Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales

dd

Centro Nacional de Investigación y Desarrollo
Tecnológico
Departamento de Ciencias Computacionales

TESIS DE MAESTRÍA EN CIENCIAS

Servicios de Recomendación Contextual para Instituciones
de Educación Superior Mediante Realidad Aumentada
Utilizando Smartphones y Ontologías Organizacionales
presentada por

Rodrigo Alejandro Morán Leal
Ing. en Informática por la Universidad Politécnica del Estado de Morelos

como requisito para la obtención del grado de:
Maestría en Ciencias en Ciencias de la Computación

Director de tesis:
Dr. Juan Gabriel González Serna

Co-Director de tesis:
Dra. Azucena Montes Rendón

Cuernavaca, Morelos, México. 17 de diciembre de 2012

Centro Nacional de Investigación y Desarrollo Tecnológico
Departamento de Ciencias Computacionales

TESIS DE MAESTRÍA EN CIENCIAS

Servicios de Recomendación Contextual para Instituciones
de Educación Superior Mediante Realidad Aumentada
Utilizando Smartphones y Ontologías Organizacionales

presentada por

Rodrigo Alejandro Morán Leal
Ing. en Informática por la Universidad Politécnica del Estado de Morelos

como requisito para la obtención del grado de:
Maestría en Ciencias en Ciencias de la Computación

Director de tesis:
Dr. Juan Gabriel González Serna

Co-Director de tesis:
Dra. Azucena Montes Rendón

Jurado:
Dr. Hugo Estrada Esquivel – Presidente
M.C. Javier Ortiz Hernández– Secretario
Dr. Juan Gabriel González Serna – Vocal
Dra. Alicia Martínez Rebollar – Vocal Suplente

Cuernavaca, Morelos, México. 17 de diciembre de 2012

DEDICATORIAS
A Dios, por ayudarme en cada uno de los éxitos y problemas que tuve en esta
etapa de mi vida

A mi madre, por todo lo que ha hecho por mí.

A mi primo y a mi familia, por haberme brindado su apoyo.

A Anayely, por haberme brindado lo que más me faltaba para terminar este
logro

A todos aquellos que me ayudaron en esta etapa de mi vida

AGRADECIMIENTOS
A mi madre María del Carmen Leal Murguía, por haberme dado la vida y haber
creído en mí todos estos años, por haberme apoyado todo este tiempo en mis
metas, por haber hecho muchos sacrificios para que yo pudiera llegar hasta
donde me encuentro ahora, muchas gracias. A mi primo, Jairo Ramiro, quien
ha sido mi mejor amigo desde que nací hasta ahora, muchas gracias por
escucharme y apoyarme en los buenos y malos momentos. A mi hermana,
Violeta, por haberme acompañado y alentado durante todo este periodo. A toda
mi familia que ha estado conmigo apoyándome y dándome ánimos para seguir
adelante, muchas gracias.

A mi princesa, Anayely Noguerón Valdes, gracias por darme el último
empujoncito para poder terminar mi maestría, gracias por haber sido mi
motivación e inspiración en mi último año, eres la mejor sorpresa que me pude
haber encontrado en mi maestría, gracias por haberme prestado un poco de tu
tiempo para estar conmigo, gracias por haberme dejado soñar y haber
compartido muchos momentos especiales conmigo, muchas gracias. A Viviana
Anani Partida Valencia, mi amiga, muchas gracias por haberme prestado tu
tiempo para escucharme, gracias por haberme enviado esa “buena vibra”
siempre.

A todos mis amigos que encontré en el CENIDET, Juan Diego, Samuel Vieyra,
Luis Ángel Chi, Leticia Aponte, Ilse Yari Landa, Adrian Cruz, Nimrod González,
Jesús Rodríguez, Oscar, Julia, Hugo, muchas gracias por haber hecho que
esta etapa de mi vida sea inolvidable.

A mi director de tesis, el Dr. Juan Gabriel González Serna, por haberme
formado durante todo este periodo, ayudándome a desarrollarme como
persona tanto profesional como personalmente. A mis profesores del CENIDET
por haberme enseñado tantas cosas y haberme ayudado a desarrollar todas
las habilidades que tengo ahora conmigo, muchas gracias.

Al CONACYT por haberme apoyado económicamente mientras realizaba mis
estudios, al Centro Nacional de Investigación y Desarrollo Tecnológico, por
permitirme elaborar mis estudios y haberme brindado muchas experiencias y
oportunidades durante toda mi estancia en él.

A mis revisores por haberme compartido sus conocimientos, y haberme guiado
a través de todo el desarrollo de mi proyecto de tesis. A todos aquellos que
formaron parte de mi vida en esta tapa tan importante de mi vida, a todos
ustedes muchas gracias.

RESUMEN
Dentro del área de la computación del CENIDET se han desarrollado los
servicios de recomendación sensibles al contexto, los cuales le ofrecen al
usuario información personalizada del entorno de acuerdo a sus preferencias,
ubicación, el horario en que se encuentra, los servicios disponibles de la
organización, etc. Estos servicios de recomendación han involucrado diferentes
tecnologías, desde algoritmos que son capaces para inferir las preferencias del
usuario, hasta tecnologías capaces de capturar datos del entorno como RFID,
QR-Codes, sensores especializados, etc.
En el laboratorio de sistemas distribuidos del CENIDET, se pretende desarrollar
un sistema capaz de mostrarle recomendaciones personalizadas e información
de alguna organización al usuario, a partir de las preferencias del mismo y la
información del entorno en el que se encuentra (hora y lugar de la organización
a donde llega). El desarrollo de este sistema comenzó con el proyecto T-Guía,
el cual puede proporcionarle información al usuario de la organización a partir
de su ubicación, una vez terminado este sistema, se desarrollaron otros
proyectos que integraron otras funcionalidades al sistema, tales como servicios
de recomendación sensibles al contexto, mapas con información de la
organización en formato SVG y servicios de localización mediante el uso de
tecnologías Wi-Fi y RFID, de esta forma se integran nuevas funcionalidades al
sistema desarrollado anteriormente.
En este proyecto de tesis, se desarrolló una nueva funcionalidad para el
sistema T-Guía, la cual implementa una interface a través de realidad
aumentada, con la cual el usuario podrá interactuar de manera más natural con
la información del entorno, además de que conocerá hacia donde quedan
algunas ubicaciones de interés. Para ello se desarrolló un modelo de
identificación de puntos de interés mediante 10 (8+2) orientaciones, 8
orientaciones que apuntan hacia los puntos cardinales y 2 para apuntar hacia
arriba o abajo del dispositivo, utilizando el sensor de acelerómetro de tres ejes
y el magnetómetro fue posible determinar la dirección hacia donde el usuario
está apuntando y conocer qué puntos de interés se puede encontrar
visualizando. Finalmente, en este proyecto, pudo desarrollarse una nueva
funcionalidad al sistema, con una aplicación capaz de presentarle al usuario
información del entorno al enfocar su dispositivo en diferentes orientaciones.

ABSTRACT
In the CENIDET’s computing area have been developed context-aware
recommendation services, which offer to the users personalized information of
the environment according to their preferences, location, the time in which it is,
the services of the organization, etc. These recommendation services have
involved different technologies, from algorithms that are able to infer the user's
preferences, to technologies able to capture the data environment as RFID,
QR-Codes, specialized sensors, etc.
In the Distributed System’s Laboratory CENIDET, aims to develop a system
able of showing personalized recommendations and information of an
organization to the user, from preferences and information environment that he
is (time and place where he arrives). The development of this system began
with the project T-Guide, which can provide information to the user in the
organization from his location, once finished this system, other projects were
developed that integrated other features to the system, such as context-aware
recommendation services, maps with organizational information in SVG format
and location services using Wi-Fi technology and RFID, so new features are
integrated into the system previously developed.
In this thesis, we developed a new feature for the T-Guide system, which
implements an interface using augmented reality, with which the user can
interact more naturally with information of the environment, plus he will know
where some locations of interest are. For that we developed a model to identify
points of interest by 10 (8 +2) orientations, 8 orientations pointing to the cardinal
points and 2 to point up or down of the device, using the three-axis
accelerometer sensor and magnetometer was possible to determine the
direction in which the user is pointing and know what points of interest can be
displayed. Finally, in this project we could develop a new functionality to the
system, with an application that can present to the user information of the
environment focusing his device in different directions.

TABLA DE CONTENIDO
LISTA DE FIGURAS iii

Capítulo 1. Introducción 5

1.1 Introducción 6

1.2 Antecedentes 7

1.2.1 Servicios de localización conscientes del contexto aplicando perfiles de movilidad y tecnologías
de localización heterogéneas [Arjona 2009] 7

1.2.2 API para servicios de localización basada en tecnología RFID, QRCode, WIFI y Bluetooth [Yris
2012] 7

1.2.3 Generación y explotación de mapas semánticos para instalaciones organizacionales mediante el
uso de ontologías [Estrada 2012] 11

1.2.4 Servicio de recomendación contextual mediante ontologías multidimensionales para dispositivos
Smartphone [González 2012] 12

