Notice bibliographique
Résumé
In this dissertation, a multi-sensor integrated system is developed to provide an accurate positioning solution under open-sky, challenging environments such as downtown areas and GNSS-denied environments such as indoor parking lots. A PPP system is first developed by utilizing a geodetic-grade GNSS receiver. An Improved Robust adaptive Kalman Filter (IRKF) is adopted and used as the estimation filter to compensate for the GNSS measurement outliers and the dynamic error modeling. Centimeter-level horizontal positioning accuracy is achieved under an open sky environment, while decimeter-level horizontal positioning accuracy is achieved under a challenging environment. An IRKF-based PPP/INS integration algorithm is then developed by utilizing a geodetic-grade GNSS receiver and a tactical-grade IMU. The integrated system is assessed through two ground vehicular field trials. The developed integrated system achieves centimeter-level positioning accuracy under open-sky environments and decimeter-level positioning accuracy under simulated GNSS outages. Furthermore, the IRKF-based integrated system achieves attitude accuracy of 0.052º, 0.048º, and 0.165º for pitch, roll, and azimuth angles, respectively. Thereafter, the performance of the dual-frequency (DF) Xiaomi mi 8 smartphone is tested in static and kinematic PPP modes. The smartphone-based PPP solution achieves decimeter-level positioning accuracy in the static mode and meter-level positioning accuracy in kinematic mode. A DF u-blox GNSS receiver and xsens industrial-grade MEMS IMU are further used to develop an ultra-low-cost PPP/INS integrated system. The integrated system achieves sub-meter-level positioning accuracy in both the north and up directions, and meter-level positioning accuracy in the east direction. Additionally, the integrated GNSS PPP/INS system achieves attitude accuracy of about 0.878°, 0.804°, and 2.905° for the pitch, roll, and azimuth angles, respectively. To provide an accurate positioning solution for GNSS-denied environments, a LiDAR odometry (LO)/INS/simulated ultra-wide band (UWB) integrated system is developed. The simulated UWB solution is used as an external frequent update to augment the accuracy of the LO/INS solution. Meter-level horizontal positioning accuracy is achieved through the LO/INS integration with frequent simulated UWB-based updates.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».