Tightly Coupled Low Cost 3D RISS/GPS Integration Using a Mixture Particle Filter for Vehicular Navigation
Notice bibliographique
Résumé
Satellite navigation systems such as the global positioning system (GPS) are currently the most common technique used for land vehicle positioning. However, in GPS-denied environments, there is an interruption in the positioning information. Low-cost micro-electro mechanical system (MEMS)-based inertial sensors can be integrated with GPS and enhance the performance in denied GPS environments. The traditional technique for this integration problem is Kalman filtering (KF). Due to the inherent errors of low-cost MEMS inertial sensors and their large stochastic drifts, KF, with its linearized models, has limited capabilities in providing accurate positioning. Particle filtering (PF) was recently suggested as a nonlinear filtering technique to accommodate for arbitrary inertial sensor characteristics, motion dynamics and noise distributions. An enhanced version of PF called the Mixture PF is utilized in this study to perform tightly coupled integration of a three dimensional (3D) reduced inertial sensors system (RISS) with GPS. In this work, the RISS consists of one single-axis gyroscope and a two-axis accelerometer used together with the vehicle's odometer to obtain 3D navigation states. These sensors are then integrated with GPS in a tightly coupled scheme. In loosely-coupled integration, at least four satellites are needed to provide acceptable GPS position and velocity updates for the integration filter. The advantage of the tightly-coupled integration is that it can provide GPS measurement update(s) even when the number of visible satellites is three or lower, thereby improving the operation of the navigation system in environments with partial blockages by providing continuous aiding to the inertial sensors even during limited GPS satellite availability. To effectively exploit the capabilities of PF, advanced modeling for the stochastic drift of the vertically aligned gyroscope is used. In order to benefit from measurement updates for such drift, which are loosely-coupled updates, a hybrid loosely/tightly coupled solution is proposed. This solution is suitable for downtown environments because of the long natural outages or degradation of GPS. The performance of the proposed 3D Navigation solution using Mixture PF for 3D RISS/GPS integration is examined by road test trajectories in a land vehicle and compared to the KF counterpart.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».