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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».