Key points are not available for this paper at this time.
Die Verwendung des globalen Positionierungssystems (GPS) zur Outdoor-Lokalisierung ist eine recht gängige Lösung in großen Umgebungen, in denen keine anderen Referenzen verfügbar sind und die Anforderungen an die Positionierung nicht so hoch sind. Natürlich ist die feine Bewegung ohne den Einsatz eines teuren Differenzialgeräts keine leichte Aufgabe, selbst jetzt, da die verfügbare Präzision erheblich verbessert wurde, nachdem die militärische Kodierung entfernt wurde. In diesem Papier präsentieren wir einen Lokalisierungsalgorithmus, der auf Kalman-Filterung basiert und versucht, Informationen aus einem kostengünstigen einzelnen GPS mit inertialen Daten und kartengestützten Daten zu fusionieren. Der Algorithmus ist in der Lage, eine geschätzte Konfiguration für den Roboter zu erzeugen, die erfolgreich in ein Navigationssystem zurückgeführt werden kann. Einige Experimente zeigen Schwierigkeiten und mögliche Lösungen dieses Sensorfusionsproblems.
Panzieri et al. (Sat,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: