A Novel Smartphone PDR Framework Based on Map-Aided Adaptive Particle Filter with a Reduced State Space
Notice bibliographique
Résumé
Accurate, reliable and infrastructure-free indoor positioning using a smartphone is considered an essential topic for applications such as indoor emergency response and indoor path planning. While the inertial measurement units (IMU) offer continuous and high-frequency motion data, pedestrian dead reckoning (PDR) based on IMU data suffers from significant and accumulative errors. Map-aided particle filters (PFs) are important pose estimation frameworks that have exhibited capabilities to eliminate drifts by incorporating additional constraints from a pre-built floor map, without relying on other wireless or perception-based infrastructures. However, despite the recent approaches, a key challenging issue remains: existing map-aided PF-PDR solutions are computationally demanding, as they typically rely on a large number of particles and require map boundaries to eliminate non-matching particles. This process introduces substantial computational overhead, limiting efficiency and real-time performance on resource-constrained platforms such as smartphones. To address this key issue, this work proposes a novel map-aided PF-PDR framework that leverages a smartphone’s IMU data and a pre-built vectorized floor plan map. The proposed method introduces an adaptive PF-PDR solution that detects particle convergence using a cross-entropy distance of the particles and a Gaussian distribution. The number of particles is reduced significantly after a convergence is detected. Further, in order to reduce the computational cost, only the heading is included in particle attitude sampling. The heading is estimated accurately by levelling gyroscope measurements to a virtual plane, parallel to the ground. Experiments are performed using a dataset collected on a smartphone and the results demonstrate improved performance, especially in drift reduction, achieving an mean position error of 0.9 m and a processing rate of 37.0 Hz.
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 | 0,001 |
| 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 ».