPTS_de_baixo_custo_utilizando_um_sistema_de_posicionamento_local__LPS____Pré_Projeto (1)

Prévia do material em texto

UNIVERSIDADE FEDERAL DO TOCANTINS
UNIVERSIDADE FEDERAL DO TOCANTINS
CÂMPUS UNIVERSITÁRIO DE PALMAS
CURSO DE CIÊNCIA DA COMPUTAÇÃO
SISTEMA ELETRÔNICO DE POSIÇÃO E RASTREAMENTO LOCAL
UTILIZANDO BLUETOOTH LE (LOW ENERGY): UM ESTUDO APLICADO AO
FUTEBOL
WILLYÃN ARRUDA DE ARAÚJO
PALMAS (TO)
2022
WILLYÃN ARRUDA DE ARAÚJO
SISTEMA ELETRÔNICO DE POSIÇÃO E RASTREAMENTO LOCAL
UTILIZANDO BLUETOOTH LE (LOW ENERGY): UM ESTUDO APLICADO AO
FUTEBOL
Trabalho de Conclusão de Curso I apresentado
à Universidade Federal do Tocantins para
obtenção do t́ıtulo de Bacharel em Ciência da
Computação, sob a orientação do(a) Prof.(a)
Dr. Alexandre Tadeu Rossini da Silva.
Orientador: Dr. Alexandre Tadeu Rossini da
Silva
PALMAS (TO)
2022
WILLYÃN ARRUDA DE ARAÚJO
SISTEMA ELETRÔNICO DE POSIÇÃO E RASTREAMENTO LOCAL
UTILIZANDO BLUETOOTH LE (LOW ENERGY): UM ESTUDO APLICADO AO
FUTEBOL
Trabalho de Conclusão de Curso I apresentado
à UFT – Universidade Federal do Tocantins –
Câmpus Universitário de Palmas, Curso de Ci-
ência da Computação foi avaliado para a ob-
tenção do t́ıtulo de Bacharel e aprovada em sua
forma final pelo Orientador e pela Banca Exa-
minadora.
Data de aprovação: 20 / 12 / 2022
Banca Examinadora:
Prof. Dr. Alexandre Tadeu Rossini da Silva
Prof. Dr. Ary Henrique Morais de Oliveira
Prof. Dr. Marcelo Lisboa Rocha
Dedico esse trabalho ao meu pai
Willian Batista de Araújo, e à
minha mãe Carla Arruda, v́ıtima
do Covid-19 em 2021
AGRADECIMENTOS
Agradeço primeiramente a Deus por ter me dado forças e saúde para enfrentar cada dia o
que me permitiu chegar até aqui. Aos meus pais Carla Arruda e Willian Batista de Araújo
que sempre me apoiaram independentemente de qualquer decisão tomei, me incentivando
para que não desistisse de meus objetivos. A minha namorada Júlia Clara Lins, por todo
apoio e incentivo, desde 2019. Aos meus colegas de classe deixo meus agradecimentos
pelo conv́ıvio em grupo durante o decorrer deste curso. Agradeço a todos os professores
que contribúıram diretamente e indiretamente com minha formação. Obrigado também
ao meu orientador Alexandre Rossini por me guiar ao longo desse trabalho. Agradeço a
essa instituição por me proporcionar uma formação acadêmica de qualidade.
RESUMO
Desde os primórdios da humanidade nós apreciadores de esportes no geral fazemos análises
a respeito do desenvolvimento dos atletas nas partidas. No futebol, o uso de dispositi-
vos de sistemas eletrônicos de desempenho e rastreamento foi aprovado pela FIFA em
2015. Desde então, o órgão vem desenvolvendo regulamentações sobre o uso de EPTS nos
esportes, padronizando tecnologias e procedimentos Board (2021).
Este estudo é a continuação de um estágio supervisionado, o qual concebeu um levanta-
mento bibliográfico sistematizado acerca das tecnologias de EPTS dispońıveis na atuali-
dade e seus tipos.
O protótipo foi desenvolvido utilizando Bluetooth Low Energy, embarcado em uma placa
ESP32. Foi realizado testes de precisão dos dados obtidos, e também feita a comparação
dos resultados obtidos após a remoção de rúıdos utilizando filtros de Kalman.
Palavra-chave: Monitoramento. Futebol. EPTS.
ABSTRACT
Since the dawn of humanity, sports enthusiasts in general have analyzed the development
of athletes in matches. In football, the use of electronic performance and tracking systems
devices was approved by FIFA in 2015. Since then, the body has been developing regu-
lations on the use of EPTS in sports, standardizing technologies and procedures Board
(2021).
This study is the continuation of a supervised internship, which conceived a systematic
bibliographic survey about the EPTS technologies currently available and their types.
The prototype was developed using Bluetooth Low Energy, embedded in an ESP32 board.
Precision tests were carried out on the obtained data, and a comparison of the results
obtained after removing noise using Kalman filters was also carried out.
Keywords: Monitoring. Football. EPTS.
LISTA DE FIGURAS
Figura 1 – Tipos de EPTS regulamentados atualmente pela FIFA (BOARD,
2021). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Figura 2 – Método de trilateração . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Figura 3 – Diagrama em blocos do funcionamento de um ESP32 (THEESP32,
2022) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Figura 4 – Processo de envio e recepção BLE (TOWNSEND, 2022) . . . . . . . 21
Figura 5 – Pinout do módulo embarcado com ESP32 . . . . . . . . . . . . . . . 24
Figura 6 – Montagem final dos Beacons . . . . . . . . . . . . . . . . . . . . . . 25
Figura 7 – Montagem final dos Beacons . . . . . . . . . . . . . . . . . . . . . . 25
Figura 8 – Fluxograma de funcionamento do WebService . . . . . . . . . . . . . 31
Figura 9 – Modelagem da case com dimensões . . . . . . . . . . . . . . . . . . . 34
Figura 10 – Banco de dados com as leituras de RSSI e distância da TAG . . . . . 35
Figura 11 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente
de teste com a distância de 5m . . . . . . . . . . . . . . . . . . . . . 36
Figura 12 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente
de teste com a distância de 15m . . . . . . . . . . . . . . . . . . . . 36
Figura 13 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente
de teste com a distância de 35m . . . . . . . . . . . . . . . . . . . . 37
Figura 14 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente
de teste com a distância de 50m . . . . . . . . . . . . . . . . . . . . 37
Figura 15 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente
de teste com a distância de 60m . . . . . . . . . . . . . . . . . . . . 37
Figura 16 –Representação gráfica da distribuição de quatro antenas abrangendo
a área de um campo de futebol . . . . . . . . . . . . . . . . . . . . . 38
Figura 17 –Representação gráfica da distribuição de 16 antenas abrangendo a
área de um campo de futebol . . . . . . . . . . . . . . . . . . . . . . 39
SUMÁRIO
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.2 Objetivos Espećıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Organização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 REFERENCIAL TEÓRICO . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 Informática Pessoal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 EPTS no futebol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Posicionamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.0.1 Proximidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.0.2 trilateração . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Dispositivos e tecnologias . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.0.1 ESP32 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.0.2 Bateria 18650 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.0.3 Bluetooth BLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4.0.4 RSSI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.0.5 BLE e posicionamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Filtro de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.6 NodeJs . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . 22
2.6.0.1 Kalman-filter em NodeJs . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 MATERIAIS E MÉTODOS . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.0.1 Beacons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.0.2 Tags . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.0.3 WebService . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1 Consumo da bateria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Distância medida com a aplicação do filtro de Kalman . . . . . . . . . . 35
5 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
A SEQUÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
A.1 Trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
A.1.1 Melhorias no algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
A.1.2 Amplificação do sinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
11
1 INTRODUÇÃO
A tecnologia mudou nossa sociedade e moldou as atividades em que estamos inseridos,
desde a forma como trabalhamos e interagimos com nosso ambiente até a forma como
encontramos prazer (DAHLBOM, 1996).
No esporte, várias ferramentas vest́ıveis vem sendo desenvolvidas e homologadas
pelos órgãos responsáveis, oferecendo suporte aos atletas para melhorar o desempenho em
suas atividades. No futebol, essas tecnologias vem sendo adotadas desde 2015, quando a
Federação Internacional de Futebol (FIFA) aprovou o uso destes dispositivos em partidas
de futebol (BOARD, 2021).
Os Sistemas Eletrônicos de Posição e Rastreamento (EPTS) rastreiam principal-
mente as localizações dos jogadores e da bola, se tornando um dos componentes mais
importantes no monitoramento da carga atlética de um jogador (AKENHEAD; NAS-
SIS, 2015). Em particular, sistemas de v́ıdeo semiautomáticos (VID), sistemas de posi-
cionamento local baseados em rádio (LPS) e sistemas de posicionamento global (GPS)
tornaram-se tecnologias centrais indispensáveis para avaliar o comportamento f́ısico e
tático em treinamento e competição. (BUCHHEIT et al., 2014). Portanto, validade, in-
tercambialidade e consistência entre diferentes EPTS são essenciais para permitir uma
avaliação fidedigna da carga geral de exerćıcios de um atleta objetivando integrar dados
de diferentes sistemas de maneira significativa.
