jul 212016
 

Afgelopen november schreef ik over een project van Matt Reed waarbij hij indoor location tracking (binnen je positie bepalen zonder gebruik van GPS) toepaste op basis van 3 Raspberry Pi’s en een Estimote Beacon. Helaas heeft Matt (ondanks vele verzoeken tussentijds) zijn code (nog) niet online gezet.

Ik kwam echter vandaag een ander, ouder, project tegen dat om verschillende redenenen  minstens zo cool is en dus ook een eigen bericht verdient. Het is een project uit 2014, uitgevoerd door studenten van de University of Maryland, College Park, uitgevoerd als onderdeel van de cursus met de aansprekende naam/code: cmsc838f-f12

Maar ondanks die naam kan ik je zeker aanraden om de bijbehorende wiki met achtergrondinformatie te bekijken als je ook maar iets met Maker Education te maken hebt. Je kunt er o.a. een visual tour van hun hackerspace vinden.

Terug naar het project: gebruikte Matt zijn hond als onderzoeksobject, hier ging het om twee katten. En in plaats van een Estimote Beacon gebruikten de studenten 2 Samsung Galaxy Gear wearables. In combinatie met 3 Android telefoons en een techniek die RSSI heet (“Received Signal Strength Indicator”) . Door eerst op vaste punten (zij gebruikten 15 punten in een appartement) de RSSI sterkte te laten meten, konden ze daarna op basis daarvan ook de andere postities binnen het appartement bepalen.

greyest_heatmap

En omdat het onderwijs is, moesten de studenten rapporteren. Niet alleen met het filmpje hierboven, maar ook via een wiki-pagina met uitleg, de code staat uiteraard op github en daarnaast moesten ze een Instructable maken.

Helaas is het geen real-time tracking, dus voor de hond van Matt zou het minder geschikt zijn, maar het is een extra voorbeeld van een mooi project waarbij met relatief beperkte middelen interessante resultaten behaald kunnen worden.

Deel dit bericht:

Sorry, het reactieformulier is momenteel gesloten.