MICRO-RADAR AND UWB AIDED UAV NAVIGATION IN GNSS DENIED ENVIRONMENT
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.
Notice bibliographique
Résumé
Abstract. During the last decade, the number of applications of UAVs has continuously increased, making the global UAV market one of those with the highest rate of growth. The worldwide increasing usage of UAVs is causing an ever-growing demand for efficient solutions in order to make them usable in every kind of working condition. In fact, nowadays the main restriction to the usage of UAVs is probably the need of reliable position estimates provided by using the Global Navigation Satellite System (GNSS): since UAVs mostly rely on the integration of GNSS/Inertial Navigation System (INS) to properly fulfil their tasks, they face a major challenge while navigating in GNSS denied environments. The goal of this paper is that of investigating possible strategies to reduce such main restriction to UAV usage, i.e. enabling flights in GNSS denied environment by providing position estimates with accuracy quite comparable to that of standard GNSS receivers currently mounted on commercialized drones. To be more specific, this paper proposes the combined use of a novel Frequency Modulated Continuous Wave (FMCW) Radar, a set of Ultra-Wideband (UWB) devices, and Inertial Measurement Unit (IMU) measurements in order to compensate for the unavailability of the GNSS signal units. A 24-GHz micro FMCW radar and a UWB device have been attached to a quadcopter during the flight. The radar receives the reflections from ground scatterers, whereas the UWB system provides range measurements between a UWB rover mounted on the UAV and a set of UWB anchors distributed along the flying area.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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)
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 découle