MétaCan
Menu
Retour à la cohorte
Enregistrement W2139179009 · doi:10.1109/plans.2008.4570083

Heading accuracy improvement of MEMS IMU/DGPS integrated navigation system for land vehicle

2008· article· en· W2139179009 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHeading (navigation)Inertial measurement unitGlobal Positioning SystemInertial navigation systemKalman filterComputer scienceAccelerometerRemote sensingGeodesyArtificial intelligenceGeographyTelecommunicationsMathematicsOrientation (vector space)

Résumé

récupéré en direct d'OpenAlex

Many researches indicated that in land vehicle-based MEMS IMU/DGPS integrated navigation system, the vehicle heading is unobservable and its error can grow significantly fast with time, if the vehicle moves with only slow changes in attitude and acceleration, e.g. the vehicle moving along a straight road at almost constant velocity. In this paper, a new heading measurement is derived from the DGPS positions and this new measurement can improve the heading accuracy of MEMS IMU/DGPS integrated navigation system for land vehicle. However, the DGPS-derived heading will have a significant deviation from the true heading value while the vehicle makes a turn. Thus a sequential Kalman filter is proposed to process the DGPS position and heading measurements in a sequential order with MEM IMU measurements. This ensures the DGPS position measurements still can be used in the KF even if the DGPS heading measurements are unusable due to large deviation to the truth. To ensure the quality of the DGPS heading measurements, an innovation detection method is used to detect and reject the singular DGPS heading measurement from the sequential Kalman filter. A field test was conducted to test the effect of this new heading measurement on improving land vehicle heading accuracy. The test results showed that this new type of measurement can significantly reduce the heading error of MEMS IMU/DGPS integrated navigation solution from about 5 deg to less than 1 deg. Test results also showed that the innovation detection method can effectively control the quality of DGPS heading measurement. Without this control, the singular heading measurement would lead to a heading error as large as 100 deg. In summary, the introduction of DGPS-derived new heading measurement and the innovation detection method investigated in this paper can significantly improve the accuracy and reliability of the heading parameter in land vehicle MEMS IMU/DGPS integrated navigation system.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,291

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 Opus0,014
Tête enseignante GPT0,229
Écart entre enseignants0,215 · 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

En bref

Citations9
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207