MétaCan
Menu
Retour à la cohorte
Enregistrement W2805452940 · doi:10.1109/plans.2018.8373373

Utilizing the ACC-FMCW radar for land vehicles navigation

2018· article· en· W2805452940 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

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésOdometerGlobal Positioning SystemInertial navigation systemInertial measurement unitComputer scienceRadarNavigation systemRemote sensingReal-time computingTelecommunicationsGeographyInertial frame of referenceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Global Navigation Satellite Systems (GNSS) such as Global Positioning System (GPS) are the prime land and autonomous vehicles navigation information source. However, urban canyons high rise buildings block the GPS signal. Therefore, the Inertial Navigation System (INS) or the Reduced Inertial Sensor System (RISS) are utilized as an alternative source of the navigation information. The RISS is able to produce a full navigation solution using less number of sensors and calculations. Dramatically, the RISS solution drifts over time as the INS system. The integration between the GPS and the RISS is mitigating each system drawbacks. However, during the GPS outage periods, the navigation system is only depending on the inertial measurements. The RISS is utilizing the odometer/speedometer to measure the vehicle's forward speed. Many types of error affect the odometer measurements. These errors are either due to the vehicle's specifications as the differences in wheel diameters, and/or inefficient wheelbase or the road nature as wheel slips, uneven road surfaces, and/or skidding. In this paper, a Radar-based RISS system is introduced to take place the traditional RISS or INS systems. The radar unit is an essential part of the adaptive cruise control (ACC) system. Furthermore, it is capable of measuring the relative velocity and distance between the carrying and the in front vehicle to reduce collisions and increase the safety of driving. In addition, the radar measurements are not affected by the error sources that affect the odometer. The idea is to invest the ground reflection and derive the forward speed of the onboard vehicle as the ACC keep a safe distance between the cars. A novel method based on extracting the ground reflection features is introduced to obtain the onboard vehicle's speed. The obtained speed is utilized with two accelerometers and one vertical gyroscope to produce the Radar-based RISS system. The proposed system has been integrated with the GPS producing a Radar-based RISS/GPS integrated navigation system. The system has been tested on a real road trajectory in a downtown area and involved several GPS signal outages. The results show the significant capabilities of the proposed system in keeping the navigation solution drift to a minimum especially when the GPS signal is in outage compared with the traditional RISS/GPS 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 enseignants0,226
Score d'incertitude au seuil0,145

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 Opus0,016
Tête enseignante GPT0,245
Écart entre enseignants0,229 · 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207