Aprimorando a Precisão de Posicionamento em Terreno Urbano ao Fundir Dados de um Receptor GPS, Sensores Inerciais, Câmera Estéreo e Mapas Digitais para Navegação de Pedestres

O artigo apresenta um algoritmo para estimar a localização de um pedestre em um ambiente urbano. O algoritmo é baseado no filtro de partículas e utiliza diferentes fontes de dados: um receptor GPS, sensores inerciais, mapas de probabilidade e uma câmera estéreo. Sensores inerciais são utilizados para estimar um deslocamento relativo de um pedestre. Um giroscópio estima uma mudança na direção da cabeça. Um acelerômetro é utilizado para contar os passos de um pedestre e suas distâncias. Os chamados mapas de probabilidade ajudam a limitar a imprecisão do GPS, impondo restrições na cinemática do pedestre, por exemplo, supondo-se que um pedestre não pode atravessar edifícios, cercas etc. Isso limita a imprecisão de posição a cerca de 10 m. A incorporação de estimativas de profundidade derivadas de uma câmera estéreo, que são comparadas ao modelo 3D de um ambiente, possibilitou uma redução adicional dos erros de posicionamento. Como resultado, por 90% do tempo, o algoritmo é capaz de estimar a localização de um pedestre com um erro menor que 2 m, em comparação a um erro de 6,5 m para uma navegação baseada apenas em GPS.