Basicamente, um dispositivo EPTS pode ser fixado ao corpo de jogadores de fu-
tebol durante o jogo ou treino possibilitando a extração minuciosa de parâmetros f́ısicos
durante a partida. Linke, Link e Lames (2018) concluem que a posição mais adequada do
dispositivo no corpo humano não deve ser prescrita por critérios tecnológicos, e sim por
considerações biomecânicas. Mesmo assim o autor ainda sugere que o EPTS deve ser fixo
mais próximo o posśıvel do centro de massa do corpo humano.
Com base na literatura examinada, os EPTS são pouco estudados no campo da
computação, cooperando com o deficit de tecnologias acesśıveis e de baixo custo que
cumprem com os requisitos destes dispositivos. Desse modo, temos um contexto social
onde somente times com alto poder aquisitivo dispõe dessas tecnologias a seu favor. Assim,
este trabalho de conclusão de curso aborda o desenvolvimento de um EPTS de baixo custo,
que seja preciso e permita obter as variáveis iniciais básicas para estimar o rendimento de
atletas durante partidas de futebol.
1.1 Justificativa
Os eventos esportivos são uma grande fonte de renda para as cidades que os sediam.
Segundo o Globo Esporte, em 2021, os números voltaram a crescer 8,7% e a tendência é
que para 2024, a audiência atinja 570 milhões de pessoas(ESPORTE, 2021).
12
Além disso, os eventos esportivos podem trazer benef́ıcios sociais e econômicos para
as cidades que os sediam. Um estudo publicado na Revista de Sociologia e Poĺıtica analisou
os efeitos dos megaeventos esportivos e seus legados e concluiu que eles podem trazer
mudanças juŕıdico-institucionais para atender às demandas das organizações esportivas
internacionais que possuem o controle sobre o esporte de alto rendimento e os eventos a
ele correlatos(SANTOS; SILVA; SILVA, 2017).
A pesquisa de impacto econômico pode ser um subśıdio para as tomadas de decisão
em gestão de eventos esportivos. Segundo um artigo publicado pela UFRGS, a pesquisa
pode identificar eventuais impactos nas instituições do páıs-sede e os maiores benef́ıcios
são o custo reduzido de candidatura, o uso de infraestrutura já existente e os gastos
públicos diminutos(MACHADO et al., 2016).
A análise dos concorrentes, como a Catapult, desempenha um papel crucial na
justificativa deste trabalho. O Catapult ONE, direcionado a atletas solos e pequenas
equipes não profissionais, apresenta um modelo de negócios baseado em assinatura mensal,
com custos significativos, como US$ 134,99/mês, além do investimento inicial de US$ 34,00
no kit. Esse sistema utiliza GPS para obtenção de localização dos atletas, porém, a falta
de detalhes sobre sua precisão e margem de erro dificulta uma avaliação completa. Por
outro lado, o Catapult Clearsky se destaca ao utilizar um sistema de localização baseado
em LPS, que emprega antenas estrategicamente posicionadas no campo. No entanto, não
foi posśıvel obter informações sobre os custos associados a esse sistema (SPORTS, Acesso
em 2023b) , (SPORTS, Acesso em 2023a).
Atualmente, a pesquisa e desenvolvimento de EPTS no campo da computação são
limitados, resultando em acesso restrito a essas tecnologias. Geralmente fornecidos por
um número reduzido de empresas, esses sistemas têm um custo elevado, o que torna sua
utlização inviável para clubes esportivos de menor porte, principalmente no futebol de
base. Essa falta de acessibilidade cria uma desigualdade de oportunidades, uma vez que
clubes de elite podem investir em tecnologias avançadas para aprimorar o desempenho dos
atletas, enquanto clubes de base enfrentam restrições financeiras. É fundamental explorar
alternativas que tornem os EPTS mais acesśıveis e sustentáveis para clubes de menor
porte, como o desenvolvimento de soluções de código aberto, parcerias institucionais e
apoio governamental. Dessa forma, será posśıvel proporcionar um ambiente mais equita-
tivo para o desenvolvimento dos jovens atletas, promovendo a descoberta de talentos e
fortalecendo o futebol de base.
1.2 Objetivos
1.2.1 Objetivo Geral
Desenvolver um EPTS do tipo LPS, de baixo custo, utilizando Bluetooth Low
Energy embarcado em uma placa EPS32. Comparar os resultados obtidos com e sem a
13
remoção de rúıdos com filtro de Kalman.
1.2.2 Objetivos Espećıficos
1. Realizar levantamentos bibliográficos
2. Desenvolver os códigos fontes do protótipo e do servidor
3. Desenvolver diagramas e esquemas de montagem
4. Desenvolver uma case que comporte todo o conjunto
5. Submeter o protótipo a testes qualitativos
1.3 Metodologia
A primeira etapa deste projeto consiste em uma revisão de literatura sistematizada
no campo da computação, esportes e gadgets esportivos. No geral, foram pesquisados
termos pertinentes à este estudo nos diversos peŕıódicos e banco de dados dispońıveis na
internet. As regras sobre a aplicação de EPTS nos esportes foram selecionados diretamente
do site da FIFA. Nos demais, não foi encontrado nenhum estudo que combinasse EPTS
do tipo LPS, de baixo custo, aplicados ao esporte e desenvolvidos com Bluetooth LE
embarcado em um ESP32.
Muito trabalhojá foi feito em relação ao posicionamento interno (SILVA, 2019),
(SILVA, 2017), (PICAZO-MART’ıNEZ et al., 2019), (LIU et al., 2021), contudo, a maioria
sobreleva o padrão IEEE 802.11, também conhecido como Wi-fi. Esse modelo torna-se
menos favorável à este trabalho por necessitar de rádios que não seja de baixa potência,
ocasionando um consumo moderado de energia e consequentemente um hardware maior
(LARSSON, 2015).
Ilci et al. (2015) concluem também que o método de localização interna por Wi-fi é
muito senśıvel a rúıdos estranhos, portanto, as distâncias estimadas são muito imprecisas,
mesmo estando os Beacons e tags no mesmo campo de visão.
Dessa forma, foram selecionados termos que estavam estreitamente relacionados ao
tema de gadgets esportivos, como: ”EPTS in sports”, ”Types of EPTS”, ”Indor position
tracking”, ”Eletronic Tracking System”, ”Informática pessoal”. Através dessa pesquisa,
foram encontrados trabalhos relacionados ao tema de estudo deste trabalho.
A segunda etapa compreende o desenvolvimento do hardware e software de teste
do componente desenvolvido. Basicamente todos os componentes necessários para o fun-
cionamento do EPTS já estão embarcados no ESP32, sendo estes: Módulo de Wi-fi e
Módulo Bluetooth LE.
Já a terceira etapa consiste na submissão de testes ao protótipo, estando este já
acoplado à um módulo de bateria ao qual será analisado os seguintes itens:
14
• Capacidade de se conectar ao servidor e enviar informações;
• Capacidade de identificar os beacons e seus RSSIs;
• Capacidade de rastreabilidade em tempo real;
• Coerência da distância medida real com a estimada pelo hardware;
• Comparação da distância estimada pelo hardware com a aplicação do filtro de Kal-
man;
1.4 Organização
Este estudo contém 6 caṕıtulos. No primeiro é feito a introdução ao tema, con-
textualizando, justificando e expondo os objetivos a serem alcançados e metodologias
adotadas.
Já o capitulo 2 dispõe de todo o referencial teórico necessário, onde conceitos,
fundamentos e tecnologias são apresentadas.
Todo o hardware e software desenvolvido que faz o processamento dos dados de
localização é apresentado no caṕıtulo 3, abordando desde a construção do servidor local
até a aplicação do filtro de Kalman para redução de rúıdos.
Os resultados dos testes são expostos durante o caṕıtulo 4, comparando as infor-
mações recebidas com e sem um filtro de redução de rúıdos.
No caṕıtulo 5 é apresentada as conclusões obtidas com este estudo. Todo o código
fonte desenvolvido está dispońıvel nos Apêndices A, B e C.
15
2 REFERENCIAL TEÓRICO
2.1 Informática Pessoal
Um sistema de informática pessoal (IP) é qualquer combinação de hardware e
software que facilita a coleta, armazenamento, análise e gerenciamento dos dados de con-
dicionamento f́ısico ou saúde de um indiv́ıduo (DIJK et al., 2017)
Segundo Dijk et al. (2017), o campo de pesquisa de IP gira em torno de tecnologias
que facilitem a coleta e revisão de informações pessoais e pertinentes. Espera-se então que
sistemas de IP forneçam aos usuários uma autopercepção orientada por dados para ajuda-
los a mudar ou corrigir seus padrões comportamentais para melhor. O autor também
concluem, após análise, que os participantes submetidos a testes com IP, relatam vários
tipos de percepções baseadas em dados, podendo até mudar o comportamento pessoal.
Rapp e Tirabeni (2018), após um estudo com participantes a respeito do uso de IP
no esportes, conclúıram que este público compreende de forma diferente os instrumentos
de IP. O autor ressalta também que os hardwares de IP empregados no esporte deve ser
estritamente utilizadas com a supervisão de um treinador ou equipe técnica, haja visto que
sua utilização por amadores não possibilita que construam um profundo conhecimento a
respeito de suas práticas esportivas, podendo até ocasionar mecanização do corpo humano.
O uso de IP é exposto como um processo composto por cinco etapas: prepara-
ção, coleta, integração, reflexão e ação (LI; DEY; FORLIZZI, 2010). Durante a fase de
preparação, o usuário decide que atividade ele deseja rastrear, como irão rastrear e qual
tecnologia ou aplicativo funcionará corretamente. Em seguida, na fase de coleta de dados,
a qual leva os usuários à integração, é feita a conversão de dados brutos coletados de uma
ou várias fontes em uma planilha coerente para a análise e reflexão. Após a reflexão, os
usuários entram na fase de ação, onde os dados obtidos são utilizados para mudar seu
comportamento.
