Navigation with IMU/GPS/digital compass with unscented Kalman filter
Pourquoi ce travail est-il 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.
Prédiction distillée sur la base complète
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.
- Catégories candidates
- aucune
- Catégories consensuelles
- aucune
- Domaine
- Signal candidat: aucuneSignal consensuel: aucune
- Devis d'étude
- Signal candidat: Simulation ou modélisationSignal consensuel: aucune
- Genre
- Signal candidat: EmpiriqueSignal consensuel: aucune
- Score de désaccord entre enseignants
- 0,848
- Score d'incertitude au seuil
- 0,447
- Statut de validation
machine_predicted_unvalidated·codex-gemma-dda1882f352a
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)
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
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.
- Écart entre enseignants
- 0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
- Statut de validation
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
Résumé
Autonomous vehicle navigation with standard IMU and differential GPS has been widely used for aviation and military applications. Our research interesting is focused on using some low-cost off-the-shelf sensors, such as strap-down IMU, inexpensive single GPS receiver. In this paper, we present an autonomous vehicle navigation method by integrating the measurements of IMU, GPS, and digital compass. Two steps are adopted to overcome the low precision of the sensors. The first is to establish sophisticated dynamics models which consider Earth self rotation, measurement bias, and system noise. The second is to use a sigma Kalman filter for the system state estimation, which has higher accuracy compared with the extended Kalman filter. The method was evaluated by experimenting on a land vehicle equipped with IMU, GPS, and digital compass.
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.
La notice
- Revue
- Thématique
- Target Tracking and Data Fusion in Sensor Networks
- Domaine
- Computer Science
- Établissements canadiens
- Dalhousie University
- Organismes subventionnaires
- non disponible
- Mots-clés
- Inertial measurement unitGlobal Positioning SystemCompassKalman filterComputer scienceGPS/INSNoise (video)Precision Lightweight GPS ReceiverAssisted GPSComputer visionArtificial intelligenceGeographyTelecommunicationsGps receiver
- Résumé présent dans OpenAlex
- oui