Carnet de recherche

Carnet

Multi-Sensor Vehicle Localization and Control in Urban Environments

Chen, Ge & Meng (2023) – Advanced Vehicle Localization Framework based on Multi-Sensor Integration

Référence complète :
Chen Y., Ge Z., Meng X. (2023). Advanced Vehicle Localization Framework based on Multi-Sensor Integration. ASTES Journal, Vol. 8, Issue 2, pp. 1–10.

🧭 Contexte et objectifs

L’article propose un cadre avancé de localisation véhicule basé sur l’intégration de plusieurs capteurs — principalement GNSS, IMU et odométrie — afin d’améliorer la robustesse et la précision en conditions dégradées (tunnels, milieux urbains, vibrations).

⚙️ Méthodologie et contributions

  • Architecture de fusion hiérarchique :
    1. Pré-traitement des capteurs (synchronisation, calibration dynamique, rejet d’outliers).
    2. Fusion primaire GNSS/IMU via un filtre de Kalman étendu (EKF).
    3. Correction secondaire par odométrie pour stabiliser la vitesse et la position.
  • Adaptation du modèle d’état pour gérer la dérive gyroscopique et le biais accéléromètre.
  • Ajustement automatique de la covariance Q/R selon la qualité GNSS mesurée.

🔬 Résultats et expérimentations

  • Tests effectués sur véhicule réel et sur banc simulé MATLAB/Simulink.
  • Amélioration de 25–30 % de la précision de localisation par rapport à une fusion GNSS/IMU classique.
  • Temps de calcul compatible embarqué (< 1 ms par itération).

🧩 Apports pour RS3 et Telemachus

  • Fournit un schéma de fusion directement transposable dans RS3-core2, notamment pour le module IMUProjector et la validation du NoiseInjector.
  • Sert de référence pour les champs fusion_confidence, sensor_quality et kalman_structure dans Telemachus.
  • Appui scientifique pour P002 (Hybrid Kalman Filtering) et P004 (Fusion GNSS/INS robuste).

📚 Références associées

  • Liu2023-GNSSINSReview
  • Mafi2025-ConsensusMMKF
  • Han2020-MEMSRandomErrorReview
  • Wagner2001-GPSINSConventionalFusion
  • Yadav2017-GPSINSKalman
  • Pop2020-HybridKalmanTangentMapMatching

🏁 Citation Zotero

Chen, Y., Ge, Z., & Meng, X. (2023). Advanced Vehicle Localization Framework based on Multi-Sensor Integration. ASTES Journal, 8(2), 1–10.

Réseau 3 sortants 0 entrants

Sources · Liens sortants

  • P002 — Hybrid Kalman Filtering for Robust GNSS/IMU Fusion in Open Mobility Data
  • P004 — Robust GNSS/INS Integration in Urban Environments: Vehicle, Inertial, and SLAM Constraints
  • V001 — Compétence C3 — Maîtriser les méthodes de fusion multi-capteurs (GNSS/IMU)

Cité par · Liens entrants

Aucune citation détectée.