2.2 EPTS no futebol
A revisão de literatura dos EPTS ajudou a conceber uma compreensão geral da
natureza do EPTS no esporte, abordando também uma criteriosa análise a respeito dos
Dispositivos vest́ıveis.
Os EPTS fornecem principalmente a posição do jogador e da bola durante uma
partida de futebol. Podemos classificá-los em três tipos conforme mostrado na Figura 1:
Tecnologia baseada em câmeras (VID), Sistema de localização local (LPS ou LPMS) e
Sistema de Posicionamento Global (GPS).
Combinar informações de diversos tipos de sistemas pode aumentar a precisão
16
Figura 1 – Tipos de EPTS regulamentados atualmente pela FIFA (BOARD, 2021).
oferecendo uma qualidade e validade significativa (PETTERSEN et al., 2018).
O VID é uma tecnologia de monitoramento do comportamento e posição dos jo-
gadores, sendo o único EPTS empregado em partidas de futebol antes de 2015, quando a
FIFA regulamentou o uso de dispositivos vest́ıveis em partidas de futebol. O VID é um
tipo de ferramenta IP que analisa o comportamento e posição dos jogadores com base em
diversas câmeras semiautomáticas de alta definição, que rastreiam os jogadores colocados
dentro do campo de futebol (PETTERSEN et al., 2018). Com várias cãmeras dispersas
pelo campo, os movimentos são rastreador por segmentação de imagem, usando diversas
técnicas de processamento de imagem. Assim, é posśıvel produzir as trajetórias dos jo-
gadores ao decorrer de uma partida, facilitando o estudo e correção pela equipe técnica
(GAMBLE; CHIA; ALLEN, 2020).
O LPS e também o GPS assim como o VID são adotados desde 2015 em partidas
de futebol. Estes são baseados em tecnologia de radiofrequência e exige que o jogador
use um dispositivo geralmente fixado na parte superior das costas, podendo conter alguns
sensores adicionais. O LPS emite então sinais para receptores espalhados pelo campo
chamados de ’Beacons’, os quais calculam e processasm a posição atual de cada jogador.
Acelerômetros, monitores de frequência card́ıaca, que oferecem uma grande variedade de
variáveis podem ser usados em combinação com dispositivos LPS (PETTERSEN et al.,
2018).
Tecnologias como essas fornecem dados importantes para treinar um time que
17
tenha rendimento e qualidade em campo. As variáveis fisiológicas são cŕıticas para que
as equipes de treino individualizem as atividades dos jogadores, e para que os mesmos
avaliem sua própria condição f́ısica (ROSSI et al., 2018).
As variáveis cinemáticas e neuromusculares também contribuem para que os joga-
dores e equipe técnica entendam as fraquezas do corpo, buscando trabalhar para melhorar
essas variáveis. A equipe de treinamento organizará a carga de treino de acordo com os
dados. Por ultimo, os treinadores se beneficiam de variáveis táticas que avaliam o time
como um tudo, reconhecendo as lacunas e brechas a serem preenchidas (GAMBLE; CHIA;
ALLEN, 2020).
2.3 Posicionamento
Existem alguns conceitos de posicionamento básicos pertinentes à este estudo.
2.3.0.1 Proximidade
A maneira mais habitual de posicionamento é verificar se o objeto a ser posicionado
existe. Dentro da área de cobertura do rádio, sem ter em conta o sinal RSSI ou horário de
envio/recepção do sinal. Essa solução só pode identificar dois posśıveis estados: presentee não presente. Para aumentar a precisão e alcance pode-se então utilizar vários rádios
em diferentes posições, sobrepondo parte de suas áreas de cobertura para determinar a
posição do objeto rastreado (LARSSON, 2015).
2.3.0.2 trilateração
A trilateração é uma técnica de localização que utiliza a medição de distâncias
entre um objeto desconhecido e três ou mais pontos de referência conhecidos para deter-
minar a posição do objeto desconhecido. A técnica é amplamente utilizada em aplicações
de localização interna, como rastreamento de pacientes em hospitais, orientações de pes-
soas com deficiência visual e orientação de bombeiros (OLIVEIRA; FREITAS, 2021a),
(OLIVEIRA; FREITAS, 2021b), (OLIVEIRA; FREITAS, 2021c).
A necessidade de pelo menos três antenas na trilateração baseia-se em prinćıpios
geométricos fundamentais. Para determinar com precisão a posição de um objeto em um
sistema bidimensional, são necessárias no mı́nimo três medidas independentes de distância.
Cada antena fornece uma medida de distância entre o objeto a ser localizado e a antena
correspondente. Ao ter três medidas de distância, é posśıvel encontrar a interseção dos
ćırculos (ou esferas em um sistema tridimensional) que representam as distâncias medidas.
Essa interseção representa a posição estimada do objeto (ILCI et al., 2015).
Se houvesse apenas duas antenas, as distâncias medidas resultariam em várias
posições posśıveis que satisfariam essas medidas. Isso resultaria em uma ambiguidade na
localização, pois não seria posśıvel determinar com certeza qual posição é a correta. No
18
entanto, ao ter três ou mais antenas, a interseção dos ćırculos ou esferas fornecerá uma
única posição estimada, eliminando a ambiguidade (ILCI et al., 2015).
É importante mencionar que, além de fornecer uma localização precisa, a adição
de mais antenas pode melhorar a precisão da estimativa de posição, especialmente em
ambientes com interferências ou obstáculos que possam afetar a qualidade das medidas
de distância (ILCI et al., 2015).
A precisão da trilateração depende da precisão das medições de distância e da
geometria dos pontos de referência. Em um estudo que comparou o método da trilateração
à trena com o método de irradiação, o método da trilateração à trena apresentou 99,75%
de precisão (MORAES; MORAES; MORAES, 2019).
Na aplicação da trilateração em redes de sensores Wi-Fi para localização em ambi-
entes indoor, os pontos de referência são os pontos de acesso Wi-Fi presentes no ambiente.
Cada ponto de acesso emite um sinal de rádio que pode ser detectado pelos dispositivos
móveis presentes no ambiente. A partir da medição da intensidade do sinal recebido por
cada ponto de acesso, é posśıvel estimar a distância entre o dispositivo móvel e cada ponto
de acesso (OLIVEIRA; FREITAS, 2021a).
Figura 2 – Método de trilateração
Um ponto (x,y) no plano cartesiano está em um ćırculo de raio r centrado em (cx,
cy) se e somente se é uma solução para esta equação:
(x− cx)2 + (y − cy)2 = d12 (1)
Sendo assim, podemos derivar equações para os ćırculos gerados pelos Beacons.
Cada um tem sua própria posição, expressado por coordenadas de latitude e longitude,
(ϕ1, λ1), (ϕ2, λ2), (ϕ3, λ3).
Logo, o problema de trilateração é resolvido matematicamente encontrando o ponto
P = (ϕ, λ) que satisfaz simultaneamente as equações desses três ćırculos.
19
(ϕ− ϕ1)
2 + (λ− λ1)
2 = d21 (2)
(ϕ− ϕ2)
2 + (λ− λ2)
2 = d22 (3)
(ϕ− ϕ3)
2 + (λ− λ3)
2 = d23 (4)
A maneira descrita anteriormente é apenas uma das várias de resolver essas equa-
ções (ZUCCONI, 2017).
2.4 Dispositivos e tecnologias
2.4.0.1 ESP32
Os microcontroladores são indispensáveis na atualidade, seja no desenvolvimento de
novos sistemas, quanto na automação de processos já existentes. São eles os responsáveis
por controlar todas rotinas e processos pré-programados, desempenhando assim seu papel
em uma aplicação.
O ESP32 é um microcontrolador do tipo SoC (System On a Chip), possuindo em
sua estrutura embarcada um módulo de comunicação wi-fi e bluetooth. Foi desenvol-
vido pela Espressif Systems para aplicações móveis, eletro-portáteis e IOT, além de ser
otimizado para obter o menor consumo de energia posśıvel (THEESP32, 2022).
Espeficações:
• Processador Tensilica Xtensa 32-bit com até duas cores;
• Conectividade Wi-fi (802.11n) e Bluetooth (BR/EDR e BLE);
• 448KiB de ROM;
• Suporte para armazenamento externo;
2.4.0.2 Bateria 18650
A bateria 18650 é uma escolha comum para alimentar dispositivos baseados em
ESP32 devido à sua capacidade de fornecer energia suficiente para o dispositivo funcionar
corretamente. Além disso, o ESP32 pode ser equipado com um gerenciador de carga
confiável, como o módulo TP4056, que permite a alimentação e o carregamento via USB
e alterna automaticamente para a bateria sempre que a energia externa for suspensa
(TUTORIALS, 2022) (USINAINFO, 2022).
Outra vantagem é sua capacidade de armazenamento de energia. Essas baterias
geralmente têm uma capacidade de cerca de 2000mAh, o que significa que podem fornecer
energia por um longo peŕıodo de tempo antes de precisarem ser recarregadas. Isso pode ser
20
Figura 3 – Diagrama em blocos do funcionamento de um ESP32 (THEESP32, 2022)
.
especialmente útil em aplicações onde a fonte de alimentação externa não está dispońıvel
ou é intermitente.
