INVESTIGATION OF DIFFERENT LOW-COST LAND VEHICLE NAVIGATION SYSTEMS BASED ON CPD SENSORS AND VEHICLE INFORMATION
Notice bibliographique
Résumé
Abstract. Recently, many companies and research centres have been working on research and development of navigation technologies for self-driving cars. Many navigation technologies were developed based on the fusion of various sensors. However, most of these techniques used expensive sensors and consequently increase the overall cost of such cars. Therefore, low-cost sensors are now a rich research topic in land vehicle navigation. Consumer Portable Devices (CPDs) such as smartphones and tablets are being widely used and contain many sensors (e.g. cameras, barometers, magnetometers, accelerometers, gyroscopes, and GNSS receivers) that can be used in the land vehicle navigation applications.This paper investigates various land vehicle navigation systems based on low-cost self-contained inertial sensors in CPD, vehicle information and on-board sensors with a focus on GNSS denied environment. Vehicle motion information such as forward speed is acquired from On-Board Diagnosis II (OBD-II) while the land vehicle heading change is estimated using CPD attached to the steering wheel. Additionally, a low-cost on-board GNSS/inertial integrated system is also employed. The paper investigates many navigation schemes such as different Dead Reckoning (DR) systems, Reduced Inertial Sensor System (RISS) based systems, and aided loosely coupled GNSS/inertial integrated system.An experimental road test is performed, and different simulated GNSS signal outages were applied to the data. The results show that the modified RISS system based on OBD-II velocity, onboard gyroscopes, accelerometers, and CPD-based heading change provides a better navigation estimation than the typical RISS system for 90s GNSS signal outage. On the other hand, typical inertial aided with CPD heading change, OBD-II velocity updates, and Non-Holonomic Constraint (NHC) provide the best navigation result.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».