1.3 Descripción del problema 13

1.3.1 Complejidad del problema 14

1.4 Objetivos del proyecto 15

1.4.1 Objetivo general 15

1.4.2 Objetivos específicos 15

1.5 Justificación 16

Capítulo 2. Marco Teórico 17

2.1 Realidad aumentada 18

2.1.1 Reconocimiento de objetos mediante el uso de marcadores 19

2.1.2 Técnicas de reconocimiento visual sin marcadores 21

2.1.3 Técnicas de reconocimiento sensorial 22

2.2 Computación ubicua 23

2.3 Servicios de recomendación contextual 24

2.4 Modelado organizacional orientado al entorno 25

2.5 Android 26

2.6 Tecnología sensorial en Smartphones 26

Capítulo 3. Estado del Arte 29

3.1 Sistemas 30

3.1.1 A Tracking Framework for Augmented Reality Tours on Cultural Heritage Sites [Park 2010] 30

3.1.2 An Augmented Reality Presentation System for Remote Cultural Heritage Sites [Zöllner 2009] 32

3.1.3 Location-based augmented reality on mobile phones [Turk 2010] 33

3.1.4 An Augmented Reality Interface to Contextual Information [Ajanki 2011] 35

i

3.1.5 Personalized In-store E-Commerce with the PromoPad: an Augmented Reality Shopping Assistant
[Zhu 2008] 36

3.2 Herramientas 37

3.2.1 Look!: Framework para Aplicaciones de Realidad Aumentada en Android [Bellón 2011] 37

3.2.2 CAMAR Tag Framework: Context-Aware Mobile Augmented Reality Tag Framework for Dual-reality
Linkage [Woo 2009] 37

3.2.3 Unified Context-aware Augmented Reality Application Framework for User-Driven Tour Guides [Woo
2010] 38

3.3 Análisis del estado del arte 39

Capítulo 4. Diseño de la aplicación 42

4.1 Arquitectura general del sistema 43

4.2 Modelo de orientación en el entorno 44

4.3 Diagrama de casos de uso 49

4.4 Diagramas de clases 57

Capítulo 5. Implementación 60

5.1 Modificaciones a la red de ontologías 61

5.2 Servicio de localización 65

5.3 Desarrollo de la aplicación 67

5.3.1 Lectura de la información de la Ontología 68

5.3.2 Implementación de los objetos virtuales 70

5.3.3 Funcionalidad de filtrado de información 72

Capítulo 6. Pruebas 74

6.1 Plan de pruebas 75

6.1.1 Enfoque 75
6.1.2 Características a probar 75

6.1.3 Características excluidas 76

6.1.4 Elementos de prueba 76

6.1.5 Requerimientos para realizar las pruebas 77

6.1.6 Criterio éxito/fracaso de los casos de prueba 77

6.1.7 Responsabilidades 77

6.1.8 Diseño de las pruebas 77

6.2 Reporte de pruebas 80

6.3 Resultados 115

Capítulo 7. Conclusiones y trabajos futuros 117

7.1 Conclusiones 118

7.2 Aportaciones 118

7.3 Trabajos futuros 119

Referencias 120

ii

LISTA DE FIGURAS
Figura 1.1 algoritmo de localización por redes inalámbricas implementado [Yris 2012] 8

Figura 1.2 segmentación del entorno de acuerdo a la potencia de señal inalámbrica recibida [Yris 2012] 9

Figura 1.3 diagrama del funcionamiento de los portales RFID [Yris 2012] 10

Figura 1.4 diagrama para la implementación de portales RFID [Yris 2012] 10

Figura 1.5 Ejemplo de un mapa generado en el proyecto [Estrada 2012] 11

Figura 2.1 marcadores de plantilla y matrices de datos [Schmalstieg 2007] 19

Figura 2.2 ejemplo de un QRCode [Woo 2011] 20

Figura 2.3 proceso de umbralización [Schmalstieg 2007] 20

Figura 2.4 modelo de rotaciones en un reconocimiento sensorial por orientación 23

Figura 2.5 Principales componentes de los sensores [Akyildiz 2002] 26

Figura 2.6 diagrama de un giroscopio digital [Jones 2010] 27

Figura 3.1 algoritmo de estimación de poses [Park 2010] 30

Figura 3.2. Técnicas de realidad aumentada implementadas en el palacio de Gyeongbokgung [Park 2010]
32

Figura 3.3 dispositivo estático para la visualización de información contextual en murales [Zöllner 2009] 33

Figura 3.4 inserción de objetos virtuales en los dispositivos móviles [Zöllner 2009] 33

Figura 3.5 Modelo de reconocimiento mediante localización y orientación propuesto en el proyecto [Turk
2010] 34

Figura 3.6 aumentación mediante el reconocimiento por orientación y ajuste mediante técnicas de
reconocimiento visual 34

Figura 3.7 algoritmo para la retribución de información en el sistema [Ajanki 2011] 35

Figura 3.8 reconocimiento de objetos e inserción de información en el entorno [Ajanki 2011] 36

Figura 3.9 acercamiento a un producto de posible interés para el cliente 36

Figura 3.10 generación del mundo virtual a partir del entorno real en el proyecto [Woo 2009] 38

Figura 4.1 arquitectura general del nuevo sistema T-Guía 43

Figura 4.2 Funcionamiento de la aplicación YLEYANA en el sistema 44

Figura 4.3 segmentación del entorno para la construcción de un MOM [Pombinho 2011] 45

Figura 4.4 modelo de navegación de 8 orientaciones [Worboys 2011] 46

Figura 4.5 modelo de ocho orientaciones para indicar los POIs del entorno 46

Figura 4.6 ejemplo de la aplicación del modelo de ocho grados de libertad 47

Figura 4.7 definición de las zonas de localización para los estados en el MOM 47

Figura 4.8 autómata del modelo de orientación propuesto para la visualización de POIs 48

Figura 4.9 manejo de los objetos fuera del campo de visión en el modelo de orientación 49

Figura 4.10 Diagrama de casos de uso del sistema 49

iii

Figura 4.11 Diagrama de clases del sistema 57

Figura 5.1 Unión de la ontología de infraestructura y ONALIN 62

Figura 5.2 Proceso de instanciación de la información del sistema 62

Figura 5.3 Modelo de representación de las distintas zonas del entorno [Estrada 2012] 63

Figura 5.4 Representación de los segmentos de navegación en el entorno 64

Figura 5.5 integración de los puntos de interés al entorno 64

Figura 5.6 integración de las orientaciones en el entorno 65

Figura 5.7 Botón para la selección de la localización del usuario 66

Figura 5.8 Pantalla para la selección de la localización del usuario 66

Figura 5.9 Visualización de puntos de interés en el entorno 67

Figura 5.10 representación de las clases de la ontología en un entorno real 67

Figura 5.11 Ejemplo de instanciación de las ontologías del sistema 68

Figura 5.12 Estructura principal de un archivo JSON 68

Figura 5.13 Estructura de un objeto del tipo nodo 69

Figura 5.14 Estructura de un objeto de orientación 69

Figura 5.15 Estructura de un POI 69

Figura 5.16 Inserción de imágenes con la librería Look! 70

Figura 5.17 Inserción de texto en el objeto virtual 70

Figura 5.18 Inserción de objetos virtuales en el entorno 71

Figura 5.19 Pantalla de información extra de los puntos de interés del entorno 71

Figura 5.20 variables que controlan la visibilidad de los objetos 72

Figura 5.21 Método para el filtrado de información 72

Figura 5.22 Implementación de opciones de filtrado de información en la aplicación 73

Figura 6.1 Representación de la plata baja del edificio de computación 78

Figura 6.2 representación de la planta alta del edificio de computación 79

Figura 6.3 Error en los archivos XML por la etiqueta Extensión 116

Figura 6.4 Recomendaciones nulas en los archivos XML 116

iv

Capítulo 1. Introducción

En este capítulo se describen los antecedentes del proyecto y el contexto en el
que se desarrolló, así como también los objetivos, el problema a resolver y los
alcances del proyecto.

5


1.1 Introducción
La computación ubicua es un área de la computación que permite a una
computadora o dispositivo móvil estar conscientes de su entorno, esto es
posible mediante técnicas de reconocimiento contextual y censado de señales
emitidas por distintos tipos de dispositivos que permiten que un sistema pueda
estar consciente (de manera artificial) de las actividades o cambios que
suceden en el entorno. La computación ubicua nos permite diseñar varias
aplicaciones capaces de interactuar con el entorno, las cuales pueden
involucrar la localización de objetos en interiores o exteriores, sistemas de
navegación, sistemas de información contextual, entre otros.
Algunas de las técnicas de identificación usadas en el cómputo ubicuo utilizan
tecnologías que permiten a los dispositivos conocer la información de los
objetos, lugares y personas de su entorno, ya sea mediante señales de radio
frecuencia o marcadores visuales. El desarrollo de estos sistemas ha ido
evolucionando de tal manera que podemos encontrar aplicaciones de
navegación para celulares, diseñadas con una interfaz de usuario que permite
la navegación con mapas o aplicaciones que implementan interfaces con
realidad aumentada.
Actualmente en el Laboratorio de Sistemas Distribuidos del Centro Nacional de
Investigación y Desarrollo Tecnológico (CENIDET) se está desarrollando un
sistema de recomendación contextual para Instituciones de Educación Superior
(IES), en este proyecto se están modelando, diseñando e implementando
servicios que permiten averiguar las condiciones del entorno físico de una
organización (IES), con estos servicios los usuarios que visitan una IES reciben
recomendaciones contextuales, en un cliente instalado en su dispositivo móvil,
que contienen información de personas, de objetos de conocimiento y de
lugares, se espera que estas recomendaciones satisfagan sus necesidades
explicitas e implícitas. La interfaz con la que se le muestran los datos del
entorno al usuario utiliza mapas diseñados en segunda dimensión, sin
embargo, en los sistemas implementados con este tipo interfaz existe un
problema de interpretación de la información de los objetos y la localización del
usuario en el entorno, los sistemas que utilizan técnicas de realidad aumentada
pueden mostrar la información contextual de los objetos al enfocarlos con el
dispositivo, lo que facilitaría la interpretación de esta información y, debido a
que el usuario interactúa directamente con el entorno, no existirían problemas
para interpretar su localización.
La implementación de sistemas de realidad aumentada elabora la inserción de
objetos virtuales en el entorno real, lo que implica que cada objeto virtual debe
estar asociado a uno real para poder interpretar de manera correcta la
información, para ello deben diseñarse técnicas para identificar los elementos
del entorno, dependiendo de las condiciones en las que se vaya a implementar
la aplicación. Además del reconocimiento de objetos en la realidad aumentada,
deben integrarse servicios que proporcionen la información de los objetos que
se encuentran en el entorno, y además de ello, deben implementarse servicios
de localización para determinar la ubicación del usuario con el entorno, conocer
que objetos se encuentran a su alrededor y finalmente conocer el perfil del
usuario para poder elaborar recomendaciones de objetos, lugares o personas

6


de interés, por lo tanto, la aplicación que se pretende desarrollar debe integrar
funciones de reconocimiento, localización y recomendaciones en el entorno.
En resumen, en este proyecto de tesis se diseñaron e implementaron de
servicios que presentan la información contextual de recomendaciones de
personas, objetos y lugares utilizando tecnologías de realidad aumentada, por
ejemplo, descripción de objetos cómo libros, instalaciones, ubicación de
personas e incluso la identificación de personas por medio de tecnologías de
auto-identificación. Como resultado de este proyecto de tesis se desarrolló un
prototipo para teléfonos inteligentes (o Smartphones) que explota todos los
sensores contextuales de estos dispositivos mostrando al usuario información
contextual de la IES sobre video en tiempo real capturado por la cámara del
dispositivo.