Além disso, o ESP32 possui recursos de economia de energia, como o modo de
suspensão profunda, que podem ajudar a prolongar a vida útil da bateria (TUTORIALS,
2022). Isso significa que, ao usar uma bateria 18650 com um ESP32, pode-se aproveitar
ao máximo a capacidade da bateria e garantir que o dispositivo continue funcionando por
um longo peŕıodo de tempo.
2.4.0.3 Bluetooth BLE
O Bluetooth BLE (Bluetooth Low Energy), também conhecido como ’Bluetooth
Smart’, foi introduzido como parte principal do Bluetooth 4.0. Caracterizado por ser um
conjunto leve e de baixo consumo energético, o BLE tem uma linguagem diferente sendo
criado inicialmente pela Nokia e chamado de ’Wibree’ antes de ser adotado pelo Bluetooth
SIG (TOWNSEND, 2022).
O uso de Bluetooth Low Energy (BLE) combinado com indicadores de intensidade
de sinal recebido (RSSI) é uma tecnologia eficiente para sistemas de posicionamento lo-
cal. Um estudo investigou a melhoria do desempenho de um sistema de posicionamento
e rastreamento interno através do pré-processamento em tempo real dos dados RSSI me-
didos. O pré-processamento dos dados RSSI com a técnica de filtro máximo mostrou um
aumento no desempenho do posicionamento em mais de 20% para aplicações em tempo
real (IEEE, 2022).
Existem muitos protocolos sem fio dispońıveis atualmente, mas o BLE se destaca
por proporcionar uma maneira mais fácil de projetar algo que pode se comunicar com
qualquer plataforma moderna.
Plataformas com suporte ao BLE:
21
• iOS5+ (iOS7+ preferencial);
• Android 4.3+ (várias correções de bugs no 4.4+);
• Windows 8 (XP, Vista e 7 suportam apenas Bluetooth 2.1);
• GNU/Linux Vanilla BlueZ 4.93+;
O diagrama da Figura 4 demonstra o processo de envio de dados úteis e como suas
respostas são interpretadas. Basicamente, um dispositivo com BLE define um intervalo
espećıfico de envio e ele transmitirá seu pacote, contendo os dados para processamento
e/ou análise, toda vez que esse intervalo passar.
Figura 4 – Processo de envio e recepção BLE (TOWNSEND, 2022)
.
Dessa forma, podemos então criar dispositivos BLE que funcionem como ’Anco-
ras’, anunciando de tempo em tempo seu id e itensidade de sinal para todos os outros
dispositivos que estão ’Ouvindo’ nas proximidades.
2.4.0.4 RSSI
Received Signal Strength Indicator (RSSI) é uma unidade de medida que mostra
o quão bem um dispositivo pode receber um sinal de um ponto de acesso ou emissor. ORSSI é importante na determinação da qualidade de um sinal de uma conexão sem fio
(METAGEEK, 2022).
O valor de RSSI se assemelha à potência de um sinal de rádio recebido (medido
em dBm). Quanto maior o valor do RSSI, maior a força do sinal. A maioria dos sistemas
sem fio fazem o uso de valor RSSI, relatando esse valor nativamente, com o BLE não é
diferente (BULTEN, 2015).
2.4.0.5 BLE e posicionamento
O BLE por padrão possui alguns serviços de localização por padrão. Esses serviços
são conhecidos por Find Me Profile (FMP) e Proximity Profile (PXP).
O FMP foi projetado para tornar os dispositivos mais fáceis de localizar em situ-
ações de perda. Funciona com dois dispositivos, um é o localizador e o outro é o alvo
a ser encontrado. O destino assume a função de servidor, o que significa que ele escuta
as solicitações dos navegadores. Quando chega uma solicitação, algum tipo de alarme é
22
acionado no dispositivo de destino. Na maioria dos casos, um alarme é um sinal visual
ou sonoro para facilitar a localização do dispositivo. Também pode ser usado para aci-
onar transmissões ou tentar fazer com que o dispositivo se localize e informar a posição
estimada (LARSSON, 2015).
O PXP é outro serviço baseados em localização inclúıdos no padrão BLE. Ele de-
fine o comportamento de um dispositivo quando perde ou estabelece conexão com outro
dispositivo do mesmo padrão. Também é posśıvel agir quando os valores de pathloss/RSSI
predeterminados são excedidos. Esse serviço é mais interessante para sistemas de localiza-
ção, mas depende do momento em que o dispositivo estabelece uma conexão (LARSSON,
2015).
Podemos destacar aqui também um produto comercial denominado iBeacon da
Apple, cujo objetivo é disponibilizar serviço de localização com dispositivos compat́ıveis.
Este formato não é um padrão genérico, mas espera-se que no decorrer dos anos novos
celulares e computadores o suportem. O iBeacon é um sistema de duas vias semelhante
ao PXP, onde os Beacons são capazes de responder e fornecer dados para uma aplicação
local no dispositivo que está sendo posicionado (APPLE, 2022).
2.5 Filtro de Kalman
Conforme observado em estudos anteriores, as tecnologias de ETPS do tipo LPS
possuem uma taxa elevada de rúıdo. Mesmo havendo um certo rúıdo, ainda podemos
traduzir RSSI em distância f́ısica em metros. Esse rúıdo dá-se pelo fato de que em um
mundo ideal, o valor do RSSI depende apenas da distância entre os dois dispositivos.
Contudo, os valores do RSSI são fortemente influenciados pelo ambiente e apresentam
consequentemente altos ńıveis de rúıdos. A causa desse rúıdo pode ser desde a uma
reflexão de vários caminhos como obstáculos, paredes e móveis.
Uma solução para remover ou reduzir esse tipo de rúıdo é aplicando o filtro de
Kalman. Esta técnica faz uma estimativa com base em variáveis não observadas em
medições ruidosas. Trata-se de um algoritmo recursivo já que concentra-se no histórico
de medições (BULTEN, 2015).
2.6 NodeJs
NodeJs é um software de código aberto, multiplataforma, asśıncrono e orientado a
eventos. Ele foi projetado para criar aplicativos de rede escalonáveis. Sua principal carac-
teŕıstica é a execução de eventos em single-thread, onde apenas uma thread é responsável
pela execução do código (OPENJS, 2022).
23
2.6.0.1 Kalman-filter em NodeJs
Kalman-filter é uma biblioteca de código aberto dispońıvel em NodeJs para a im-
plementação do filtro de Kalman. Para a instalação sua instalação, foram seguidas as
seguintes etapas: primeiramente, foi assegurado que o ambiente de desenvolvimento pos-
súıa o Node.js e o npm (gerenciador de pacotes do Node.js) instalados. Em seguida, o
terminal ou prompt de comando foi aberto na pasta do projeto. Utilizou-se o comando
”npm init”para inicializar um novo projeto Node.js, seguindo as instruções interativas para
configurar o projeto. Posteriormente, o comando ”npm install Kalman-filter”foi executado
no terminal para buscar a biblioteca no registro oficial de pacotes. O npm, então, realizou
o download e a instalação automática da biblioteca. Após a conclusão da instalação, a
biblioteca foi importada no código através da declaração ”require(’Kalman-filter’)”. Por
fim, a documentação da biblioteca foi consultada para entender sua utilização e obter
informações sobre os métodos dispońıveis.
O código abaixo descreve um exemplo simples da utilização da Kalman-filter, onde
cada parâmetro passado na função filter é uma das n leituras pasśıveis de correção.
1 con s t k f = new Ka lmanF i l t e r ( ) ;
2 c on s o l e . l o g ( k f . f i l t e r (3 ) ) ;
3 c on s o l e . l o g ( k f . f i l t e r (2 ) ) ;
4 c on s o l e . l o g ( k f . f i l t e r (1 ) ) ;
24
3 MATERIAIS E MÉTODOS
3.1 Hardware
Para os testes foi utilizado um módulo ESP32 do modelo Devkit v1, da fabricante
DOIT. No total foram utilizados quatro Módulos do mesmo modelo, sendo três destes
utilizados como Beacons e um deles como Tag rastreável. Todos o hardware já possui
nativamente embarcado Bluetooth Low Energy e também conectividade wi-fi. Em cada
Módulo foi vinculado uma bateria do tipo 18650, de ı́on-ĺıtio (Li-ion), com 2000mah e
3.7V. A alimentação do ESP32 foi realizada diretamente no pino de 3V. Diferente dos
Beacons, a Tag rastreável possui um display de segmentos que facilitou a verificação
de informações durante os testes, tais como: Conexão a rede bem sucedida, envio de
informações conclúıdo e códigos de erros.
Um Notebook Asus VivoBook, com um processador Intel Core i7 de 8º geração,
placa de video dedicada Nvidia MX220 com 2Gb, memória ram de 8Gb e Windows 10
Home Edition foi utilizado para criar uma rede Wireless local, a qual a Tag se conecta
para inserir informações no servidor.
Figura 5 – Pinout do módulo embarcado com ESP32
25
Figura 6 – Montagem final dos Beacons
Figura 7 – Montagem final dos Beacons
26
3.2 Software
3.2.0.1 Beacons
Os Beacons executam um código, escrito em C++. Este código faz o ESP32 operar
como um ’Beacon’, sinalizando para todos que estão ’ouvindo’ nas proximidades suas
informações pertinentes. Esse trecho de código já é disponibilizado como exemplo pela
própria IDE do Arduino, que possui suporte ao ESP32. Foram feitos pequenos ajustes
para adaptar as informações que são sinalizadas pelo Beacon.
