MétaCan
Menu
Retour à la cohorte
Enregistrement W2124242103 · doi:10.1017/s0373463300001259

Low-Cost INS/GPS Integration: Concepts and Testing

2001· article· en· W2124242103 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Navigation · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGlobal Positioning SystemInertial navigation systemAccelerometerGPS/INSComputer scienceInertial measurement unitReal-time computingSimulationSensor fusionAssisted GPSInertial frame of referenceComputer vision

Résumé

récupéré en direct d'OpenAlex

The high cost of inertial units is the main obstacle for their inclusion in precision navigation systems to support a variety of application areas. Standard inertial navigation systems (INS) use precise gyro and accelerometer sensors; however, newer inertial devices with compact, lower precision sensors have become available in recent years. This group of instruments, called motion sensors, is six to eight times less costly than a standard INS. Given their weak stand-alone accuracy and poor run-to-run stability, such devices are not usable as sole navigation systems. Even the integration of a motion sensor into a navigation system as a supporting device requires the development of non-traditional approaches and algorithms. The objective of this paper is to assess the feasibility of using a motion sensor, specifically the MotionPak ™ , integrated with DGPS and DGLONASS information, to provide accurate position and attitude information, and to assess its capability to bridge satellite outages for up to 20 seconds. The motion sensor has three orthogonally mounted ‘solid-state’ micro- machined quartz angular rate sensors, and three high performance linear servo accelerometers mounted in a compact, rugged package. Advanced algorithms are used to integrate the GPS and motion sensor data. These include INS error damping, calculated platform corrections using DGPS (or DGPS/DGLONASS) output, velocity correction, attitude correction and error model estimation for prediction. This multi-loop algorithm structure is very robust, which guarantees a high level of software reliability. Vehicular and aircraft test trials were conducted with the system in land vehicle mode and the results are discussed. Simulated outages in GPS availability were made to assess the bridging accuracy of the system. Results show that a bridging accuracy of up to 3 m after 10 seconds in vehicular mode and a corresponding accuracy of 6 m after 20 seconds in aircraft mode can be obtained, depending on vehicle dynamics and the specific MotionPak ™ unit used. The attitude accuracy was on the order of 22 to 25 arcmin for roll and pitch, and about 44 arcmin for heading.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,261

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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