1.2 Antecedentes
En esta sección se detallarán las tesis y trabajos que se han elaborado dentro
del área de sistemas distribuidos del CENIDET con respecto al trabajo que se
está desarrollando.

1.2.1 Servicios de localización conscientes del contexto
aplicando perfiles de movilidad y tecnologías de
localización heterogéneas [Arjona 2009]
Este trabajo se considera antecedente ya que desarrolló servicios de
localización en interiores que pudieran estar conscientes del contexto, además
se implementaron servicios para la localización de los usuarios utilizando
dispositivos celulares, de esta manera se cuenta con un sistema de localización
en interiores que puede identificar los objetos que se encuentren en el entorno
real.
Este proyecto logró introducir una aplicación conocida como “T-Guía”, la cual
cuenta con una arquitectura cliente servidor, el servidor es capaz de gestionar
la ubicación de los objetos mediante tarjetas RFID y las direcciones MAC de los
dispositivos, mientras que la aplicación de cliente fue elaborada para
dispositivos móviles con sistema operativo Android, y es capaz de recibir la
información de las localizaciones mediante RFID y QRCodes, gracias a las
tecnologías implementadas en este proyecto se logró una localización en
interiores con una precisión de posicionamiento de los dispositivos menor a 2
metros.

1.2.2 API para servicios de localización basada en tecnología
RFID, QRCode, WIFI y Bluetooth [Yris 2012]
Este proyecto dio como resultado una API que permitía al programador
implementar métodos de localización de dispositivos móviles en interiores de
edificios en base a las lecturas obtenidas por dispositivos con interfaz IEEE
802.11 (Wi-Fi) y RFID. Los métodos que conforman la API también permitirán
la trazabilidad en tiempo real de personas y objetos que se encuentren
identificados por etiquetas RFID pasivas.

7


El algoritmo de localización por redes inalámbricas, mediante Wi-Fi o Bluetooth,
consiste en definir distintas áreas de localización dependiendo la potencia de la
señal con la que esta se reciba, en la figura 1.1 puede apreciarse un ejemplo
de ésta definición de zonas tipo de algoritmo, los distintos puntos de acceso
emiten señales con distinto nivel de frecuencia, dependiendo la potencia
recibida por cada uno de los puntos de acceso es posible dividir el entorno en
celdas de localización, ya que se ha dividido el entorno en estas celdas, es
posible identificar la ubicación del usuario en el entorno al registrar la potencia
de la señal recibida, este método es conocido como el algoritmo de localización
“fingerprint”.

Figura 1.1 algoritmo de localización por redes inalámbricas implementado [Yris
2012]

Una vez establecido este algoritmo para la localización en interiores, se
procedió a medir la potencia de las señales de los puntos de acceso en el
entorno, registrando el incremento y decremento de cada señal recibida, esto
permitió dividir el entorno en celdas de localización con una superficie de 2
metros cuadrados, generando una división como se muestra en la figura 1.2.

8


Figura 1.2 segmentación del entorno de acuerdo a la potencia de señal inalámbrica
recibida [Yris 2012]

Para definir la localización dentro de las distintas áreas funcionales del entorno,
se agruparon las celdas que se encontraban dentro de una de las áreas, de
ésta forma, podrá definirse si el usuario se encuentra en un área funcional del
entrono dependiendo en qué conjunto de celdas se encuentra, la siguiente
tabla define la correspondencia de las zonas funcionales del entorno con las
celdas definidas en la figura anterior.

Nombre de la zona de localización Símbolo / color
CENIDET.Cerritus.DCC.Aula_1
CENIDET.Cerritus.DCC.Laboratorio_Sistemas_Distribuidos
CENIDET.Cerritus.DCC.Laboratorio_Ingenieria_de_software
CENIDET.Cerritus.DCC.Laboratirio_Inteligencia_Artificial
CENIDET.Cerritus.DCC.Soporte_tecnico
CENIDET.Cerritus.DCC.Sanitarios
CENIDET.Cerritus.DCC.Escaleras_planta_baja
CENIDET.Cerritus.DCC.Entrada_al_edificio
CENIDET.Cerritus.DCC.TragaLuz

Además de implementar un servicio de localización por tecnologías
inalámbricas, también se implementó un algoritmo de reconocimiento mediante
RFID. Esta tecnología permite capturar e identificar de manera automática
información contenida en etiquetas (tags) a través de un lector de ondas de
radio frecuencia, éstas etiquetas RFID se adhieren a algún objeto, cuando el
objeto se encuentre en el campo de recepción del lector RFID, la etiqueta se
energiza y envía como respuesta un número de 96 bits (código EPC) al lector,
9


este código se utiliza para identificar y extraer información del objeto [Portillo
2008].
Para ésta identificación, se diseñaron portales RFID que contaban con dos
antenas lectoras, las cuales podían registrar el movimiento de entrada y salida
de alguna entidad que contenga un tag, en la figura 1.3 se presenta el modelo
de los portales RFID, estos portales podrían ser instalados en los accesos de
las distintas áreas del entorno como se muestra en la figura 1.4, de esta forma
el sistema podría registrar cuando un usuario, con una etiqueta RFID asignada,
entraba o salía de determinada área, y de esta forma inferir su localización.

Figura 1.3 diagrama del funcionam iento de los portales RFID [Yris 2012]

Figura 1.4 diagrama para la implementación de portales RFID [Yris 2012]

10


1.2.3 Generación y explotación de mapas semánticos para
instalaciones organizacionales mediante el uso de
ontologías [Estrada 2012]
En este proyecto se desarrollaron herramientas que permitieron crear mapas
virtuales con anotaciones semánticas de manera automática, de esta forma los
mapas contienen información acerca de la estructura de la información,
además de contener la información de los elementos que se encuentran en
cada uno de los lugares.

Para poder elaborar esto, los mapas se desarrollaron en el lenguaje de diseño
de gráficos en segunda dimensión Scalable Vector Graphics (SVG), de esta
manera se lograron desarrollar mapas que contienen información de las
instalaciones sin depender de algún servicio web para obtener esta
información, además que este formato permite elaborar acercamientos a las
imágenes sin obtener alguna distorsión. En la figura 1.5, se muestra un ejemplo
de un mapa construido en este formato de la planta baja del edificio de
computación.

Figura 1.5 Ejemplo de un mapa generado en el proyecto [Estrada 2012]

Para obtener la información contenida en estos mapas, se utilizaron ontologías
organizacionales, en las cuales contenían información acerca de los objetos,
personas, eventos, recursos, etc. Con estas ontologías se podía extraer la
información de la organización y asignarle esta información a los mapas SVG,
de esta forma el mapa contendrá información sobre los objetos y las personas
que están asignadas a ese lugar. Además de ello, se desarrolló una ontología
capaz de modelar la infraestructura de una organización, con la cual era
posible definir áreas funcionales, entradas, edificios, escaleras, etc.

11


1.2.4 Servicio de recomendación contextual mediante
ontologías multidimensionales para dispositivos
Smartphone [González 2012]
El objetivo de esta tesis fue desarrollar servicios de recomendación
contextuales para usuarios móviles de una IES, mediante la explotación de
ontologías organizacionales y ontologías de perfil de usuario, para inferir
recomendaciones de servicios, personas, lugares y objetos asociados a una
organización. Las recomendaciones se explotarán en el dispositivo móvil de un
usuario, aplicando técnicas avanzadas de interacción basadas en texto para
visualizar las recomendaciones, utilizando el potencial de los dispositivos
móviles de última generación.

Este proyecto busca modelar la información contextual de una organización
(IES) mediante una red de ontologías, basándose en los conceptos definidos
en [Bouzeghoub 2009] sobre contexto multidimensional, de tal forma, que se
contemplan cinco dimensiones, correspondientes a las siguientes ontologías:

 Ontología organizacional: en esta ontología, basada en las ontologías
de organizaciones desarrolladas previamente en el CENIDET, se
describen diversos aspectos de la institución, tales como los datos
generales y financieros de una organización, sus competencias,
recursos de infraestructura, recursos humanos, estructura
organizacional, objetos de conocimiento y servicios, entre otros.

 Ontología de localización: esta ontología se forma de ontologías de
espacios y de localización, desarrollándose actualmente en CENIDET
[Estrada 2010] [Yris 2012], considera espacios interiores y exteriores de
las organizaciones.

 Ontología de Actividades: se propone esta ontología para describir las
actividades de las personas pertenecientes a una organización,
considerando el tipo de actividad, el rol de la persona en ella y los
recursos organizacionales asociados a dicha actividad.

 Ontología de tiempo: se toma como base la ontología OWL-Time y se
propone extenderla para satisfacer los requerimientos del sistema de
recomendación propuesto en esta tesis, tal como el modelado de
horarios, periodos de trabajo, fechas de eventos, etc.

 Ontología de perfil de usuario: en esta ontología, basada en las
ontologías de perfil de usuarios desarrolladas previamente en el
CENIDET, se describen los intereses y preferencias de los usuarios,
además de las competencias de los mismos.

12


Con este conjunto de ontologías, a las cuales se le añadirán las relaciones
correspondientes para conformar la red, se busca modelar aspectos
relacionados con competencias organizacionales e individuales, objetos de
conocimientos, localización, infraestructura, eventos espacio/temporales,
agendas de actividades, ocupaciones, roles e intereses de los usuarios.

