Интерактивная карта
Прежде чем приступать к позиционированию нужно обеспечить визуализацию. Карта должна быть не просто растровой картинкой, на ней должны быть объекты (стеллажи и т.д.). Это нужно для постоянной подстройки точности позиционирования по данным от WMS-системы. Значит нужен визуальный редактор по типу векторного который свяжет объекты WMS-системы с планом помещения.
Для создания такого редактора использовал внешнюю компоненту NativeDraw из публикации //infostart.ru/public/378415/
С ней очень удобно работать, но вот только я не нашел как получить координаты мыши относительно Холста. Доступны общие координаты на экране, но холст занимает часть экрана. Поэтому пришлось немного поколхозить – т.к. мне нужны координаты точки на холсте то перед началом работы с редактором обработка просит провести калибровку. Нужно указать координаты левого верхнего и правого нижнего угла (тут имеется ввиду углы прямоугольника, обведенные черной рамкой). Предполагается что работа с картой будет проводиться при окне 1С раскрытом на полный экран, т.е. коодинаты холста не будут смещаться никогда, иначе позиция мыши относительно холста будет неверной. Тогда можно провести повторную калибровку и для этого есть кнопка «Сбросить калибровку». В целом это единственное затруднение. Может его можно обойти по другому и кто то подскажет как?
Работа с картой построена на добавлении 3х видов объектов: ячеек (имеются ввиду стеллажи вид сверху), меток и просто текстовых надписей. При добавлении ячейки можно задать количество ячеек, размер на карте, направление в котром они будут отрисованы и нумероваться. При добавлении текста и меток указывается текст. Когда добавляется объект – происходит добавление строки в таблицу объектов (справа) а потом отрисовка на карте. Можно работать с объектом через таблицу – например поменять координаты X и Y и тогда объект сдвинется. Или удалить объект, например ячейку в центре ряда.
Также чтобы не рисовать схему на чистом листе удобно «подложить» реальную фотку плана склада. Для этого используется кнопка «Установить фон карты»
В таблице есть галка «отправить на ТСД» и «Название ТСД». Это выбор мест на карте которые будут отпрвлены на клиент, а название – как оно будет отображаться на ТСД на первичном обучении. Оно заполняется по умолчанию и его можно подредактировать чтобы оператору было понятнее. Когда есть эта пометка на карте такие объекты выделяются красным. Кстати тут подумалось что из этого получился бы неплохой «морской бой» т.к. ячейки с красным выделением очень похожи на «ранен»))
В целом получается что все объекты карты просто хранятся в таблице и их можно в любой момент отредактировать. В базу они записываются в Хранилище значений и потом из него достаются. Как в векторных редакторах.
Получился редактор, который можно еще развить и использовать в различных целях. Если кому то не интересно позиционирование, но он хочет например визуализировать лог перемещений кладовщика по ячейкам то достаточно передавать в «лог координат» координаты ячеек. Перемещение можно изобразить в виде многоугольника. В текущем редакторе текущее положение отображается в виде зеленого кружочка.
Позиционирование
Для позиционирования используется принцип измерения уровня сигнала от роутеров Wi-Fi расположенных в разных разнесенных точках помещения. В текущей реализации мне было достаточно 3х роутеров. Повысится ли точность измерения если добавить еще роутеров – возможно да.
Самое интересное начинается при обработке этой информации. Как я выяснил для подобного позиционирования используется 2 принципа: 1) триангуляция (такой метод использует Cisco) 2)метод паттернов – запоминание состояния сигналов во всех точках. Мне было интересно предложить и испробовать свой метод.
Сначала нужно пояснить особенности задачи:
1-я особенность заключается в том, что на складе постоянно меняется заполняемость стеллажей это влияет на уровень сигнала. Так, коробки с чем то металлическим являются препятствием и сильно ослабляют сигнал. А завтра их уберут и уровень сигнала в той же точке будет совсем другим. Но нам то надо показать на карте то же самое место...
2-я особенность заключается в том что мы постоянно получаем точные данные от WMS о сканировании ячеек. А ячейки привязаны к конкретным координатам. Т.е. мы постоянно получаем точные данные для корректировки. Как видно 2я особенность позволяет бороться с 1й и это существенно влияет на методику. Если делать систему без учета этой особенности то она будет не очень достоверной.
Сначала я хотел сделать триангуляцию с постоянной корректировкой данных от сканирования ячеек. Но потом подумал «это же очень похоже на обучение с подкреплением» и решил проверить как поведет себя простейший перцептрон из моего же поста с обработкой этих данных.
