MétaCan
Menu
Retour à la cohorte
Enregistrement W1969125483 · doi:10.1109/plans.2012.6236934

Use of magnetic quasi static field (QSF) updates for pedestrian navigation

2012· article· en· W1969125483 sur OpenAlexaff
Jared B. Bancroft, Gérard Lachapelle

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPedestrianComputer scienceField (mathematics)Transport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper assesses a novel method of using a quasi-static magnetic field to provide updates to the navigation (i.e. attitude) filter. The method is able to make use of magnetometer measurements in a perturbed magnetic field, under the condition that the field's magnitude remains constant for short periods of time. The fact that magnetometer measurements can still be used in perturbed environments makes this update significant in terms of incorporating the magnetometer measurements into a navigation solution. The QSF process requires a detection algorithm to first identify quasi-static fields and second to perform the update. Thus this paper applies the QSF algorithm in a navigation filter to assess its performance in GNSS degraded or denied environments. Data sets are used to assess QSF updates. These range from open athletic fields to deep indoors where GPS signals are denied. The environments vary in terms of soft iron effects. The data was collected with high grade miniature MEMS IMUs, a high sensitivity GPS receiver and a low cost magnetometer. An accurate reference solution is derived from a tactical grade IMU. For the backpack mounted IMU the application of QSF updates yielded a 56 % heading error improvement when used as a heading reference system. For a corresponding ankle mounted system the application of QSF updates yielded a 56 % improvement in the position error (RMS) when used as a pedestrian navigation system. The maximum error over a 45 minute GPS outage decreased from 208 m to 128 m. The updates do not significantly decrease the estimated gyro error state variances, indicating that it is more suited for gyros and magnetometers with a lower performance than those used herein.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,249
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207