1.3 Descripción del problema
Actualmente, los sistemas de información contextual en entornos inteligentes
que utilizan realidad aumentada, necesitan establecer métodos para identificar
objetos, personas o lugares que estén contextualizados en el sistema. Sin
embargo deben aplicar diferentes tecnologías para el reconocimiento de
objetos dependiendo el entorno en el que se encuentre la aplicación, ya que
algunas de ellas, como el reconocimiento de objetos a través de marcadores,
pueden ser más eficientes en ciertos entornos, incluso dependiendo del origen
del entorno, algunas tecnologías no pueden implementarse, por ejemplo el uso
de marcadores en museos de patrimonio cultural.

Una vez conocidas las tecnologías que pueden implementarse en el entorno,
debe tenerse en cuenta que utilizar una sola técnica para el reconocimiento de
objetos en este tipo de aplicaciones no garantiza una buena precisión al
relacionar los objetos reales con sus anotaciones virtuales [Park 2010], además
es muy difícil realizar todas las funciones del sistema mediante el uso de una
sola tecnología, por ejemplo, si se utilizaran marcadores únicamente, para la
localización del usuario en el entorno deberían implementarse muchos
marcadores, de tal manera que se asegure que el usuario visualice, además
cada marcador necesitaría contener la información de la zona del entorno en la
que se localiza el usuario, tal como se hizo en [Thomas 2002], en caso de las
tecnologías sensoriales, podría detectarse los objetos que se encuentran cerca
del dispositivo, sin embargo algunas de ellas emiten señales de corto alcance,
tal es el caso de RFID, y en cuanto a la realidad aumentada sería imposible
asociar los objetos virtuales con los reales de manera precisa, por ejemplo en
caso de encontrarse múltiples objetos en el entorno, el dispositivo podría
detectar las señales emitidas por estos, sin embargo no podría asignar los
objetos virtuales con precisión a los objetos, debido a que no sabría en qué
dirección se recibe la señal. Debido a lo anterior, deben implementarse
técnicas que permitan combinar las distintas tecnologías de localización de
usuarios y reconocimiento de objetos en el entorno para obtener una mayor
precisión en la inserción de los objetos reales.

Cada una de las técnicas utilizadas para la auto-identificación de objetos
implica diferentes procesos para el reconocimiento de los mismos, por ejemplo,
la identificación sensorial necesita conocer la localización del usuario para
determinar que objetos se encuentran en su alrededor, después, con ayuda de
los sensores del dispositivo, puede obtener la orientación del usuario y

13


mostrarle los objetos que está viendo a través de la cámara del dispositivo
móvil. Para elaborar técnicas de auto-identificación hibridas es necesario tomar
en cuenta ¿cómo se van a reconocer los distintos objetos del entorno utilizando
diversas técnicas?, ya que el entorno puede contar con diferentes objetos, en el
campo de visión podrían encontrarse objetos que se reconozcan mediante su
forma, algún marcador o tecnologías sensoriales, de tal manera que debemos
considerar que en el entorno existen múltiples objetos que pueden auto-
identificarse de distintas maneras en tiempo real.

Una vez que se implementan las técnicas de auto-identificación para reconocer
personas, objetos y lugares, se debe extraer la información descriptiva de cada
uno de estos elementos de una fuente de información contextual, para este
proyecto de tesis se utilizará el servicio de recomendación T-Guía, este sistema
modela semánticamente una organización y recomienda al usuario cada uno
de los elementos que define el modelo semántico desarrollado en los proyectos
de tesis descritos en la sección 3, como caso de estudio, en este proyecto de
tesis se considera como escenario de prueba una institución de Educación
Superior (IES), debido a que estas contienen información sobre personal,
eventos, horarios, objetos, etc. de esta manera existe mucha información
contextual en una IES para elaborar recomendaciones de los elementos
anteriores, además que los proyectos anteriores, incluyendo el sistema de
recomendación [Gonzáles 2010], el servicio de localización [Yris 2012] y el
modelado de la infraestructura [Estrada 2010], están basados en la IES
CENIDET, y debido a esto, la aplicación que se pretende desarrollar podría
auxiliarse de éstas herramientas al integrar su funcionamiento para el entorno
en que fueron diseñadas.

Con el escenario descrito para esta tesis, se debe relacionar la información
contextual de los de las personas, lugares y objetos de la IES con las técnicas
de realidad aumentada que estén en el campo de visión del dispositivo,
solucionando los problemas relacionados con objetos sobrepuestos,
identificación de lugares desde diferentes puntos de visión, de acuerdo a la
ubicación del usuario en las instalaciones de la IES, considerando que la
infraestructura de la organización se conforma de varios edificios multinivel en
un área extensa y de muchos objetos de conocimiento y equipos de laboratorio.

1.3.1 Complejidad del problema
Como se ha mencionado anteriormente, en este proyecto deben implementarse
técnicas que sean capaces de localizar a los usuarios en entornos inteligentes,
los cuales mediante tecnologías para el censado de dispositivos móviles
pueden detectar e inferir actividades del usuario, además de que debe
mostrársele al usuario información contextual del ambiente que lo rodea, lo cual
implica que debe considerarse lo siguiente para poder implementar esta
aplicación:

14


 Debe implementarse una técnica adecuada de auto-identificación para
los objetos, lugares y personas, que permita la identificación de múltiples
objetos en el campo de visión del dispositivo.

 Deben implementarse técnicas de reconocimiento de múltiples objetos
tanto para la identificación en interiores y exteriores dentro del entorno
inteligente.

 Deben establecerse técnicas que permitan la auto-identificación de
personas, que puedan reconocer a una persona y mostrar la información
de ésta mediante información contextual del sistema de recomendación.

 Cada técnica utilizada comprende propias dificultades de
reconocimiento, los marcadores deben diseñarse de determinado
tamaño, dependiendo de la resolución de la cámara del dispositivo, para
que puedan identificarse de manera correcta.

 La aplicación necesita un repositorio donde pueda asociar los patrones
para la identificación de los objetos y la información de los mismos.

1.4 Objetivos del proyecto

1.4.1 Objetivo general
El objetivo de esta tesis es el análisis, diseño e implementación de servicios de
recomendación contextual para instituciones de educación superior, que
utilicen tecnologías de realidad aumentada para mostrar información de
personas, lugares y objetos en dispositivos Smartphone.

1.4.2 Objetivos específicos
 Implementar servicios de localización en interiores capaces de
determinar la localización en tiempo real de un dispositivo móvil.

 Desarrollar un servicio que sea capaz de determinar la orientación del
dispositivo Smartphone mediante los sensores contextuales como el
acelerómetro, magnetómetro y giroscopio.

 Desarrollar servicios que permita identificar los objetos, lugares,
personas y edificios que se están visualizando en el dispositivo,
extrayendo la información contextual del modelo semántico
organizacional.

 Desarrollar servicios para la extracción de información contextual de una
red de ontologías organizacionales, que contendrán la información del
entorno en el que se desarrollará la aplicación.

15


 Desarrollar servicios que muestren información contextual en tiempo real
de personas, lugares y objetos mediante técnicas de realidad
aumentada.

1.5 Justificación
Además de la realidad aumentada como una opción de interfaz para los
sistemas de cómputo ubicuo, también pueden desarrollarse sistemas que
muestren la información contextual del entorno mediante mapas en segunda o
tercera dimensión, sin embargo este tipo de interfaz carece de naturalidad en la
interacción del usuario con la información del entorno, lo que conlleva a
problemas como la interpretación de la información del entorno, la localización
de lugares, objetos o personas que se encuentren en un piso distinto al del
usuario, y al orientar al usuario en cuanto a su localización del edificio [Kurata
2007]. Las tecnologías de realidad aumentada han evolucionado la interacción
con el entorno en los sistemas de computación ubicua, ya que el usuario es
capaz de visualizar el entorno real con información mediante objetos virtuales,
lo que permite una interacción más intuitiva, de tal manera que el usuario
puede obtener la información y recomendaciones de objetos, lugares y
personas únicamente al enfocarlas con el dispositivo [Matysczo 2003].

Actualmente se está desarrollando una nueva versión del sistema de
recomendación contextual de [Arjona 2009], de esta manera este proyecto
integraría nuevas funciones que permitieran ampliar su funcionalidad. Como
parte de las mejoras del sistema T-Guía, se pretende mejorar la aplicación
cliente del sistema, de esta manera se implementarían nuevos métodos de
localización y se aprovecharían tecnologías de los dispositivos móviles que no
se consideraron al desarrollar la primera versión del sistema T-Guía.

Por otro lado, las tecnologías de realidad aumentada le permiten interactuar al
usuario con el entorno real de manera más natural con la información de
entornos inteligentes. Además, los dispositivos Smartphone integran
tecnologías sensoriales que podrían gestionar muchos de los requerimientos
de la implementación de aplicaciones de realidad aumentada. Por lo que al
desarrollar una nueva aplicación de información contextual utilizando
tecnologías de realidad aumentada, se innovaría la interacción del cliente con
el sistema.

16

Capítulo 2. Marco Teórico

En esta sección se describen algunas herramientas, conceptos y aspectos
técnicos que están considerados para el desarrollo del proyecto descrito en
este documento.

17


2.1 Realidad aumentada
La realidad aumentada (Augmented Reality, AR) es un área de investigación
que se procura mejorar la interacción con el entorno real mediante la
superposición de información virtual [Schmalstieg 2011], esto quiere decir que
gracias a las tecnologías desarrolladas mediante realidad aumentada podemos
elaborar tareas en el entorno real permitiéndonos obtener información de éste
mediante la inserción de objetos virtuales en el entorno, la realidad aumentada
abarca tres principales características;

 La inserción de imágenes virtuales en los entornos reales. Como ya se
mencionó anteriormente, la realidad aumentada integra información en
el entorno real mediante objetos virtuales, ya sea mediante animaciones
u objetos estáticos sobre el video grabado del entorno mediante la
cámara del dispositivo.

 Reconocimiento de objetos en tercera dimensión. Debido a que la
realidad aumentada necesita sobreponer información de los objetos en
el entorno, es necesario colocarla de manera precisa sobre cada uno de
ellos, de esta forma se aseguraría una correspondencia del objeto con la
información virtual, para ello se aplican distintas técnicas de
reconocimiento de los elementos en el entorno.

