The Development of A MEMS-Based Inertial/GPS System for Land-Vehicle Navigation Applications
Notice bibliographique
Résumé
With the development of low-cost inertial sensors and GPS technology, MEMS-based INS/GPS navigation systems are beginning to meet the increasing demands of lower cost, smaller size, and seamless navigation solutions for land vehicles. But there are still two challenges for current MEMS navigation systems before they can be commercialized. The first one is to further reduce the cost of the systems, which is mainly governed by the cost of MEMS gyros (>$10/axis). The second is to improve the accuracy of the systems, especially during GPS signal outages. The Mobile Multi-Sensor Systems (MMSS) Research Group in the University of Calgary developed its prototype MEMS navigation system in 2004 and published preliminary results in 2005. This paper will report further progress of the systems that tried to fulfill the challenges of the current MEMS system. The system cost issue was addressed by introducing the Partial IMU (ParIMU) configuration that consists of only one heading gyro (Gz) and two horizontal accelerometers (Ax and Ay). The system cost can be reduced significantly since the hardware required for two gyros and one accelerometer is eliminated. A universal algorithm based on the concept of pseudo sensors was developed to process the ParIMU signals. Results have shown that the performance has obvious degradation but still can meet the requirements of some applications, especially with additional aiding, (such as non-holonomic constraint). On the other hand, a Backward Smoothing (BS) algorithm (Rauch-Tung-Strieber smoother) was introduced to improve the navigation performance of the MEMS navigation system. Results showed that the BS can reduce the navigation errors significantly; especially the position drifts during GPS signal outages. Of course, this BS can only be applied for post-processing scenarios. Studies in this paper have shown that the ParIMU and the BS are two measures that can well meet the challenges of current MEMS navigation systems to a large extent.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».