Map Aided Pedestrian Dead Reckoning Using Buildings Information for Indoor Navigation Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Navigation systems play an important role in many vital disciplines. Determining the location of a user relative to its physical environment is an important part of many indoor-based navigation services such as user navigation, enhanced 911 (E911), law enforcement, location-based and marketing services. Indoor navigation applications require a reliable, trustful and continuous navigation solution that overcomes the challenge of Global Navigation Satellite System (GNSS) signal unavailability. To compensate for this issue, other navigation systems such as Inertial Navigation System (INS) are introduced, however, over time there is a significant amount of drift especially in common with low-cost commercial sensors. In this paper, a map aided navigation solution is developed. This research develops an aiding system that utilizes geospatial data to assist the navigation solution by providing virtual boundaries for the navigation trajectories and limits its possibilities only when it is logical to locate the user on a map. The algorithm develops a Pedestrian Dead Reckoning (PDR) based on smart-phone accelerometer and magnetometer sensors to provide the navigation solution. Geospatial model for two indoor environments with a developed map matching algorithm was used to match and project navigation position estimates on the geospatial map. The developed algorithms were field tested in indoor environments and yielded accurate matching results as well as a significant enhancement to positional accuracy. The achieved results demonstrate that the contribution of the developed map aided system enhances the reliability, usability, and accuracy of navigation trajectories in indoor environments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle