MétaCan
Menu
Retour à la cohorte
Enregistrement W4320062563 · doi:10.3849/aimt.01498

Hybrid Positioning Technique Based Integration of GPS/INS for an Autonomous Vehicle Navigation

2022· article· en· W4320062563 sur OpenAlexaff
A. N. Ouda, Amr Mohamed

Notice bibliographique

RevueAdvances in Military Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésGlobal Positioning SystemComputer scienceToolboxKalman filterReal-time computingGPS/INSNavigation systemSimulationAssisted GPSArtificial intelligenceTelecommunications

Résumé

récupéré en direct d'OpenAlex

This paper presents a hybrid positioning technique combining both loosely and tightly coupled Kalman Filter (KF) algorithms for an autonomous multi-wheeled combat vehicle. The developed algorithm is able to provide accurate positioning information even if number of visible satellites falls below the minimum due to the harsh operation environments. Two modes of operation were considered which automatically switch between them according to the number of visible satellites in order to correct the INS drift. Furthermore, a performance comparison between fifteen and eighteen KFs states is conducted. A simulation of the developed algorithm is performed, using a SATNAV navigation toolbox and the collected data from real sensors mounted on a ground vehicle. The experimental results validated effectiveness of the developed algorithm.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,460

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 Opus0,005
Tête enseignante GPT0,246
Écart entre enseignants0,240 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Military TechnologyMême sujetInertial Sensor and NavigationTravaux en français237 207