MétaCan
Menu
Retour à la cohorte
Enregistrement W4251398898 · doi:10.32920/ryerson.14656776

Self-Contained Pedestrian Tracking With Mems Sensors

2021· preprint· en· W4251398898 sur OpenAlexaff
Chengliang Huang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIndoor and Outdoor Localization Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGyroscopeInertial measurement unitAccelerometerComputer scienceDead reckoningHeading (navigation)Tracking (education)Tracking systemGlobal Positioning SystemKalman filterInertial navigation systemReal-time computingInertial frame of referenceComputer visionArtificial intelligenceEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Due to the limitations of current indoor wireless positioning technologies, a novel positioning/tracking solution has to be explored and developed, in order to locate a person anywhere anytime without any infrastructure. The purpose of this thesis is to present the result of the first phase of a long-period research to find such a solution and develop a practical system. In this thesis, using inertial sensors for positioning of people is selected to replace wireless solutions, considering the development of micro-electromechanical systems. A sensing module consisting of accelerometers, rate gyroscopes and magnetometers used to monitor human kinetics. In order to make this proposal practical, a synergy of existing strapdown inertial navigation and pedestrian dead-reckoning is proposed to improve the accuracy of positioning. Furthermore, the cyclic alternation of stance phase and swing phase in human walking is used to reduce errors accumulating during projection and integration of sensed accelerometer signals. Other than the improvement of some existing methods to detect stance phase and reset the velocity, several new methods are proposed to remove the integral drift during both phases of a human stride. The algorithm to calculate heading of on the sensing module is also deduced to limit the integral drift of rate gyroscopes. All the methods and algorithms are applied in field experiments with carefully chosen sensing module mounted on human footwear. The results show promising accuracy of tracking, hence validate the feasibility of self-contained pedestrian tracking system with inertial sensors. Further work, especially with map correlation and particle filtering, will be done in the coming phases of the project to make the system applicable both outdoor and indoor.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndoor and Outdoor Localization TechnologiesTravaux en français237 207