 Interactividad en tiempo real. Una de las características que integra la
realidad aumentada es, que mientras el usuario interactúa con el entorno
real puede interactuar con los objetos virtuales en el mismo instante.

Inicialmente las aplicaciones de realidad aumentada se desarrollaban en
computadoras fijas o se construían dispositivos que se montaban sobre el
usuario (Head Mounted Display, HMD) para permitir la movilidad de estas
aplicaciones en el entorno [Azuma 1997], sin embargo, el costo de estos
sistemas y los conocimientos técnicos necesarios para su uso impidieron
generalizar la construcción de sistemas de realidad aumentada en estos
dispositivos. Actualmente, varios investigadores han desarrollado sistemas de
realidad aumentada aprovechando las tecnologías que ofrecen los dispositivos
de cómputo móvil, como los PDA’s, Smartphones, Tablets PC, etc. Estos
dispositivos contienen tecnologías sensoriales que nos permiten conocer el
posicionamiento del usuario en el entorno y además la orientación del usuario
para conocer que objetos se encuentran en su campo de visión [Thalmann
2008].
Los sistemas de realidad aumentada requieren de un reconocimiento preciso
de la orientación y el posicionamiento del usuario para poder ajustar la
información virtual en los objetos reales, para ello pueden utilizarse distintas
técnicas con las cuales puede identificarse a los objetos del entorno, estas
pueden clasificarse dependiendo a la estrategia y a las tecnologías utilizadas
para la identificación de objetos del entorno, comúnmente puede elaborarse la
identificación de objetos mediante el uso de marcadores visuales, sin
marcadores o mediante tecnologías sensoriales, a continuación se describe en
qué consiste cada una de estas tecnologías.

18


2.1.1 Reconocimiento de objetos mediante el uso de
marcadores
Un marcador visual es una imagen que contiene algún código preestablecido,
el cual puede ser decodificado por algún dispositivo para el reconocimiento de
objetos, transferencia de información, etc.

En la realidad aumentada, los marcadores se utilizan para facilitar y controlar
las imágenes que se van a visualizar, además de implementar otras funciones
en el sistema, por ejemplo, en [Thomas 2002] se implementó un juego de
realidad aumentada en primera persona en el que, además de utilizar
marcadores para insertar los objetos virtuales, se implementó un sistema de
localización de bajo costo utilizando los marcadores, en donde se establecía la
ubicación del usuario en el entorno dependiendo el tipo de marcador. Además
de funcionar como un sistema de localización los marcadores permiten obtener
la orientación del dispositivo sin necesidad de utilizar sensores de orientación
en el dispositivo, en trabajos como [Schmalstieg 2003] y [Schmalstieg 2006] los
marcadores ayudan a obtener la orientación del dispositivo de acuerdo a la
inclinación de la imagen del marcador capturada.
En la figura 2.1 puede apreciarse un ejemplo de los marcadores que se utilizan
comúnmente; de plantilla y matrices de datos. Los marcadores de tipo plantilla
son aquellos que se diseñan con alguna figura en particular, especialmente
diseñada para reconocer objetos en el entorno, pueden facilitar la interpretación
de estos por los usuarios. Las matrices de datos son capaces de almacenar
códigos binarios de manera bidimensional, comúnmente se emplean matrices
de 6x6 capaces de generar 4096 marcadores distintos, también se han llegado
a implementar matrices de datos de 144x144 capaces de almacenar hasta
1558 bytes.

Figura 2.1 marcadores de planti lla y matrices de datos [Schmalstieg 2007]

Además de las matrices de datos, también existen los códigos de respuesta
rápida (Quick Responce Code, QRCode), los cuales representan un código
bidimensional con el cual se puede codificar texto alfanumérico, códigos
numéricos e imágenes, la especificación permite codificar tres clases de
información: QRCodes con 7,089 caracteres numéricos, con 4,296 caracteres
alfanuméricos y con 2,953 códigos binarios (imágenes) [ISO 2006], En la figura
2.2 puede apreciarse un ejemplo de un QRCode.

19


Figura 2.2 ejemplo de un QRCode [Woo 2011]

Como puede observarse, los marcadores son capaces de almacenar datos de
distintas formas, además que pueden ser útiles para indicarle al usuario zonas
de interés. Para poder reconocer la información que se encuentra dentro del
marcador podemos utilizar el algoritmo propuesto en [Schmalstieg 2007], el
cual consta de cinco fases descritas de la siguiente forma:
Umbralización. En este proceso se eliminan las sombras y los otros colores
capturados del entorno, conservando únicamente aquellos colores que
permitan identificar al marcador, por ejemplo, en la figura 2.3 puede apreciarse
que cuando el marcador se encuentra en blanco y negro, el proceso de
umbralización eliminará los otros tonos de la imagen, conservando únicamente
aquellos que le permitan identificar el marcador.

Figura 2.3 proceso de umbralización [Schmalstieg 2007]

Detección de marcadores. Una vez que se ha obtenido una imagen con la
umbralización, deberán detectarse todas las figuras que puedan formar un
marcador, en este proceso se obtendrán diversas formas sin importar que no
formen un rectángulo o la forma establecida del marcador.
Definición de la forma. Una vez obtenidas las figuras candidatas, se someten
a una verificación que comprueba que cumplen con la forma de los
marcadores, en caso de que los marcadores sean cuadrados, se descartarán
todas las figuras que no tengan las propiedades de la forma del marcador.
Verificación de patrones. Una vez obtenidas las figuras de los marcadores,
puede identificarse el patrón que este contiene, este proceso permitirá
reconocer el marcador y añadir los objetos virtuales correspondientes
Estimación de la orientación. Finalmente puede obtenerse una orientación
del dispositivo con respecto al marcador, esto puede hacerse al detectar alguna
inclinación en la imagen capturada del marcador

20


Los marcadores visuales permiten controlar la identificación visual en el
entorno, incluso pueden diseñarse para facilitar su reconocimiento, por ejemplo
al integrar marcadores de colores más visibles en el entorno, además de poder
aprovechar otras funcionalidades de estos, como la obtención de la orientación
y ubicación del dispositivo.

2.1.2 Técnicas de reconocimiento visual sin marcadores
En algunos de los entornos, como es en el caso de los museos de patrimonio
cultural [Park 2010] y [Papagiannakis 2005], no pueden agregarse marcadores
para la identificación de objetos en el entorno, por lo tanto debe optarse por
otras estrategias que le permitan a la aplicación identificar que objetos se
encuentran a su alrededor. Las técnicas de reconocimiento visual se utilizan en
los sistemas inteligentes para facilitar la recolección de los datos y la toma de
decisiones, este tipo de técnicas se encarga de clasificar objetos, capturados
en alguna escena o imagen capturada, en cierto número de categorías o clases
[Pajares 2008].
Muchos sistemas de este tipo se basan en la identificación de formas, bordes,
o puntos clave de los objetos en el entorno, para ello es necesario aplicar algún
algoritmo de tratamiento de imágenes por visión artificial. Para comprender de
manera general como puede llevarse a cabo un reconocimiento visual, se
expondrá el algoritmo propuesto por [Matysczok 2003], en el cual se extraen
los bordes de una imagen para el reconocimiento de objetos y, posteriormente,
para la inserción de información virtual de ese objeto.

 Extracción de la estructura del objeto. Es necesario que primero se
obtenga una imagen de algún objeto mediante la cámara del dispositivo,
en este paso también se identificarán los bodes y puntos clave que
puedan formar alguna figura que pueda ayudar a reconocer el objeto.
 Acceso a los datos 3D-CAD. Una vez obtenidas los bordes, puntos o
figuras candidatas a formar un objeto, se accede a los modelos creados
en programas de diseño asistido mediante computadora (CAD), estos
modelos almacenan las formas de los objetos del entorno que pueden
ser identificados, de esta forma ayudarán a comparar las figuras
obtenidas en el primer paso para determinar si se trata de algún objeto
contextualizado.
 Detección de figuras auxiliares. Una vez obtenido el modelo 3D-CAD,
se compara este modelo con las figuras obtenidas en la captura de la
imagen, de esta forma se obtendrán todas las coincidencias con el
modelo, obteniendo una primera forma del objeto.
 Reducción de polígonos. Ya que se han obtenido los bordes, puntos
clave y figuras que coinciden con el modelo 3D-CAD, aquellos que no
hayan coincidido con el modelo serán descartados, reduciendo las
figuras capturadas para simplificar la forma del objeto y su
reconocimiento.
 Extracción de bordes dominantes. Ya que se cuenta únicamente con
las figuras que coinciden con el modelo, se definen los bordes y
superficies que formarán al objeto.

21


 Definición de relaciones. Una vez definidos los bordes y las superficies
capturadas, se procede a formar relaciones entre estos para definir el
objeto, esto permite reconocer finalmente al objeto
 Conversión de datos. Finalmente, este objeto puede pasarse a un
formato de reconocimiento, en donde pueda devolverse una clave de
identificación, que le pueda indicar al sistema cómo reaccionar una vez
que se ha reconocido el objeto, en algunos casos este objeto puede
llegar a almacenarse para enriquecer los modelos 3D-CAD.

Como puede verse, el proceso de reconocimiento de objetos requiere un
tratamiento avanzado de imágenes, debido a que estos objetos deben ser
identificados sin importar de qué ángulo haya sido capturada la imagen, es por
ello que los modelos 3D-CAD deben capturarse de manera robusta, de tal
forma que el objeto pueda identificarse de diferentes perspectivas.