Для того чтобы иметь возможность постоянно снимать данные с ТСД, параллельно работая в другой программе я сделал нативного клиента для андроид устройств, который имеет свой web-сервер для приема запросов от 1С (используется NanoHTTPD https://github.com/NanoHttpd/nanohttpd) Подобная технология «очень тонкий клиент на Android+ обмен HTTP запросами» очень хорошо себя показала как замена связки RDP+1C. Ну и возможностей у нативного приложения конечно несравнимо больше чем у 1С мобильной платформы. Данное решение можно рассматривать как пример такого рода взаимодействия на котром можно строить другие решения, тот же WMS-клиент или клиент для службы доставки.
Для работы надо установить приложение на устройство (скачав apk-файл из статьи или из маркета). При первом запуске надо зайти в настройки и отсканировать 3 сети которые будут передавать сигнал. Можно и вручную SSID забить. Далее включить сервер в приложении и в принципе все. Приложение может быть перекрыто но сервер все равно работает.В приложении в настройках надо указать адрес сервиса как показано на картинке.
Со стороны 1С также публикуется веб сервис для приема запросов (в процессе обучения).
В 1С в константе надо указать адрес сервиса приложения без "http://":
Первичное обучение. Нужно выделить объекты по которым надо получить координаты. И нажать кнопку «Запустить первичное обучение на ТСД». На ТСД появится такой диалог.
Далее надо переходить (ногами) к точкам указанным на экране и отправлять данные в 1С нажимая на кнопку. В результате в 1С данные будут записаны в регистр «Лог координат» с пометкой «Первичное обучение». Собственно это и есть данные для обучения. После того как точки кончатся на клиенте всплывет тост о том что обучение закончится. В 1С надо нажать кнопку «Обучить сеть в 1-й раз». После этого можно включать показ координат и пользоваться картой.
Переобучение. В процессе работы в 1С поступают данные о сканировании ячеек, это значит что терминал находится рядом с этой ячейкой и эти координаты можно считать эталоном. Такие данные записываются в «Лог координат» с заполненным полем «Адрес» . Вместе с этим записывается уровень сигнала с роутеров. По этим данным можно периодически переобучать сеть. Для переобучения в тестовой базе есть кнопка «Переобучить сеть»
Ну и собственно результат. Нажав на кнопку «Включить показ положения» запускается обработчик ожидания который периодически посылает запрос клиенту, получает данные о сигнале, отправляет в 1С, 1С это пропускает через нейросеть которая выдает координаты X и Y на карте и рисуется зеленый кружок.
Области применения
- Как API для приложения клиентов в торговых центрах для того, чтобы покупатели могли ориентироваться в ТЦ/магазинах. Например мебельных, строительных – там где большая территория
- Размещение товара в торговом зале/складе по принципу «товаровед поставил метку – отправил задание – исполнителю высветилось место назначения/маршрут»
- Складские территории с сложной топологией для облегчения ориентирования
- Как технология для автоматизированных складов
Итоги
Я специально не стал писать о том какая сеть используется, сколько скрытых слоев и нейронов и т.д. Это все достаточно индивидуально и может быть настроено в обработке под конкретное помещение. Также можно использовать другие архитектуры или другие мат. методы, можно пользоваться сервисами Azur например или кому что нравится. Как показали отзывы к моей статье про нейросети в сообществе есть люди отлично разбирающиеся в вопросе. Единственное что можно порекомендовать – точки для обучения должны охватывать в том числе границы объекта – т.е. если это комната то померить в 4й углах и где нибудь в центре.
В результате испытаний была достигнута неплохая точность и стабильность. Надо заметить что позиционирование хорошо работает когда сигнал каждого из роутеров изменяется в широком диапазоне - т.е. они удалены на достаточное расстояние и равноудалены друг от друга. В целом результаты котрые выдает сеть получаются адекватными. Я не могу написать точность в метрах или сантиметрах, т.к. моя методика не оперирует данными в этой размерности. Нейросеть оперирует пикселями на экране и величиной dBm. Магия нейросети как раз позволяет не разбираясь в методах триангуляции, не имея карты с физическими размерами и оперируя такими абстрактными вещами как dBm и пиксели на картинке построить между ними зависимость. На данной технической инфраструктуре можно построить и другие методы обработки данных в т.ч. и классическую триангуляцию.
