THE DEVELOPMENT AND VALIDATION OF A TACTICAL GRADE EGI SYSTEM FOR LAND VEHICULAR NAVIGATION APPLICATIONS
Notice bibliographique
Résumé
Abstract. Over recent years, the utilization of commercially available integrated navigation systems for the development of navigation algorithms has become increasingly commonplace. Nevertheless, the wide range of sensor quality on the market complicates system customization and restricts the evolution of navigation algorithms. This study aims to address these issues by creating an affordable, tactical-grade, real-time integrated navigation system, EGI-500 (Embedded GNSS and INS), encompassing both hardware and software components. EGI-500 incorporates a tactical-grade IMU500 and a Septentrio Mosaic-X5 GNSS receiver module. The integration process is segmented into three distinct stages. The first involves hardware integration, with an illustrative architecture diagram of the real-time navigation system. Second, we focus on data preprocessing, where a cross-correlation approach is proposed to tackle multi-sensor time synchronization issues, specifically to determine potential time lags in IMU data. The final phase covers the fusion of multi-sensor data and motion constraints. The Extended Kalman Filter (EKF) forms the backbone of this part, with Zero Velocity Update (ZUPT) and Non-Holonomic Constraints (NHC) being integrated into the Loosely Coupled (LC) scheme. Furthermore, the IMU calibration process is performed to ascertain necessary algorithmic parameters. Experimental results, conducted in diverse environments (open sky, GNSS challenging, and GNSS denied), will be presented in this paper. Comparisons with reference data indicate that the navigation accuracy of the developed integrated system, both in terms of hardware and navigation algorithm, achieves expected meter-level accuracy, fulfilling the "Which Lane" and "Which Road" level criteria in varied environments. Furthermore, outcomes from the GNSS denied environment align with predictions based on propagation error theory, demonstrating the feasibility of our navigation algorithm for tactical integrated navigation systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».