2.1.3 Técnicas de reconocimiento sensorial
Las técnicas de reconocimiento sensorial pueden dividirse en dos tipos de
acuerdo al tipo de reconocimiento que utilizan, por un lado se encuentran
aquellas técnicas que se encargan de reconocer los objetos al recibir una señal
mediante algún tipo de sensor, y por otro lado se encuentran aquellas que
utilizan sensores de orientación para definir que objetos se encuentra
visualizando el usuario de acuerdo a la posición en la que se encuentra el
dispositivo.
Algunos trabajos han utilizado tecnologías como la identificación por luces
infrarrojas, tecnologías por identificación de radiofrecuencia (RFID) u otro tipo
de sensores. En trabajos como [Olwal 2006] se utilizan sensores infrarrojos en
los dispositivos para poder detectar una señal capaz de identificar objetos del
entorno y proyectar información contextual del mismo. El trabajo [Rashid 2006]
utiliza la tecnología RFID para integrar etiquetas en los puntos de interés
(points of interest, POI) capaces de contener información de estos, para la
lectura de estas etiquetas, se integró un lector de RFID en el dispositivo, de
esta forma el sistema era capaz de reaccionar ante los POIs del entorno
detectados por el dispositivo.
Como puede apreciarse, este tipo de tecnologías se utiliza de manera similar a
los marcadores visuales, añadiéndole a algún objeto del entorno un mecanismo
capaz de emitir una señal que pueda ser recibida por el dispositivo y de esta
forma poder identificarse. Sin embargo, existen otros trabajos que aprovechan
los sensores de orientación como el acelerómetro, giroscopio y magnetómetro
para identificar los POIs del entorno. Trabajos como [Paucher 2010]
implementan un reconocimiento a base de los sensores de orientación, el cual
después se complementa con un reconocimiento visual para lograr una mayor
precisión para la correspondencia de la información virtual con los objetos
reales.
En [Mulloni 2010] se propuso un método con el cual puede saberse si el
dispositivo se encuentra viendo un POI a partir de su orientación, en la figura
2.4 puede apreciarse el modelo de orientación de un dispositivo con respecto a
un POI, como puede verse, existen tres rotaciones R definidas por los

22


acelerómetros de los ejes X, Y y Z. Una rotación del dispositivo con respecto al
norte (RDN), la rotación del POI con respecto al norte (RPN) y finalmente una
rotación del dispositivo con respecto al POI (RDP), el norte se define con las
mediciones del magnetómetro del dispositivo.

Figura 2.4 modelo de rotaciones en un reconocimiento sensorial por ori entación

Para que este modelo funcione es necesario establecer una localización del
usuario con el entorno, ya que la orientación de los POIs puede variar de
acuerdo a la ubicación del usuario en el entorno, una vez establecida la
localización del usuario, se toman los datos de las rotaciones RPN, donde se
encontrarán referenciados los POIs. Cada vez que el usuario se encuentre en
la localización definida se obtiene la rotación del dispositivo RDN, esta rotación
obtenida puede compararse con la rotación de los POIs RPN y obtener la
rotación RDP, esta última rotación definirá la rotación que existe entre el punto
de interés y el campo de visión del dispositivo, cuando la orientación del campo
de visión del dispositivo este cerca de un POI, podrá visualizarse la información
contextual de este.
Como puede apreciarse, las técnicas sensoriales son capaces de identificar
objetos al capturar señales en el entorno, o bien, al identificar la orientación del
dispositivo, sin embargo ninguna de estas técnicas utiliza la cámara del
dispositivo para elaborar algún tipo de reconocimiento, por lo que la precisión
de estas técnicas se basa únicamente en las señales capturadas o en las
orientaciones medidas, lo que hace que este tipo de técnicas tenga una menor
precisión en la correspondencia de las anotaciones virtuales con los objetos
reales.

2.2 Computación ubicua
La computación ubicua mejora el uso de las computadoras haciendo que estas
estén conscientes de un entorno físico, procurando que éstas no sean
perceptibles para el usuario, por lo tanto podemos definir a la computación
ubicua como el diseño de ambientes inteligentes que integran computadoras o
dispositivos que sean capaces de registrar los cambios o actividades que se
efectúan en el entorno, de esta manera se pueden implementar sistemas que
pueden cambiar su comportamiento de acuerdo a los eventos que se presenten
en su entorno. [Weiser 1993]

23


La computación ubicua surge con el objetivo de integrar a las computadoras en
las actividades de la vida cotidiana, de esta manera las computadoras podrían
gestionar la información del entorno sin necesidad de que el usuario tuviera
conciencia de los dispositivos encargados de construir el ambiente inteligente,
para ello, se han diseñado dispositivos de cómputo móvil cada vez más
discretos, como los Smartphones o PDA’s, capaces de obtener información del
posicionamiento y la orientación del usuario a base de sensores integrados en
los dispositivos, además, también se han diseñado tecnologías capaces de
integrar técnicas de auto-identificación de los objetos en el entorno, como los
marcadores, códigos QR o etiquetas RFID.

2.3 Servicios de recomendación contextual
El modelado y administración de contexto es crítico para la implementación de
servicios inteligentes (Smart Services), término que incluye dos áreas
específicas de investigación: a) técnicas de interacción inteligentes, que tratan
aspectos relacionados con el descubrimiento, agregación y entrega de
recursos, b) servicios inteligentes, enfocados en proporcionar la infraestructura
adecuada para dar soporte a las interacciones inteligentes; es decir,
proporcionar la funcionalidad requerida que permita a un sistema adaptarse a
su entorno y a las preferencias y necesidades del usuario.
Esto significa que además de conocer el contexto del usuario, también se
requiere conocer el contexto que le rodea, país, ciudad, época del año, horario,
etc. El contexto se puede representar con información espacial, se utilizan
bases de datos espaciales (SIG) que procesan información georeferencial
(longitud, latitud) para ubicar puntos o superficies de terrenos o instalaciones
en cualquier lugar del planeta, esta información es útil para establecer límites,
siempre que sea necesario restringir el razonamiento espacial, de acuerdo a
los elementos que se encuentren cercanos a una persona, como por ejemplo
personas, instalaciones negocios, lugares, etc.
Con esto se reconoce la importancia de la heterogeneidad de la información
contextual, así como también de las relaciones inherentes a ésta. Lo anterior se
puede resumir con la siguiente definición de contexto: Cualquier información útil
para caracterizar el estado de entidades individuales y las relaciones entre
ellos. Una entidad es cualquier objeto o persona que puede afectar el
comportamiento de un sistema y/o su interacción con el usuario.
En la última década se han buscado distintos enfoques para representar y
administrar la información contextual. Entre estos acercamientos se
encuentran: listas de atributos con sus respectivos valores, modelos XML con
una estructura de datos jerarquizada de atributos y valores, modelos orientados
a objetos y modelos basados en ontologías, estos últimos permiten definir
especificaciones formales de entidades contextuales y sus relaciones dentro de
un dominio.
Utilizando modelos semánticos basados en ontologías es posible caracterizar
dimensiones espacio-tiempo, en donde se modela tanto a las personas como a
los lugares. Las personas se modelan mediante su perfil, el cual describe los
detalles del usuario en forma de una jerarquía conceptual, representando
información como: el nombre, la edad, el año de nacimiento, el nivel

24


académico, sus dominios de conocimiento, sus competencias individuales1, sus
preferencias, gustos, su agenda, y más. Con relación al modelado de lugares,
se pueden modelar organizaciones describiendo aspectos tales como su
infraestructura tecnológica e instalaciones (activo fijo), sus recursos humanos
(capital intelectual), sus objetos de conocimiento 2 (capital estructural), sus
servicios y sus competencias organizacionales 3 , adicionalmente se pueden
modelar atributos relacionados con espacio-tiempo tales como: horarios,
actividades, servicios, ubicación, etc. Con estos modelos se puede integrar una
red de ontologías que represente un modelo semántico multidimensional.
Como resultado de este modelado semántico multidimensional, los servicios de
recomendación contextual han emergido como un área de investigación que
ofrece varios nichos de oportunidad, áreas como la sobrecarga de información
y soporte para la toma de decisiones [Middleton 2009]. El enfoque semántico
derivado de las ontologías se puede explotar de manera efectiva en servicios
de recomendación contextual, ya que confiere una capacidad de inferencia
sobre la información, haciendo uso de lenguajes basados en lógica de primer
orden y cláusulas de Horn [Breitman 2007].

2.4 Modelado organizacional orientado al entorno
El modelado organizacional es una disciplina que se encarga de externalizar y
formalizar conocimiento estructural y de comportamiento sobre cómo se
organiza, trabaja y cuáles son las funciones de una organización [Cheung
2006], lo cual permite describir de manera más sencilla las competencias,
recursos técnicos, tecnológicos, objetos de conocimiento, etc. Para poder
describir los elementos de la organización mencionados anteriormente, se
utilizan herramientas como la Web Semántica, memorias corporativas, modelos
de competencia y ontologías de la organización.
Los modelos organizacionales nos permiten contener un repositorio con el cual
podemos almacenar y administrar información sobre los recursos, la
infraestructura, datos del personal, eventos, actividades y demás acerca de una
organización, con lo que este repositorio nos suele ser de gran utilidad para
elaborar aplicaciones como servicios de recomendación de la organización,
modelos de representación del entono organizacional, e incluso sistemas de
cómputo ubicuo que puedan informar a un usuario acerca de la localización de
recursos, lugares o eventos que se efectúen en el entorno. De esta forma, las
herramientas que permiten modelar la información de las organizaciones nos
sirven para extraer información relevante para el tipo de aplicaciones que se
pretendan diseñar, en el caso del cómputo ubicuo, pueden diseñarse sistemas
que permitan obtener información acerca de los eventos, lugares, personas u
objetos que se encuentran en el entorno basándose en un repositorio con la
información de la organizacional, por ejemplo ontologías organizacionales.

1 Conjunto de características personales (conocimiento, habilidades, destrezas, intereses, educación y entrenamiento) que un individuo aplica en un rango de
situaciones de un dominio de conocimiento.
2 Representación física de conocimiento, de tal manera que dicho conocimiento quede plasmado en un medio físico, en forma de texto, audio, video o
imagen.
3 Se define como las capacidades colectivas que permitirán a una organización sacar provecho a sus servicios o productos, de sus objetos de conocimiento, de
su infraestructura, prestigio y capital intelectual.

25


2.5 Android
Es un sistema operativo desarrollado por Google, el cual contiene un conjunto
de aplicaciones para dispositivos móviles. Android está diseñado para que los
desarrolladores puedan crear aplicaciones en las que se aproveche al máximo
los recursos y las funciones de los dispositivos móviles. Android está
desarrollado sobre el núcleo del sistema operativo Linux, además utiliza una
máquina virtual que ha sido diseñada para optimizar los recursos de memoria y
hardware en un entorno móvil.
Actualmente, los desarrolladores de Android han liberado un SDK (Software
Development Kit) con el cual se pueden construir aplicaciones en el lenguaje
de programación Java, además este SDK puede actuar como un complemento
para el entorno de desarrollo Eclipse. Esto se ha hecho con el fin de permitirles
a los desarrolladores diseñar aplicaciones tomando ventaja de todas las
características que los dispositivos pueden ofrecer [Kumar 2008].

