Low-Cost Real-Time PPP/INS Integration for Automated Land Vehicles
Notice bibliographique
Résumé
The last decade has witnessed a growing demand for precise positioning in many applications including car navigation. Navigating automated land vehicles requires at least sub-meter level positioning accuracy with the lowest possible cost. The Global Navigation Satellite System (GNSS) Single-Frequency Precise Point Positioning (SF-PPP) is capable of achieving sub-meter level accuracy in benign GNSS conditions using low-cost GNSS receivers. However, SF-PPP alone cannot be employed for land vehicles due to frequent signal degradation and blockage. In this paper, real-time SF-PPP is integrated with a low-cost consumer-grade Inertial Navigation System (INS) to provide a continuous and precise navigation solution. The PPP accuracy and the applied estimation algorithm contributed to reducing the effects of INS errors. The system was evaluated through two road tests which included open-sky, suburban, momentary outages, and complete GNSS outage conditions. The results showed that the developed PPP/INS system maintained horizontal sub-meter Root Mean Square (RMS) accuracy in open-sky and suburban environments. Moreover, the PPP/INS system could provide a continuous real-time positioning solution within the lane the vehicle is moving in. This lane-level accuracy was preserved even when passing under bridges and overpasses on the road. The developed PPP/INS system is expected to benefit low-cost precise land vehicle navigation applications including level 2 of vehicle automation which comprises services such as lane departure warning and lane-keeping assistance.
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) | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».