Centralized Measurement Level Fusion of GNSS and Inertial Sensors for Robust Positioning and Navigation
Notice bibliographique
Résumé
In the current era, which is characterized by increasing demand for high-precision location and navigation capabilities, various industries, including those involved in intelligent vehicle systems, logistics, augmented reality, and more, heavily rely on accurate location information to optimize processes and deliver personalized experiences. In this context, the integration of Global Navigation Satellite System (GNSS) and inertial sensor technologies in smartphones has emerged as a critical solution to meet these demands. This research paper presents an algorithm that combines a GNSS with a modified downdate algorithm (MDDA) for satellite selection and integrates inertial navigation systems (INS) in both loosely and tightly coupled configurations. The primary objective was to harness the inherent strengths of these onboard sensors for navigation in challenging environments. These algorithms were meticulously designed to enhance performance and address the limitations encountered in harsh terrain. To evaluate the effectiveness of these proposed systems, vehicular experiments were conducted under diverse GNSS observation conditions. The experimental results clearly illustrate the considerable improvements achieved by the recommended tightly coupled (TC) algorithm when integrated with MDDA, in contrast to the loosely coupled (LC) algorithm. Specifically, the TC algorithm demonstrated a remarkable reduction of over 90% in 2D position root mean square error (RMSE) and a 75% reduction in 3D position RMSE when compared to solutions utilizing the weighting matrix provided by Google with all visible satellites. These findings underscore the substantial advancements in precision resulting from the integration of GNSS and INS technologies, thereby unlocking the full potential of transformative applications in the realm of intelligent vehicle navigation.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».