2.6 Tecnología sensorial en Smartphones
Actualmente la tecnología celular ha evolucionado hasta el punto en que puede
incluir dispositivos que permitan reconocer actividades del entorno físico, tal
como la cámara, micrófonos, acelerómetros, GPS, etc. Para poder procesar
esta información es necesario contar con sensores que permitan captar las
señales físicas para su transformación en datos electrónicos. Un sensor cuenta
con los componentes básicos que se muestran en la figura 2.5, una unidad de
detección (Sensing unit), unidad de procesamiento (Processing unit), unidad
transceptora (Transceiver) y una unidad de energía (Power unit), pueden tener
Componentes adicionales dependientes de alguna aplicación, tales como un
sistema de localización (Location finding system), generador de energía (Power
generator) o un movilizador (Mobilizer).

Figura 2.5 Principales componentes de los sensores [Akyildiz 2002]

Las unidades de detección están compuestas de dos sub-unidades: sensor y
convertidores analógicos a digitales (Analogic-to-Digital Converters, ADC), el
sensor produce las señales analógicas de acuerdo a los datos recibidos del

26


entorno, estas señales analógicas son convertidas a digitales por el ADC y
entonces se envían a la unidad de procesamiento. La unidad de
procesamiento, que está generalmente asociada con una pequeña unidad de
almacenamiento, procesa la información que recibe para convertir los datos
recibidos en información, el transceptor es aquel que se encarga de enviar y
recibir información de otros sensores o dispositivos, para que estos puedan
interactuar con el sensor, uno de los componentes más importantes de un
sensor es la unidad de energía, ya que ésta provee al sensor la energía para
su funcionamiento [Akyildiz 2002].
En este proyecto se utilizarán sensores que puedan determinar la orientación
del dispositivo, para ello pueden emplearse sensores del tipo magnetómetro,
giroscopio y acelerómetros de tres ejes.
Magnetómetro. En general, un magnetómetro es el tipo de sensor que permite
medir la intensidad y dirección de alguna señal magnética, en algunos
celulares, este tipo de sensor nos permite detectar la dirección de la señal
magnética de la tierra y determinar la orientación del teléfono celular con
respecto a los puntos cardinales, lo que a veces puede funcionar como una
brújula digital [Kim 1989].
Giroscopio. Un sensor de tipo giroscopio registra los movimientos entre los
tres ejes (eje longitudinal, eje vertical y eje transversal de acuerdo a las tres
dimensiones del entorno real), de tal manera que podemos detectar la
orientación y la inclinación del dispositivo, en la figura 2.6 puede apreciarse un
ejemplo de un giroscopio digital, se considera el punto central del dispositivo
como el punto de gravedad del giroscopio, y de acuerdo a este punto el sensor
tomará los valores de su eje vertical (yaw), eje longitudinal (roll) y eje
transversal (pitch), dependiendo de la inclinación en la que se encuentre el
sensor [Jones 2010].

Figura 2.6 diagrama de un giroscopio digital [Jones 2010]

Acelerómetro. Un sensor del tipo acelerómetro se encarga de medir las
aceleraciones y vibraciones, los acelerómetros son direccionales, esto quiere
decir que los acelerómetros pueden medir la aceleración en un solo eje, sin
embargo se han podido desarrollar acelerómetros capaces de leer en múltiples
ejes, los cuales nos permiten medir la aceleración en tres dimensiones. A
diferencia del giroscopio que se encarga de obtener el posicionamiento del

27


dispositivo con respecto a sus ejes, el acelerómetro permitirá obtener la
velocidad en la que el dispositivo se mueve o cambia de posición en los tres
ejes mencionados anteriormente [Jones 2010].

28

Capítulo 3. Estado del Arte

En esta sección se analizaran los trabajos que tienen objetivos similares a los
del proyecto en desarrollo, evaluando cada una de las propuestas de solución
de estos mismos.

29


3.1 Sistemas
En esta sección se describirán los trabajos que desarrollaron sistemas capaces
de insertar objetos virtuales en el entorno, cada uno de ellos fue diseñado para
cierto tipo de entornos con necesidades muy particulares de los mismos.

3.1.1 A Tracking Framework for Augmented Reality Tours on
Cultural Heritage Sites [Park 2010]
El departamento de ingeniería en electrónica y computación de la universidad
Hanyang en Corea, desarrolló una aplicación de realidad aumentada para el
palacio Gyeongbokgung, el cual es un museo de patrimonio cultural ubicado en
Corea. El objetivo de este proyecto era elaborar una inserción de información
virtual en las exhibiciones del museo mediante realidad aumentada, sin
embargo, una de las principales restricciones que tiene este museo de
patrimonio cultural es que no se pueden agregar marcadores al entorno para
facilitar el reconocimiento de objetos.
En este trabajo se menciona que existen distintos tipos de métodos para la
identificación de objetos en sistemas de realidad aumentada, tales como el
reconocimiento mediante el uso de marcadores, sin marcadores
(reconocimiento de formas, figuras o patrones) o bien, utilizando tecnologías
sensoriales, tales como la radio frecuencia, sensores del dispositivo, etc.
Debido a la naturaleza del museo, fue imposible para este proyecto emplear la
identificación de los objetos a través de marcadores, por lo cual, propone un
método hibrido, entre técnicas de identificación visual y reconocimiento
sensorial, para la asociación de objetos virtuales con los objetos reales. Para
ello se diseñó un algoritmo como se muestra en la figura 3.1.

Figura 3.1 algoritmo de estimación de poses [Park 2010]

30


Este algoritmo funciona con tres tipos de identificación, la identificación
sensorial TF1, la identificación visual (TF2 y TF3) y la identificación mediante la
combinación de estas dos técnicas (TF4). Para elaborar el reconocimiento
sensorial TF1, se utilizan sensores de posicionamiento, tales como el GPS,
acelerómetro y giroscopio, los cuales permiten estimar la localización,
orientación y velocidad con la que se mueve un usuario en el entorno. En el
reconocimiento mediante visualización (TF2 y TF3) también estima el
posicionamiento del usuario de acuerdo a las imágenes capturadas con la
cámara del dispositivo, eso se hace mediante el reconocimiento de figuras,
tales como bordes, esquinas o características que son detectadas en las
imágenes capturadas. En TF2 el posicionamiento es estimado utilizando el
reconocimiento de las figuras de manera directa, siempre que las
características de la escena detectada sean conocidas, por ejemplo una serie
de segmentos rectangulares que dominen la escena pudieran describir la forma
específica de un cuarto en el entorno, o bien, alguna figura especifica podría
describir un objeto en particular. En TF3, la información referente a la escena
capturada está predefinida en una base de datos, el posicionamiento es
definido cuando las figuras detectadas en la escena coinciden con las que se
encuentran almacenadas en la base de datos, la cual puede contener
referencia de imágenes o el conjunto de ellas así como sus trasformaciones,
tales como la rotación o la escala.
Finalmente se emplea un reconocimiento hibrido (TF4) que combina las
técnicas basadas en visión y las mediciones obtenidas mediante la localización
sensorial, de manera que la localización sensorial puede proveer información
acerca de una región de interés (Region Of Interest, ROI), una vez identificada
la región de interés en la que se encuentra el usuario, es posible ajustar los
objetos virtuales al entorno real mediante una identificación visual de aspectos
clave del ambiente.

Como ya se mencionó anteriormente, este algoritmo se aplicó al palacio
Gyeongbokgung, tomando los algunos aspectos principales de acuerdo a las
posibles formas de los cuartos y a la localización del usuario con el entorno, en
la figura 3.2 pueden apreciarse algunos ejemplos de la inserción de los objetos
virtuales en algunas de las salas del palacio. En algunas de las salas, como la
que se muestra en la figura 3.2.a, se pudo insertar el objeto virtual debido a la
forma de los objetos que se encontraban en el cuarto (cuatro pilares y un
recuadro en la parte superior), mientras que en otras salas, como en la figura
3.2.b y 3.2.c, es necesario localizar primero al usuario y después reconocer
algún patrón establecido, tal como se explicó en el algoritmo de reconocimiento
hibrido.

31


Figura 3.2. Técnicas de realidad aumentada implementadas en el palacio de
Gyeongbokgung [Park 2010]

3.1.2 An Augmented Reality Presentation System for Remote
Cultural Heritage Sites [Zöllner 2009]
En este proyecto se implementó un sistema que mostraba información y
objetos virtuales en las exhibiciones de un museo de arqueología y patrimonio
cultural, el usuario podía observar videos, imágenes, texto informativo y
modelos en 3D de lugares históricos a partir del reconocimiento de una imagen
del entorno.
Para mostrar la información virtual se elaboró un reconocimiento visual de los
murales o pinturas que se encontraban en el entorno. En ciertos lugares de los
museos se instalaron dispositivos como el que se muestra en la figura 3.3, los
cuales únicamente tenían 180 grados de libertad, cuando el usuario enfocaba
alguno de los murales era posible insertar los objetos virtuales.

32


Figura 3.3 dispositivo estático para la visualización de información contextual en
murales [Zöllner 2009]

Además, el usuario también podía visualizar los objetos virtuales en
dispositivos móviles, como se muestra en la figura 3.4, en este tipo de
reconocimiento, el usuario podía acercarse a una pintura que estuviera paralela
al suelo, el dispositivo mostraba un objeto virtual físico, el cual se quedaba de
manera estática sobre la pintura, permitiéndole al usuario moverse alrededor
de ella para visualizar este objeto en distintas perspectivas. Este sistema fue
implementado en tres museos de patrimonio cultural, adaptando los objetos
virtuales para las exhibiciones y utilizando las mismas técnicas de
reconocimiento de objetos.

