2023 — Boguspayev et al.

A Comprehensive Review of GNSS/INS Integration Techniques for Land and Air Vehicle Applications

Référence

Boguspayev, A., et al. (2023).
A Comprehensive Review of GNSS/INS Integration Techniques for Land and Air Vehicle Applications.

Type

Review / État de l’art — GNSS/INS

Contexte

Cette revue de littérature vise à donner une vue complète sur :

• les architectures d’intégration GNSS/INS,
• les approches de modélisation (loose / tight / deep coupling),
• les innovations MEMS récentes,
• les problématiques de dégradation GNSS / urban canyon,
• les applications air / terre.

Elle se positionne comme une revue structurée et académique, complémentaire mais distincte de Liu 2023.

Points principaux

1. Taxonomie des architectures GNSS/INS

• Loosely coupled — Kalman standard, robustesse limitée en environnement GNSS dégradé.
• Tightly coupled — Meilleure exploitation des signaux GNSS partiels.
• Ultra-tightly / deep integration — Fusion au niveau des corrélateurs, performances maximales mais complexité accrue.

2. Modèles d’erreurs INS

• Erreurs stochastiques MEMS analysées (AR1, random walk, biais thermiques).
• Importance de la calibration (triad non-orthogonality, scale factors, misalignment).

3. Méthodologies de filtrage

• Kalman classique (EKF),
• UKF / CKF,
• PF (particle filters),
• Filtres hybrides “adaptive” (innovation-based évaluation qualité GNSS),
• Augmented-state INS pour la dérive long terme.

4. GNSS-degraded environments

• Urban canyon : blocages partiels / multi-path.
• Importance du tightly-coupled pour préserver la cohérence inertielle.
• Comparaison précise des stratégies de mitigation.

5. Perspectives

• Deep learning pour l’INS denoising,
• Hybridation multi-capteurs (odométrie, radar, caméras),
• Fusion multi-GNSS (GPS+Galileo+Beidou).

Pour RS3 et Telemachus : que retenir ?

Intérêt fort

• Excellent état de l’art sur les filtres modernes GNSS/INS, complémentaire à Liu 2023.
• Particulièrement utile pour :
  • justifier scientifiquement les choix RS3 dans la fusion GNSS/INS,
  • alimenter un futur P00x “Hybrid Kalman Filtering for Teletracing”,
  • renforcer la VAE doctorale dans la partie fusion inertielle.

Liens directs avec la thèse RS3 / plugins RS3

• Modélisations d’erreurs MEMS → amélioration du plugin “Noise Models”.
• Comparaisons LC/TC → clarifie les limites du loosely-coupled dans les systèmes low-cost.
• Approches avancées (PF, CKF, UKF) → alignées avec les futures évolutions Telemachus-Fusion.

Évaluation critique

• Revue de bonne facture, structurée, relativement exhaustive.
• Moins approfondie que Liu 2023 sur certains aspects probabilistes.
• Plus orientée applications air+terre → cohérence avec ton périmètre RS3.

Conclusion : Stratégique ?

Oui — clairement stratégique.
Ce papier :

• complète Liu 2023,
• renforce ton socle théorique fusion GNSS/INS,
• s’aligne avec RS3 / Telemachus.

👉 Je recommande de créer une fiche Axxx (niveau A027).

Proposition id artefact

A027_gnss_ins_boguspayev_review

Statut

Lecture effectuée + résumé
Prochaines étapes :

• Intégration dans corpus.yaml
• Création A027.md si tu valides