MétaCan
Menu
Retour à la cohorte
Enregistrement W3129987514 · doi:10.1109/vtc2020-fall49728.2020.9348731

Testing Vehicle-to-Vehicle Relative Position and Attitude Estimation using Multiple UWB Ranging

2020· article· en· W3129987514 sur OpenAlexaff
Ehab Ghanem, Kyle O’Keefe, Richard Klukas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensUniversity of CalgaryUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRangingUltra-widebandChipsetGlobal Positioning SystemComputer scienceReal-time computingPosition (finance)Heading (navigation)Hybrid positioning systemKalman filterWirelessFrame (networking)Positioning systemEngineeringTelecommunicationsArtificial intelligenceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Ultra-wideband (UWB) is an emerging technology that has the ability to accurately measure ranges over short to medium distances (10 cm to 300 meters) in outdoor and indoor situations[1]. The technology has been investigated for many applications that require both positioning and communication. Among these applications are robot automation and vehicle positioning. Many companies are trying to benefit from UWB signals and many IC manufacturers are already offering chipsets that can calculate the Time of Flight (TOF) for Two-Way-Ranging (TWR) with UWB signals. Range measurements acquired through UWB have an accuracy on the order of 10 cm, which is more accurate than conventional GPS for estimating a vehicle position in outdoor environments. This paper proposes and tests a method of using UWB ranges from two radios on one vehicle to two radios on another vehicle to estimate the 2-D relative position and heading of the second vehicle in the body frame of the first. The method is described, a positioning algorithm based on an extended Kalman filter is presented and an initial fields test using two moving vehicles on a suburban street is presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,464

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,233
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207