An Indoor Navigation System using Stereo Vision, IMU and UWB Sensor Fusion
Notice bibliographique
Résumé
In recent years, indoor localization has found many applications in civil and military fields. As Global Navigation Satellite Systems (GNSS) are not available indoors, the state-of-art trend is to fuse low-cost/low-power accelerometer/gyroscope with other sensors such as vision sensors. To further enhance the accuracy, ranging technologies such as Ultra-wide-band (UWB) radio ranging have been introduced as an indoor replacement of GNSS. However, robust localization continues to be challenging as accelerometer/gyroscope sensors suffer from random biases. Similarly, UWB ranging suffers from noise and multipath. Visual sensors depend upon lighting conditions and they suffer from odometry drifts. To accurately and efficiently fuse these sensors, this paper presents a robust fusion framework based on Extended-Kalman Filter (EKF). The proposed design applies non-holonomic speed-aided motion constraints to minimize positional errors. This design enabled the direct fusion of speed estimated from stereo vision into EKF which is more immune to vision-related orientation errors. The overall positional drifts are further controlled by positional updates whenever a reliable UWB solution is available. Our developed system was tested in typical indoor environment using physical data and the experimental results showed robust sub-meter localization accuracy even under multiple outages.
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 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 | 0,000 | 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 | 0,000 |
| 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)
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 tête enseignante, 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 ».