O código a seguir foi carregado nos três módulos que serão utilizados como Bea-
cons. Na linha 52 é definido o nome único de cada Beacon. Para isso, foi definido: ESP32
- Beacon A, ESP32 - Beacon B e ESP32 - Beacon C.
1 #inc lude ”BLEDevice . h ”
2 #inc lude ”BLEUt i l s . h ”
3 #inc lude ”BLEServer . h ”
4 #inc lude ”BLEBeacon . h ”
5
6 #def ine GPIO BREATHING LIGHT 2
7 #def ine BEACON UUID ”2 fc03570−8ae7−407 f−a375−3d2d74d8 fc0 f ”
8 #def ine ID FABRICANTE BEACON 0x4C00
9 #def ine MAJOR BEACON 1
10 #def ine MINOR BEACON 1
11 #def ine BEACON DATA ””
12 #def ine BEACON DATA SIZE 26
13 #def ine BEACON DATA TYPE 0xFF
14 BLEAdve r t i s i ng ∗ pAd v e r t i s i n g ;
15
16 // Funcao para c o n f i g u r a r o beacon
17 void c on f i g u r a b e a c on ( void ) ;
18
19 // Funcao para c o n f i g u r a r o beacon
20 void c on f i g u r a b e a c on ( void )
21 {
22 // C r i a uma i n s t a n c i a do ob j e t o BLEBeacon
23 BLEBeacon b l e beacon = BLEBeacon ( ) ;
24
25 // De f i n e o ID do f a b r i c a n t e do beacon
26 b l e beacon . s e tManu f a c t u r e r I d ( ID FABRICANTE BEACON) ;
27
28 // De f i n e o UUID de p rox im idade do beacon
29 b l e beacon . se tProx imi tyUUID (BLEUUID(BEACON UUID) ) ;
30
31 // De f i n e o v a l o r do Major do beacon
32 b l e beacon . s e tMa jo r (MAJOR BEACON) ;
27
33
34 // De f i n e o v a l o r do Minor do beacon
35 b l e beacon . s e tMino r (MINOR BEACON) ;
36
37 // C r i a i n s t a n c i a s dos o b j et o s BLEAdvert isementData para os dados de
anunc io
38 BLEAdvert isementData ad v e r t i s emen t d a t a = BLEAdvert isementData ( ) ;
39 BLEAdvert isementData s c a n r e s p on s e d a t a = BLEAdvert isementData ( ) ;
40
41 // De f i n e as f l a g s nos dados de anunc io
42 ad v e r t i s emen t d a t a . s e t F l a g s (0 x04 ) ;
43
44 // C r i a uma s t r i n g para os dados de s e r v i c o
45 s t d : : s t r i n g s t r S e r v i c eDa t a = ””;
46 s t r S e r v i c eDa t a += ( char )BEACON DATA SIZE ;
47 s t r S e r v i c eDa t a += ( char )BEACON DATA TYPE;
48 s t r S e r v i c eDa t a += b l e beacon . getData ( ) ;
49
50 // Ad i c i ona os dados de s e r v i c o aos dados de anunc io
51 ad v e r t i s emen t d a t a . addData ( s t r S e r v i c eDa t a ) ;
52
53 // De f i n e os dados de anunc io e r e s p o s t a de v a r r e d u r a do ob j e t o
pAd v e r t i s i n g
54 pAdv e r t i s i n g−>s e tAdve r t i s emen tData ( a d v e r t i s emen t d a t a ) ;
55 pAdv e r t i s i n g−>se tScanResponseData ( s c a n r e s p on s e d a t a ) ;
56 }
57
58 // Funcao de c on f i g u r a c a o i n i c i a l
59 void s e tup ( )
60 {
61 S e r i a l . b eg in (115200) ;
62 S e r i a l . p r i n t l n ( ”Fazendo i n i c i a l i z a c a o do beacon . . . ”) ;
63
64 // Con f i gu r a o p ino do LED
65 pinMode (GPIO BREATHING LIGHT , OUTPUT) ;
66 d i g i t a lW r i t e (GPIO BREATHING LIGHT , LOW) ;
67
68 // I n i c i a l i z a o BLEDevice com o nome do d i s p o s i t i v o
69 BLEDevice : : i n i t ( ”ESP32 − Beacon C”) ;
70
71 // C r i a um s e r v i d o r BLE
72 BLEServer ∗ pSe r v e r = BLEDevice : : c r e a t e S e r v e r ( ) ;
73
74 // Obtem o ob j e t o pAd v e r t i s i n g para c o n f i g u r a r o anunc io
75 pAd v e r t i s i n g = BLEDevice : : g e t A d v e r t i s i n g ( ) ;
76
77 // I n i c i a o anunc io BLE
28
78 BLEDevice : : s t a r t A d v e r t i s i n g ( ) ;
79
80 // Con f i gu r a o beacon
81 c on f i g u r a b e a c on ( ) ;
82
83 // I n i c i a o anunc io do ob j e t o pAd v e r t i s i n g
84 pAdv e r t i s i n g−>s t a r t ( ) ;
85
86 S e r i a l . p r i n t l n ( ”O beacon f o i i n i c i a l i z a d o e j a e s t a operando . ”) ;
87 }
88
89 // Funcaoo de loop p r i n c i p a l
90 void l oop ( )
91 {
92 // A l t e r n a o e s t ado do LED a cada meio segundo
93 d i g i t a lW r i t e (GPIO BREATHING LIGHT , LOW) ;
94 de l a y (500) ;
95 d i g i t a lW r i t e (GPIO BREATHING LIGHT , HIGH) ;
96 de l a y (500) ;
97 }
3.2.0.2 Tags
Uma das partes principais do software reside na Tag rastreável. É nela que é feita
a busca de todos os Beacons dispońıveis no local, capturando seus respectivos RSSIs e
enviando para um servidor, que fará o restante da parte de processamento e localização.
O trecho a seguir descreve a função de loop gravada na Tag. Essa função é execu-
tada interminavelmente repetindo seu processamento a cada ciclo.
1 void l oop ( ) {
2 //PROCURA AS ITAGS
3
4 BLEDevice : : i n i t ( ””) ;
5 BLEScan∗ pBLEScan = BLEDevice : : getScan ( ) ; //CRIA NOVO SCANNER
6 pBLEScan−>s e tA d v e r t i s e dD e v i c eC a l l b a c k s ( new MyAdve r t i s edDev i c eCa l l b a ck s
( ) ) ;
7 pBLEScan−>s e tAc t i v eS can ( t r u e ) ;
8 BLEScanResults f oundDev i c e s = pBLEScan−>s t a r t ( scanTime ) ;
9
10 i f (WiFi . s t a t u s ( )== WL CONNECTED) {
11 WiF iC l i e n t c l i e n t ;
12 HTTPClient h t tp ;
13
14 // INICIA A CONEXAO
15 ht tp . beg in ( c l i e n t , serverName ) ;
29
16
17 //DEFINE O HEADER DA REQUISICAO
18 ht tp . addHeader ( ”Content−Type ” , ”a p p l i c a t i o n /x−www−form−u r l e n coded ”
) ;
19
20 //DEFINE A VARIAVEL COM O CORPO DA REQUISICAO
21 S t r i n g ht tpRequestData = ”espName=jogado r1&espMac=”+espMacDevice+”
&r s s i L i s t =[ ”+d i s p o s i t i v o s E n c o n t r a d o s+”] ” ;
22
23 d i s p o s i t i v o s E n c o n t r a d o s = ””;
24
25 //ENVIA A SOLICITACAO
26 i n t httpResponseCode = ht tp .POST( httpRequestData ) ;
27
28 S e r i a l . p r i n t l n ( httpResponseCode ) ;
29
30 showDisp ( S t r i n g ( httpResponseCode ) ) ;
31
32 //LIMPA RECURSOS
33 ht tp . end ( ) ;
34 }
35 e l s e {
36 S e r i a l . p r i n t l n ( ”WiFi de s conec tada ”) ;
37 }
38 }
O loop principal inicia verificando a conectividade da Tag com uma rede Wi-fi e,
em caso de falha na conexão, novas tentativas são realizadas até obter sucesso. A bibli-
oteca BLEDevice do ESP32 foi modificada para durante uma busca de dispositivos BLE
nas proximidades, retornar apenas os que são nossos alvos: ESP32 - Beacon A, B e C. A
função de Scanner, além de retornar o RSSI de cada Beacon, retorna também seu endereço
MAC e nome, que são utilizados no servidor para processamento das distâncias. O retorno
da função de scanner é uma string no formato JSON, facilitando a conversão quando os
dados forem recebidos pelo servidor. A seguir está a função de scanner detalhada:
1 // C l a s s e de r e t o r n o de chamada para d i s p o s i t i v o s BLE anunc i ados
2 c l a s s MyAdve r t i s e dDev i c eCa l l b a ck s : p u b l i c BLEAdve r t i s edDev i c eCa l l b a ck s