Figura 3.4 inserción de objetos virtuales en los dispositivos móviles [Zöllner 2009]

3.1.3 Location-based augmented reality on mobile phones
[Turk 2010]
El laboratorio “Four Eyes” de la universidad de california implementó un
sistema de realidad aumentada capaz de elaborar un reconocimiento visual y
sensorial por orientación de los objetos del entorno. Este proyecto propone un
enfoque en el que se aprovechan los servicios de localización y estimación de
posicionamiento para desarrollar aplicaciones de realidad aumentada, a su vez,
integran técnicas de reconocimiento visual de objetos para lograr una mayor
precisión para insertar objetos virtuales.
Los desarrolladores del proyecto proponen el modelo que aparece en la figura
3.5, la nube azul representa el entorno, en el cual pueden existir diversos
puntos de interés y varias localizaciones en donde puede estar el usuario
(representadas por los puntos verdes), cada una de estas localizaciones define
dos movimientos; uno de rotación, en donde el usuario puede girar con el
dispositivo visualizando el entorno a su alrededor, y otro de traslación, en
donde el usuario cambia de una localización a otra. Cada una de estas
localizaciones contiene un campo de visión, el cual puede variar dependiendo
la rotación del usuario, en este campo de visión pueden encontrarse distintos
puntos de interés (representados por los cubos amarillos), de tal forma que
cuando un usuario se encuentre en una localización y oriente el campo de

33


visión a un punto de interés, el sistema deberá mostrarle información de ese
punto mediante realidad aumentada.

Figura 3.5 Modelo de reconocimiento mediante localización y orientación propuesto
en el proyecto [Turk 2010]

Para el reconocimiento mediante la orientación, se emplearon el magnetómetro
y acelerómetros de tres ejes, además de recibir las señales del norte magnético
y la orientación del dispositivo, estos sensores también captan señales de
eléctricas de objetos cercanos y las aceleraciones que se ejercen sobre el
dispositivo, por ejemplo la gravedad o el movimiento del usuario, por lo que
estas medidas pueden variar y afectar la precisión de los objetos virtuales. Uno
de los problemas que se expone en este método es que la precisión en la
inserción de los objetos virtuales suele ser afectada por las mediciones de los
sensores y la precisión del servicio de localización, es por ello que se
implementaron técnicas de visualización que permitieran insertar los objetos
virtuales de manera precisa, en la figura 3.6 puede apreciarse que con el
método de reconocimiento por orientación (figura de la izquierda) no se obtiene
una gran precisión en la relación de los objetos virtuales con los reales, al
implementar las técnicas visuales, se logró una correspondencia como se
muestra en la figura de la derecha.

Figura 3.6 aumentación mediante el reconocimiento por orientación y a juste
mediante técnicas de reconocimiento visual

34


3.1.4 An Augmented Reality Interface to Contextual Information [Ajanki
2011]
En este proyecto se implementó un sistema de información contextual en una
institución de educación superior, capaz de proporcionar información del
entorno dependiendo a la forma en que el usuario interactuaba con ella.
Para poder retribuirle información al usuario utilizo un algoritmo como el que
aparece en la figura 3.7, primero el sistema infiere la relevancia de la
información de acuerdo al contexto, como el lugar y horario, y de acuerdo al
lugar en que se encuentra el usuario, ésta información se proyecta mediante
realidad aumentada en un dispositivo HDM (Head Mounted Display), finalmente
se evalúa la interacción que tiene el usuario con esta información de acuerdo
con su interacción con esta, ésta interacción le permite al sistema volver a
inferir la relevancia de información extra del elemento del entorno que el
usuario esté visualizando.

Figura 3.7 algoritmo para la retribución de información en el sistema [Ajanki 2011]

En este sistema se podían insertar las anotaciones virtuales como se muestra
en la figura 3.8, como puede observarse, en este proyecto se elaboraba un
reconocimiento facial a las personas que pudieran conocer temas de interés
para el usuario, mientras que los puntos de interés, como lugares del entorno,
eran reconocidos mediante marcadores visuales. Además de utilizar estas
técnicas de identificación, el sistema podía elaborar un reconocimiento de voz,
de esta forma el usuario podría proporcionar información extra del contexto.

35


Figura 3.8 reconocimiento de objetos e inserción de información en el entorno
[Ajanki 2011]

3.1.5 Personalized In-store E-Commerce with the PromoPad: an
Augmented Reality Shopping Assistant [Zhu 2008]
En este proyecto se implementó un sistema en un centro comercial, el cual les
proporcionaba recomendaciones personalizadas a los clientes del almacén. De
tal forma que cuando un usuario se encontraba cerca de algún producto que
pudiera ser de interés para él, se le mostraba un acercamiento del producto,
como se muestra en la figura 3.9, donde además se le mostraba información
del producto y algunas recomendaciones de otros productos similares o
complementarios.

Figura 3.9 acercamiento a un producto de posible interés para el cliente

Para poder obtener la información del usuario, se les repartía una tarjeta a los
clientes frecuentes, de esta forma se podía comprobar que el cliente estaba
utilizando el sistema, con esta tarjeta era posible identificar al usuario y tener
un registro de las compras que había elaborado anteriormente, permitiendo
elaborar un perfil de él para recomendarle productos que pudieran serle de
interés. En este sistema se implementó un servicio de localización mediante
marcadores visuales, de tal forma que únicamente se podría identificar la
localización del usuario cuando éste se encontrara cerca de un producto
contextualizado.

36


3.2 Herramientas
En esta sección se describirán algunas herramientas que pretenden facilitar la
implementación de aplicaciones, con tecnologías de realidad aumentada en
interiores, estas aplicaciones se diseñaron para poder integrar sus
funcionalidades a diversos entornos.

3.2.1 Look!: Framework para Aplicaciones de Realidad
Aumentada en Android [Bellón 2011]
Ésta herramienta fue desarrollada en la Universidad Complutense de Madrid
dentro de la facultad de informática, en este proyecto se pretendía desarrollar
una herramienta capaz facilitar la implementación de sistemas de realidad
aumentada, para ello se implementaron varios algoritmos para gestionar el
reconocimiento de objetos mediante los sensores de orientación e integraron
un sistema de localización mediante tecnologías Wi-Fi.
Además de integrar diversos métodos para la manipulación de los sensores de
los dispositivos, para el reconocimiento por orientación, se integraron otras
funcionalidades y servicios, con el objetivo de abarcar la mayoría de las
necesidades que se presentan en la implementación de sistemas de realidad
aumentada, dichos aspectos son los siguientes:

 Localización en interiores: Como ya se menciono anteriormente, este
proyecto integra un algoritmo de localización en interiores por tecnología
Wi-Fi conocido como Closest Neighbor, en el cual se establecen
determinadas localizaciones en el entorno de acuerdo a la frecuencia
recibida por la señal Wi-Fi, el sistema determina la localización del
usuario mediante la cercanía de los puntos de localización definidos
anteriormente.
 Representación gráfica: En este punto, el Framework permite la
representación gráfica de elementos tanto en dos dimensiones como
tres dimensiones, únicamente proporcionándole al sistema la
información suficiente de los objetos que serán dibujados.
 Interacción con los objetos virtuales: El Framework integra un
sistema de interacción táctil con los objetos virtuales, de tal forma que el
programador debe preocuparse por el efecto producido en dicha
interacción.
 Acceso a Servicios Remotos: Adicionalmente éste Framework
pretende facilitar el acceso a servicios externos, tales como bases de
datos alojadas en servidores remotos.

3.2.2 CAMAR Tag Framework: Context-Aware Mobile
Augmented Reality Tag Framework for Dual-reality
Linkage [Woo 2009]
En este proyecto se propuso un Framework basado en realidad aumentada
para dispositivos móviles consciente del contexto (Context-Aware Mobile

37


Augmented Reality, CAMAR), con el cual, el usuario podría agregar
anotaciones virtuales en un entorno determinado.
Para el funcionamiento de este Framework, el usuario debe capturar imágenes
del entorno en distintas perspectivas, esto es debido a que ésta herramienta
emplea un reconocimiento visual, por ello es necesario extraer primero los
puntos clave de los objetos del entorno para generar modelos que permitan su
reconocimiento posteriormente, estos modelos pueden ser almacenados en un
servidor de la red interna del sistema. Con los modelos capturados
anteriormente, el sistema generará un entorno virtual como aparece en la figura
3.10, con ayuda del entorno virtual, el usuario podrá generar anotaciones,
insertar o eliminar objetos en el entorno, de esta forma, cuando el sistema
reconozca un objeto, a partir de los modelos generados anteriormente, se
podrá insertar información virtual del entorno diseñada por el usuario.

Figura 3.10 generación del mundo virtual a partir del entorno real en el proyecto
[Woo 2009]

3.2.3 Unified Context-aware Augmented Reality Application
Framework for User-Driven Tour Guides [Woo 2010]
Este trabajo desarrolló un Framework orientado a la implementación de
aplicaciones de realidad aumentada, para mostrar información contextual en
museos, permitiéndole al usuario contribuir en el enriquecimiento de
información de las exhibiciones.
Este proyecto extiende las funcionalidades del proyecto CAMAR descrito en
[Woo 2009], por lo que también genera un entorno virtual a partir de imágenes
capturadas de los objetos que se desean contextualizar, sin embargo, en este
Framework se implementaron funciones de localización y reconocimiento
sensorial para facilitar el almacenamiento de modelos.
El sistema utilizaba un servicio de localización mediante marcadores visuales,
además obtenía la información de la rotación del dispositivo para facilitar el
reconocimiento de los objetos en tercera dimensión. Una vez obtenida la
ubicación y orientación del dispositivo, el entorno virtual podía ser generado, de
la misma forma que el Framework CAMAR. De esta forma el usuario podía
agregar anotaciones virtuales en las exhibiciones, las cuales se almacenarían
en el entorno virtual para su posterior proyección.

38

Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales

Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales

Ähnlich wie Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales (20)

Mehr von Gabriel Gonzalez Serna

Mehr von Gabriel Gonzalez Serna (15)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

Servicios de Recomendación Contextual para Instituciones de Educación Superior Mediante Realidad Aumentada Utilizando Smartphones y Ontologías Organizacionales