Enhancing Navigation in Difficult Environments with Low-Cost, Dual-Frequency GNSS PPP and MEMS IMU
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 The Global Navigation Satellite System (GNSS) Precise Point Positioning (PPP) technology benefits from not needing local ground infrastructure such as reference stations and accuracy attained is at the decimetre-level, which approaches real-time kinematic (RTK) performance. However, due to its long position solution initialization period and complete dependence on the receiver measurements, PPP finds limited utility. The emergence of low-cost, micro-electro-mechanical sensor (MEMS) inertial measurement units (IMUs) has prompted research in integrated navigation solutions with the PPP processing technique. This sensor fusion aids to achieve continuous positioning and navigation solution availability when there are insufficient numbers of navigation satellites visible. In the past, research has been conducted to integrate high-end (geodetic) GNSS receivers with PPP processing and MEMS IMUs, or low-cost, single-frequency GNSS receivers with point positioning processing and MEMS IMUs. The objective of this research is to investigate and analyze position solution availability and continuity by integrating low-cost, dual-frequency GNSS receivers using PPP processing with the latest low-cost, MEMS IMUs to offer a complete, low-cost navigation solution that will enable continuously available positioning and navigation solutions, even in obstructed environments. The horizontal accuracy of the developed low-cost, dual-frequency GNSS PPP with MEMS IMU integrated algorithm is approximately 20 cm. During half a minute of simulated GNSS signal outage, the integrated solution offers 40 cm horizontal accuracy. A low-cost, dual-frequency GNSS receiver PPP solution integrated with a MEMS IMU forms a unique combination of a total low-cost solution, that will open a significant new market window for modern-day applications such as autonomous vehicles, drones and augmented reality.
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 | 0,000 | 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 découle