{
3 // Metodo chamado quando um d i s p o s i t i v o e encont rado duran te a
v a r r e d u r a BLE
4 void onResu l t ( BLEAdver t i s edDev i ce a d v e r t i s e dD e v i c e ) {
5 // E x t r a i o ende reco MAC do d i s p o s i t i v o anunc iado
6 S t r i n g macDevice = ad v e r t i s e dD e v i c e . g e tAdd re s s ( ) . t o S t r i n g ( ) .
c s t r ( ) ;
7
30
8 // E x t r a i o nome do d i s p o s i t i v o anunc iado
9 S t r i n g nameDevice = ad v e r t i s e dD e v i c e . getName ( ) . c s t r ( ) ;
10
11 // Obtem o v a l o r do RSSI do d i s p o s i t i v o anunc iado
12 S t r i n g RSSIDev ice = S t r i n g ( a d v e r t i s e dD e v i c e . getRSSI ( ) ) ;
13
14 // V e r i f i c a se o nome do d i s p o s i t i v o co r r e s ponde a um dos
beacons ESP32
15 i f ( nameDevice == ”ESP32 − Beacon A” | | nameDevice == ”ESP32 −
Beacon B” | | nameDevice == ”ESP32 − Beacon C”) {
16 // Con s t r o i uma s t r i n g formatada com as i n f o rmacoe s do
d i s p o s i t i v o
17 S t r i n g d i s p o s i t i v o = ”{ ’ name ’ : ’ ” + nameDevice + ” ’ , ’MAC ’ : ’ ”
+ macDevice + ” ’ , ’ RSSI ’ : ’ ” + RSSIDev ice + ” ’} , ” ;
18
19 // Ad i c i ona a s t r i n g do d i s p o s i t i v o encont rada a l i s t a de
d i s p o s i t i v o s encon t r ado s
20 d i s p o s i t i v o s E n c o n t r a d o s = d i s p o s i t i v o s E n c o n t r a d o s +
d i s p o s i t i v o ;
21 }
22 }
23 } ;
O retorno dessa função é serializado em uma string JSON maior, contendo infor-
mações do cabeçalho, autenticação e endpoint. Posteriormente é enviada ao servidor.
3.2.0.3 WebService
Para receber, processar e exibir os dados, fez-se necessário a criação de um servidor
em NodeJs capaz de lidar com as requisições feitas pela Tag. O servidor fica em execução
na rede local do computador rodando o teste, ouvindo as requisições em uma porta descrita
no código fonte.
O servidor utiliza o framework Express, uma plataforma de código aberto que
possibilita a criação rápida de aplicações back-end. Com o Express é posśıvel, de forma
simples, configurar rotas, métodos e tornar uma aplicação acesśıvel na rede. Poĺıticas de
Cors e segurança foram aplicadas durante o desenvolvimento do código.
Para armazenar os dados enviados pelas Tags foi utilizado o NeDB, um framework
de código aberto caracterizando um banco de dados persistente na memória para NodeJs.
A biblioteca é baseada em MongoDB, sendo performática nas operações comuns em um
banco de dados.
A rota que inicia todo procedimento é a /updateSignal, e o fluxo seguinte pode ser
ilustrado conforme a imagem a seguir:
Para cálculo da distância através do RSSI foi criada uma função para melhor enten-
dimento. Nessa função é implementado ocálculo de Ghosh (2020) para cálculo da distância
31
Figura 8 – Fluxograma de funcionamento do WebService
utilizando RSSI. É importante ressaltar que esse cálculo leva em consideração uma cons-
tante de medição da potência de um ESP32 no vazio. O fabricante dispõe que esta cons-
tante é de 69 (RSSI), sendo assim, temos que: Distncia = 10((Potnciamedida−RSSI)/(10∗2)).
No código a seguir é apresentada a implementação da função que calcula a distân-
cia com base no RSSI.
1 // Funcao para c a l c u l a r a d i s t a c i a com base no RSSI
2 f u n c t i o n c a l c u l aD i s t a n c i a ( RSSI ) {
3 // Potenc i a de r e f e r e n c i a a uma dete rminada d i s t a n c i a
4 con s t p o t e n c i aR e f e r e n c i a = −69;
5
6 // Ap l i c a a fo rmu la do l o g a r i tmo da d i s t a n c i a
7 con s t d i s t a n c i a = Math . pow (10 , ( ( p o t e n c i aR e f e r e n c i a − RSSI ) / (10 ∗
2) ) ) ;
8
9 // Retorna a d i s t a n c i a c a l c u l a d a
10 r e t u r n d i s t a n c i a ;
32
11 }
A função seguinte descreve a aplicação do Filtro de Kalman nos dados recebidos
pelo WebService.
1 async f u n c t i o n k a lmanF i l t e r ( ) {
2 // Ar ray s para armazenar as d i s t a n c i a s dos beacons
3 va r d i s t a n c i aA = [ ] ;
4 va r d i s t a n c i aB = [ ] ;
5 va r d i s t a n c i aC = [ ] ;
6
7 // I n i c i a l i z a a v a r i a v e l ’ r e s u l t ’ com o v a l o r de ’ acumulador ’
8 va r r e s u l t = acumulador ;
9
10 // I t e r a sob r e as chaves do ob j e t o ’ r e s u l t ’
11 Object . key s ( r e s u l t ) . f o rEach ( f u n c t i o n ( key ) {
12 // V e r i f i c a se ha um ob j e t o com o nome ’ESP32 − Beacon A’ na
l i s t a de RSSI
13 i f ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name == ’ESP32 − Beacon A ’ )
) {
14 // Se encontrado , a d i c i o n a a d i s t a n c i a ao a r r a y ’ d i s t an c i aA ’
15 d i s t a n c i aA . push ( p a r s e F l o a t ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o .
name == ’ESP32 − Beacon A ’ ) . d i s t a n c i a ) ) ;
16 }
17 // Caso c o n t r a r i o , v e r i f i c a se ha um ob j e t o com o nome ’ESP32 −
Beacon B’
18 e l s e i f ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name == ’ESP32 −
Beacon B ’ ) ) {
19 // Se encontrado , a d i c i o n a a d i s t a n c i a ao a r r a y ’ d i s t an c i aB ’
20 d i s t a n c i aB . push ( p a r s e F l o a t ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o .
name == ’ESP32 − Beacon B ’ ) . d i s t a n c i a ) ) ;
21 }
22 // Caso c o n t r a r i o , a d i c i o n a a d i s t a n c i a ao a r r a y ’ d i s t a n c i aC ’
23 e l s e {
24 d i s t a n c i aC . push ( p a r s e F l o a t ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o .
name == ’ESP32 − Beacon C ’ ) . d i s t a n c i a ) ) ;
25 }
26 }) ;
27
28 // C r i a uma i n s t a n c i a da c l a s s e ’ Ka lmanF i l t e r ’
29 con s t k F i l t e r = new Ka lmanF i l t e r ( ) ;
30
31 // Ap l i c a o f i l t r o de Kalman em cada a r r a y de d i s t a n c i a
32 con s t d i s t a n c i a A F i l t e r e d = k F i l t e r . f i l t e r A l l ( d i s t a n c i aA ) ;
33 con s t d i s t a n c i a B F i l t e r e d = k F i l t e r . f i l t e r A l l ( d i s t a n c i aB ) ;
34 con s t d i s t a n c i a C F i l t e r e d = k F i l t e r . f i l t e r A l l ( d i s t a n c i aC ) ;
33
35
36 // A t u a l i z a os v a l o r e s de d i s t a n c i a no ob j e t o ’ r e s u l t ’ com os
v a l o r e s f i l t r a d o s
37 Object . key s ( r e s u l t ) . f o rEach ( f u n c t i o n ( key ) {
38 i f ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name === ’ESP32 − Beacon A
’ ) ) {
39 r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name === ’ESP32 − Beacon A
’ ) . d i s t a n c i a = d i s t a n c i a A F i l t e r e d [ key ] ;
40 } e l s e i f ( r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name === ’ESP32 −
Beacon B ’ ) ) {
41 r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name === ’ESP32 − Beacon B
’ ) . d i s t a n c i a = d i s t a n c i a B F i l t e r e d [ key ] ;
42 } e l s e {
43 r e s u l t [ key ] . r s s i L i s t . f i n d ( o => o . name === ’ESP32 − Beacon C
’ ) . d i s t a n c i a = d i s t a n c i a C F i l t e r e d [ key ] ;
44 }
45 }) ;
46
47 // I n s e r e o ob j e t o ’ r e s u l t ’ no banco de dados e l impa ’ acumulador ’
48 db . i n s e r t ( r e s u l t , f u n c t i o n ( e r r , newDoc ) {
49 acumulador = [ ] ;
50 }) ;
A função kalmanFilter recebe os dados, os padroniza pegando as ultimas cinco
leituras e aplica o filtro de Kalman, utilizado do framework Kalman-Filter. O resultado é
novamente serializado e gravado no banco de dados.
Por fim, após a execução de um ciclo completo, são obtidos os dados de posição
gravados para análise e/ou consulta.
34
4 RESULTADOS
Foi realizado o desenvolvimento de uma case personalizada para abrigar o protótipo
do dispositivo. Utilizando a tecnologia de modelagem e impressão em 3D, foi posśıvel criar
uma estrutura sob medida, que se adaptou perfeitamente às dimensões e especificações
do protótipo. A case foi projetada levando em consideração aspectos funcionais, estéticos
e ergonômicos, visando proporcionar proteção adequada ao dispositivo. A utilização da
impressão 3D possibilitou a fabricação rápida e precisa da case, permitindo realizar ajustes
e modificações de forma ágil durante o processo de prototipagem. Na figura 9 é posśıvel
visualizar a modelagem com dimensões da case.
