MétaCan
Menu
Retour à la cohorte
Enregistrement W3132201696 · doi:10.1109/vtc2020-fall49728.2020.9348814

Wheel-based Aiding of Low-cost IMU for Land Vehicle Navigation in GNSS Challenging Environment

2020· article· en· W3132201696 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInertial measurement unitGNSS applicationsOdometerHeading (navigation)GyroscopeInertial navigation systemComputer scienceGNSS augmentationGlobal Positioning SystemNavigation systemAir navigationReal-time computingArtificial intelligenceEngineeringInertial frame of referenceAerospace engineeringTelecommunicationsPhysics

Résumé

récupéré en direct d'OpenAlex

Recently, Autonomous land vehicle navigation became an important research topic. Most of the land vehicle navigation systems are based on Global Navigation Satellite System/Inertial Navigation System (GNSS/INS) integrated system. However, this system doesn't efficiently work in some environments due to the GNSS signal outages and the deterioration of the navigation solution due to the large INS errors. Therefore, INS should be aided to limit its drift during GNSS signal blockage. This research proposes a multi low-cost INS configuration in land vehicle where two low-cost IMU sensors are mounted on the center of rear wheels of the land vehicle to estimate the vehicle's forward velocity through the gyroscopes located in the perpendicular direction of the wheel. A differential wheel odometry based on the Inertial Measurement Unit (IMU) mounted on the rear wheels is proposed to estimate the vehicle's change of heading. The proposed IMU wheel odometers are calibrated by providing GNSS/INS integrated forward velocity and heading change during GNSS signal availability. On the other hand, during GNSS signal outages, the IMU wheel based aiding system provides both velocity and heading change updates to the navigation filter to mitigate the large drift of the on-board IMU.Experimental tests have been implemented and the results show that the Root Mean Square Error (RMSE) of the IMU-based wheel odometer velocity is 0.08 m/sec while the RMSE of the typical odometer velocity obtained from On-Board Diagnostics II (OBD-II) is 0.26 m/sec. On the other hand, the RMSE of the estimated vehicle's heading change by the proposed differential wheel odometry reached 2 degrees/second for 360 second simulated GNSS signal outage. The navigation solution is enhanced when the IMU-based odometer velocity updates the navigation filter Extended Kalman Filter (EKF) and the average position RMSE reaches 4.96 meters, instead of 88.83 meters, for the INS standalone navigation solution during 60 seconds GNSS signal outage while the RMSE reaches 6.10 meters when OBD-II typical odometer is used as update. On the other hand, the RMSE reaches to 3.81 meters when both heading change and velocity updates estimated from the IMU-based odometer are used to aid the INS during GNSS signal 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.

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: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,291

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 Opus0,015
Tête enseignante GPT0,205
Écart entre enseignants0,190 · 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

En bref

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207