Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments ; Développement d'algorithmes GNSS/INS/SLAM pour la navigation en milieux contraints
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Book;
Electronic Thesis;
Text
Title:
Development of GNSS/INS/SLAM Algorithms for Navigation in Constrained Environments ; Développement d'algorithmes GNSS/INS/SLAM pour la navigation en milieux contraints
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Les exigences en termes de précision, intégrité, continuité et disponibilité de la navigation terrestre, consistant à estimer la position, la vitesse et l’attitude d’un véhicule, sont de plus en plus strictes, surtout depuis le développement des véhicules autonomes. Ce type d’applications nécessite un système de navigation non seulement capable de fournir une solution de navigation précise et fiable, mais aussi ayant un coût raisonnable. Durant les dernières décennies, les systèmes de navigation par satellites (GNSS) ont été les plus utilisés pour la navigation, surtout avec la baisse continue des coûts des récepteurs. Cependant, malgré sa capacité à fournir des informations de navigation absolue avec une bonne précision dans des milieux dégagés, l’utilisation du GNSS dans des milieux contraints tels que le milieu urbain est limitée. En effet, la présence des bâtiments, des arbres et d’autres structures empêchent la bonne réception des signaux GNSS et dégradent leur qualité. Ceci peut entraîner une erreur de position importante qui peut dépasser le kilomètre dans certains cas. Beaucoup de techniques ont été proposées dans la littérature pour remédier à ces problèmes et améliorer les performances GNSS. Toutefois, ces techniques présentent, elles aussi, des limitations. Ce problème peut être surmonté en fusionnant les "bonnes" mesures GNSS avec les mesures d'autres capteurs ayant des caractéristiques complémentaires. En effet, en exploitant la complémentarité des capteurs, les algorithmes d'hybridation peuvent améliorer la solution de navigation par rapport aux solutions fournies par chacun des capteurs séparément. Les algorithmes d'hybridation les plus largement mis en œuvre pour les véhicules terrestres fusionnent les mesures GNSS avec des données inertielles et / ou odométriques. Ainsi, ces capteurs de navigation à l’estime assurent la continuité du système lorsque les informations GNSS ne sont pas disponibles et améliorent les performances du système lorsque les signaux GNSS sont altérés. De son côté, le GNSS ...