Figura 9 – Modelagem da case com dimensões
Os testes foram realizados em Goiânia - GO, Brasil, com o objetivo de verificar
o funcionamento da solução desenvolvida. Uma das etapas preliminares deste estudo foi
submeter o protótipo a testes e coletar esses resultados. Durante o desenvolvimento, os
testes iniciais já foram feitos, tais estes como: Capacidade de se conectar ao servidor
e enviar informações e capacidade de identificar os beacons e seus RSSIs. Estes itens
são pasśıveis de testes lado a lado com o desenvolvimento tanto do software quanto do
hardware, facilitando assim a correção e ajuste por parte do autor. Na figura 10 podemos
visualizar as leituras armazenadas localmente no servidor.
35
Figura 10 – Banco de dados com as leituras de RSSI e distância da TAG
4.1 Consumo da bateria
O consumo médio da bateria durante o funcionamento do dispositivo foi de aproxi-
madamente 60mA. No entanto, observaram-se picos de consumo que atingiram até 170mA
em determinados momentos de uso. Com base nessas informações, foi posśıvel estimar o
tempo de funcionamento do dispositivo. No melhor cenário, levando em consideração o
consumo médio, estima-se que a bateria apresente uma autonomia de aproximadamente
33 horas antes de ser necessário recarregá-la. No pior cenário, considerando os picos de
consumo mais elevados, a duração estimada foi para cerca de 12 horas. Esses resultados
são importantes para compreender a eficiência energética do dispositivo e fornecer uma
estimativa realista do tempo de uso cont́ınuo, permitindo uma melhor gestão da energia.
4.2 Distância medida com a aplicação do filtro de Kalman
Neste teste, com o auxilio de uma fita métrica, a TAG foi posicionada a 5m de um
dos Beacons, e a análise foi iniciada. Ao decorrer do tempo foram feitas nove medições e
seus resultados salvos no banco de dados.o Resultado do teste com 5m é apresentado na
Figura 10. Visualmente observamos que há bastante rúıdo nas leituras obtidas. Esse rúıdo
foi confirmado analisando o arquivo bruto com as leituras diretas de RSSI. Entretanto,
observamos que o filtro de Kalman age suavizando a curva do rúıdo. Observa-se também
que as leituras iniciais são mais consistentes, já as finais possuem um rúıdo maior. Uma
posśıvel causa seria a fonte de alimentação utilizada, já que não foi medido duranteos
testes o pico de consumo.
Aumentando a distância podemos fazer a mesma comparação do parágrafo anterior.
Ainda observamos um rúıdo moderado, que é compensado pelo filtro de Kalman. As
figuras de 11 a 15 expõe os resultados obtidos nas respectivas distâncias.
O teste de 5m apresentou erro médio absoluto de 1,51m sem filtro e de 1,13m com
filtro de Kalman. Já o teste de 15m o erro médio absoluto sem filtro foi de 2,92m e
com filtro de Kalman foi de 1,96m. O teste de 35m apresentou erro médio absoluto de
3,11m sem filtro e de 2,25m com filtro. Em 50m temos erro médio absoluto de 4,55m sem
filtro e de 3,48m com filtro. Por fim em 60m o erro médio absoluto é de 11,22m sem o
36
filtro e 9,22m com o filtro de Kalman. Desse modo, evidencia-se que o filtro de Kalman
cumpriu, como esperado, seu papel, que é o de reduzir o rúıdo do sinal e, deste modo,
aumentar a precisão do sistema proposto. Na Tabela 1 é detalhado os resultados em suas
respectivas medidas, assim como o % de erro obtido em relação ao tamanho do campo.
Foi considerado como área total do campo 7500m2.
Tabela 1 – Resultados com percentuais de erro dos testes aplicados
Variável
Distância
5 metros 15 metros 35 metros 50 metros 60 metros
Erro médio sem utilização do filtro (m) 1,5 2,9 3,1 4,5 11,2
Erro médio com a utilização do filtro (m) 1,1 1,9 2,2 3,4 9,2
% de erro sem utilização do filtro 30,2 19,4 8,8 9,1 18,7
% de erro com a utilização do filtro 22,6 13,0 6,4 6,9 15,3
% de erro sem utilização do filtro em relação ao campo 0,4 0,2 0,1 0,1 0,2
% de erro com a utilização do filtro em relação ao campo 0,3 0,1 0,1 0,1 0,2
Figura 11 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente de
teste com a distância de 5m
Figura 12 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente de
teste com a distância de 15m
37
Figura 13 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente de
teste com a distância de 35m
Figura 14 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente de
teste com a distância de 50m
Figura 15 – Efeito do filtro de Kalman em dados de distância obtidos no ambiente de
teste com a distância de 60m
38
5 CONCLUSÃO
Os resultados expostos no caṕıtulo anterior indicam que a utilização do módulo
ESP32 é viavel para o desenvolvimento de um EPTS de baixo custo, utilizando BLE e
Filtro de Kalman. O sucesso foi demonstrado em uma área externa limitada, embora
hajam algumas ressalvas. Os dados sugerem que o BLE é indicado para sistemas de posi-
cionamentos cujo a área é significamente pequena, haja visto que a discrepância aumenta
quando a distância medida ultrapassa 15 metros. Deste modo, o sistema implementado
funcionou para um conjunto espećıfico de testes. O EPTS desenvolvido mostra-se mais
eficaz do que o método por GPS, já que este possui, para aplicações de uso civil, precisão
planimétrica de ordem de 3 a 10 metros (OLIVEIRA; SILVA; SANTANA, 2021).
Para isso, elaborou-se dois mapas para ilustrar as sugestões de distribuição das
antenas no campo. O primeiro mapa da Figura 16 utiliza quatro antenas, cada uma com
um raio de alcance de 47 metros, abrangendo todo o campo. Embora essa configuração
proporcione uma cobertura completa, conforme a tabela 1, o erro médio a partir de
35 metros é relativamente alto, comprometendo a precisão do sistema em determinados
momentos.
Figura 16 – Representação gráfica da distribuição de quatro antenas abrangendo a
área de um campo de futebol
No segundo mapa, foi adotado uma abordagem mais detalhada, utilizando um total
de dezesseis antenas. Distribúı três antenas na linha de fundo de cada gol, com um raio de
alcance estimado de cinco metros cada, e as outras dez nas duas linhas laterais do campo,
39
considerando o raio de 47 metros para cada uma. Essa configuração permite obter uma
precisão melhor nas áreas próximas aos gols, onde as jogadas decisivas podem ocorrer com
maior frequência. No entanto, o meio de campo pode apresentar uma margem de erro
maior devido à distância entre as antenas.
Figura 17 – Representação gráfica da distribuição de 16 antenas abrangendo a área de
um campo de futebol
Dessa forma, ao considerar as duas sugestões de distribuição de antenas no campo
de futebol, é posśıvel equilibrar a cobertura e a precisão do sistema. A segunda configu-
ração, com dezesseis antenas, permite uma maior acurácia nas áreas de maior interesse,
como os gols, enquanto mantém uma margem de erro aceitável nas outras regiões do
campo. Cabe ressaltar que a escolha entre as duas configurações dependerá das priorida-
des e necessidades espećıficas de cada aplicação, considerando a importância da precisão
do rastreamento em diferentes partes do campo de futebol.
40
REFERÊNCIAS
AKENHEAD, R.; NASSIS, G. P. Training load and player monitoring in high-level
football: Current practice and perceptions. human kinetics journals, v. 11, p. 587–593,
2015.
APPLE. iBeacon. 2022.
BOARD, I. F. A. Laws of the Game. 2021. . Último acesso em
28/3/2022.
BUCHHEIT, M. et al. Integrating different tracking systems in football: multiple camera
semi-automatic system, local position measurement and gps technologies. Journal of
Sports Sciences, v. 32, n. 20, p. 1844–1857, 2014.
BULTEN, W. Note on Calculating Distance From RSSI Value of BLE Devices. 2015.
DAHLBOM, B. The new informatics. Scandinavian Journal of Information Systems,
v. 8, 1996.
DIJK, E. T. K. van et al. Personal informatics, self-insight, and behavior change:
A critical review of current literature. Human–Computer Interaction, Informa
UK Limited, v. 32, n. 5-6, p. 268–296, fev. 2017. Dispońıvel em: .
ESPORTE, G. Mercado de eSports: faturamento, audiência
e o cenário no Brasil. 2021. .
GAMBLE, P.; CHIA, L.; ALLEN, S. The illogic of being data-driven: reasserting control
and restoring balance in our relationship with data and technology in football. Sci. Med.
Footb., Informa UK Limited, v. 4, n. 4, p. 338–341, out. 2020.
GHOSH, A. Kalman filters explained: Removing noise from
RSSI signals. 2020. .
IEEE. Live rssi filtering for indoor positioning with bluetooth low-energy. In: 2022 IEEE
12th International Conference on Indoor Positioning and Indoor Navigation (IPIN).
[s.n.], 2022. Dispońıvel em: .
ILCI, V. et al. Trilateration technique for wifi-based indoor localization. In: . [S.l.: s.n.],
2015.
