Magneto-inertial navigation - Coupling Kalman filtering with artificial intelligence
Navigation magnéto-inertielle - Filtrage de Kalman et intelligence artificielle
Abstract
Navigation consists in determining the displacement of a moving object relative to a reference frame. Inertial navigation relies on inertial sen- sors such as accelerometers and gyroscopes, often combined with magneto- meters. This technique is autonomous, enabling dead reckoning navigation at all times without dependence on external sources. On the other hand, these sensors are subject to noise and uncertainties that reduce the performance of the navigation. In this context, this paper presents two Kalman filtering approaches for magneto-inertial navigation that exploit artificial intelligence techniques to improve estimation accuracy. These approaches are validated in drone flight and pedestrian walking scenarios.
La navigation consiste à déterminer des informations sur le déplacement d'un mobile par rapport à un repère de référence. La navigation inertielle repose sur des capteurs inertiels, tels que des accéléromètres et des gyromètres, complétés souvent par des magnétomètres. Cette technique est autonome et permet une navigation à l’estime à tout instant sans dépendre de sources extérieures. En revanche, ces capteurs sont sujets à des bruits et des incertitudes qui détériorent la connaissance des états de navigation. Dans ce contexte, cet article présente deux approches de filtrage de Kalman pour la navigation magnéto-inertielle qui exploitent des techniques de l'intelligence artificielle afin d'améliorer la précision d’estimation. Ces approches sont validées lors de scénarios de vol d'un drone et d'une marche piétonne.
Domains
Systems and Control [cs.SY]| Origin | Files produced by the author(s) |
|---|