LARSSON, J. Distance Estimation and Positioning Based on Bluetooth Low Energy
Technology. 2015.
https://digitalhub.fifa.com/m/5371a6dcc42fbb44/original/d6g1medsi8jrrd3e4imp-pdf.pdf
https://digitalhub.fifa.com/m/5371a6dcc42fbb44/original/d6g1medsi8jrrd3e4imp-pdf.pdf
https://doi.org/10.1080/07370024.2016.1276456
https://doi.org/10.1080/07370024.2016.1276456
https://ge.globo.com/sc/noticia/o-mercado-de-esports-faturamento-audiencia-e-o-cenario-no-brasil.ghtml
https://ge.globo.com/sc/noticia/o-mercado-de-esports-faturamento-audiencia-e-o-cenario-no-brasil.ghtml
https://thecustomizewindows.com/2020/03/note-on-calculating-distance-from-rssi-value-of-ble-devices/
https://thecustomizewindows.com/2020/03/note-on-calculating-distance-from-rssi-value-of-ble-devices/
https://ieeexplore.ieee.org/document/9918138
41
LI, I.; DEY, A.; FORLIZZI, J. A stage-based model of personal informatics
systems. In: Proceedings of the 28th international conference on Human
factors in computing systems - CHI '10. ACM Press, 2010. Dispońıvel em:
.
LINKE, D.; LINK, D.; LAMES, M. Validation of electronic performanceand
tracking systems EPTS under field conditions. PLOS ONE, Public Library of
Science (PLoS), v. 13, n. 7, p. e0199519, jul. 2018. Dispońıvel em: .
LIU, Y. et al. Accurate indoor positioning using ieee 802.11mc round trip time. Pervasive
and Mobile Computing, Elsevier, v. 77, p. 101416, 2021.
MACHADO, M. M. B. et al. A pesquisa de impacto econômico como subśıdio para as
tomadas de decisão em gestão de eventos esportivos: o caso do ironman florianópolis.
Movimento (ESEFID/UFRGS), v. 22, n. 2, p. 1–16, 2016.
METAGEEK. Understanding RSSI. 2022.
MORAES, A. L.; MORAES, L. F.; MORAES, J. C. Ajustamento de rede
geodÉsica 3d por trilateraÇÃo. UNIPAMPA, 2019. Dispońıvel em: .
OLIVEIRA, C. P. D.; SILVA, S. M. D. A.; SANTANA, R. V. ANáLISE DA PRECISão
e DA ACURACIA DO GPS DE NAVEGAção PARA LEVANTAMENTO DE LOCAção
DE PEQUENAS áREAS. Observatorium: Revista Eletrônica de Geografia, EDUFU
- Editora da Universidade Federal de Uberlandia, v. 11, n. 03, p. 109–125, maio 2021.
Dispońıvel em: .
OLIVEIRA, M. A. de; FREITAS, R. C. S. Análise Da Aplicação Da Técnica
de Trilateração em Redes de Sensores Wi-Fi Para Localização em Ambien-
tes Indoor. 2021. Dispońıvel em: .
OLIVEIRA, M. A. de; FREITAS, R. C. S. Análise da aplicação da técnica de trilateração
em redes de sensores wi-fi para localização em ambientes indoor. ResearchGate, 2021.
Dispońıvel em: .
OLIVEIRA, M. A. de; FREITAS, R. C. S. Xxxix simpÓsio brasileiro de telecomunicaÇÕes
e processamento de sinais. In: . [s.n.], 2021. Dispońıvel em: .
OPENJS. About Node.js®. 2022.
PETTERSEN, S. A. et al. Quantified soccer using positional data: A case study. Front.
Physiol., Frontiers Media SA, v. 9, jul. 2018.
PICAZO-MART’ıNEZ, P. et al. Ieee 802.11az indoor positioning with mmwave. arXiv
preprint arXiv:2303.05996, 2019.
https://doi.org/10.1145/1753326.1753409
https://doi.org/10.1371/journal.pone.0199519
https://doi.org/10.1371/journal.pone.0199519
https://guri.unipampa.edu.br/uploads/evt/arq_trabalhos/17708/seer_17708.pdf
https://guri.unipampa.edu.br/uploads/evt/arq_trabalhos/17708/seer_17708.pdf
https://doi.org/10.14393/oreg-v11-n03-2020-58574
https://pt.scribd.com/document/572981607/Analise-da-Aplicacao-da-Tecnica-de-Trilateracao-em-Redes-de-Sensores-Wi-Fi-Para-Localizacao-em-Ambientes-Indoor
https://pt.scribd.com/document/572981607/Analise-da-Aplicacao-da-Tecnica-de-Trilateracao-em-Redes-de-Sensores-Wi-Fi-Para-Localizacao-em-Ambientes-Indoor
https://www.researchgate.net/publication/355083832_Analise_da_Aplicacao_da_Tecnica_de_Trilateracao_em_Redes_de_Sensores_Wi-Fi_Para_Localizacao_em_Ambientes_Indoor
https://www.researchgate.net/publication/355083832_Analise_da_Aplicacao_da_Tecnica_de_Trilateracao_em_Redes_de_Sensores_Wi-Fi_Para_Localizacao_em_Ambientes_Indoor
https://www.researchgate.net/publication/355083832_Analise_da_Aplicacao_da_Tecnica_de_Trilateracao_em_Redes_de_Sensores_Wi-Fi_Para_Localizacao_em_Ambientes_Indoor
https://biblioteca.sbrt.org.br/articlefile/2813.pdf
https://biblioteca.sbrt.org.br/articlefile/2813.pdf
42
RAPP, A.; TIRABENI, L. Personal informatics for sport. ACM Transactions on
Computer-Human Interaction, Association for Computing Machinery (ACM), v. 25,
n. 3, p. 1–30, jun. 2018. Dispońıvel em: .
ROSSI, A. et al. Effective injury forecasting in soccer with GPS training data and
machine learning. PLoS One, Public Library of Science (PLoS), v. 13, n. 7, p. e0201264,
jul. 2018.
SANTOS, F. d. O.; SILVA, M. M. d.; SILVA, M. M. d. Megaeventos esportivos e seus
legados: uma análise dos efeitos dos jogos oĺımpicos e paraoĺımpicos rio 2016. Revista de
Sociologia e Poĺıtica, SciELO Brasil, v. 25, n. 62, p. 61–78, 2017.
SILVA, L. d. S. Localização em Ambientes Internos utilizando redes IEEE 802.11
e Aprendizado de Máquina. Dissertação (Mestrado) — Universidade Federal do
Amazonas, 2019.
SILVA, R. d. S. Localização em ambientes internos utilizando redes IEEE 802.11.
Dissertação (Mestrado) — Universidade Federal do Amazonas, 2017.
SPORTS, C. Catapult Clearsky. Acesso em 2023. Dispońıvel em: .
SPORTS, C. Catapult ONE. Acesso em 2023. Dispońıvel em: .
THEESP32. The internet of things with ESP32. 2022. Dispońıvel em: .
TOWNSEND, K. Introduction to bluetooth low energy - adafruit industries. 2022.
TUTORIALS, R. N. Power ESP32/ESP8266 with Solar Panels and
Battery. 2022. Dispońıvel em: .
USINAINFO. NodeMCU ESP32 com Bateria 18650 e Gerenciador de
Carga. 2022. Dispońıvel em: .
ZUCCONI, A. Positioning and Trilateration. 2017.
https://doi.org/10.1145/3196829
https://www.catapultsports.com/pt/solutions/clearsky-t6
https://www.catapultsports.com/pt/solutions/clearsky-t6
https://one.catapultsports.com/rw/
https://one.catapultsports.com/rw/
http://esp32.net/
http://esp32.net/
https://randomnerdtutorials.com/power-esp32-esp8266-solar-panels-battery-level-monitoring/
https://randomnerdtutorials.com/power-esp32-esp8266-solar-panels-battery-level-monitoring/
https://www.usinainfo.com.br/nodemcu/nodemcu-esp32-wifi-e-bluetooth-com-suporte-para-bateria-18650-e-gerenciador-de-carga-5490.html
https://www.usinainfo.com.br/nodemcu/nodemcu-esp32-wifi-e-bluetooth-com-suporte-para-bateria-18650-e-gerenciador-de-carga-5490.html
https://www.usinainfo.com.br/nodemcu/nodemcu-esp32-wifi-e-bluetooth-com-suporte-para-bateria-18650-e-gerenciador-de-carga-5490.html
43
A SEQUÊNCIAS
A.1 Trabalhos futuros
Existem vários pontos para melhoria no EPTS desenvolvido, dos quais podemos
citar:
A.1.1 Melhorias no algoritmo
O envio de dados pelo módulo ESP32 se mostrou ligeiramente lento, impactando
na leitura em tempo real da posição da TAG. Ajustes no algoritmo do filtro de Kalman
podem compensar essa lentidão.
Outros métodos de redução de rúıdo também devem ser testado e comparados com
os obtidos nesse estudo.
A.1.2 Amplificação do sinal
É necessário um estudo sobre a viabilidade do uso de antenas que amplifiquem o
alcance do BLE, viabilizando a utilização em locais maiores.
	Introdução
	Justificativa
	Objetivos
	Objetivo Geral
	Objetivos Específicos
	Metodologia
	Organização
	REFERENCIAL TEÓRICO
	Informática Pessoal
	EPTS no futebol
	Posicionamento
	Dispositivos e tecnologias
	Filtro de Kalman
	NodeJs
	Materiais e métodos
	Hardware
	Software
	Resultados
	Consumo da bateria
	Distância medida com a aplicação do filtro de Kalman
	Conclusão
	REFERÊNCIAS
	Sequências
	Trabalhos futuros
	Melhorias no algoritmo
	Amplificação do sinal