FILTROS DE PARTÍCULAS APLICADOS À ESTIMAÇÃO DE TRAJETÓRIAS

Revista Campo da História Pub Date : 2022-11-09 DOI:10.55906/rcdhv7n2-004

V. A. F. Campos, Douglas Daniel Sampaio Santana

{"title":"FILTROS DE PARTÍCULAS APLICADOS À ESTIMAÇÃO DE TRAJETÓRIAS","authors":"V. A. F. Campos, Douglas Daniel Sampaio Santana","doi":"10.55906/rcdhv7n2-004","DOIUrl":null,"url":null,"abstract":"A Navegação Inercial utiliza giroscópios e acelerômetros para manter estimativas de posição de um veículo no qual uma Unidade de Medidas Inercial (conjunto de 3 acelerômetros e 3 giroscópios) está embarcada. Os Sistemas de Navegação Inercial modernos utilizam o filtro de Kalman para calcular estimativas de trajetórias de veículos, o que constitui um sistema de fusão sensorial – nos filtros estocásticos há uma integração das medidas dadas pela UMI com medidas de referência (que são medidas dadas por um outro sensor). Uma aplicação em estudo recentemente é a implementação de Sistemas de Navegação Inercial através de filtros de partículas, que são filtros preditivos destinados à estimação de estados em sistemas, sendo baseados no método de Monte Carlo seqüencial. Estes filtros geram amostras (ou partículas) ponderadas para aproximar uma determinada função densidade de probabilidade. A finalidade deste artigo é aplicar os filtros de partículas e o filtro de Kalman à estimação de trajetórias (através de um experimento automotivo) e apontar as vantagens e desvantagens de cada um destes filtros, comparando ainda o seu desempenho.","PeriodicalId":203053,"journal":{"name":"Revista Campo da História","volume":"76 3-4 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-11-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Campo da História","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55906/rcdhv7n2-004","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

A Navegação Inercial utiliza giroscópios e acelerômetros para manter estimativas de posição de um veículo no qual uma Unidade de Medidas Inercial (conjunto de 3 acelerômetros e 3 giroscópios) está embarcada. Os Sistemas de Navegação Inercial modernos utilizam o filtro de Kalman para calcular estimativas de trajetórias de veículos, o que constitui um sistema de fusão sensorial – nos filtros estocásticos há uma integração das medidas dadas pela UMI com medidas de referência (que são medidas dadas por um outro sensor). Uma aplicação em estudo recentemente é a implementação de Sistemas de Navegação Inercial através de filtros de partículas, que são filtros preditivos destinados à estimação de estados em sistemas, sendo baseados no método de Monte Carlo seqüencial. Estes filtros geram amostras (ou partículas) ponderadas para aproximar uma determinada função densidade de probabilidade. A finalidade deste artigo é aplicar os filtros de partículas e o filtro de Kalman à estimação de trajetórias (através de um experimento automotivo) e apontar as vantagens e desvantagens de cada um destes filtros, comparando ainda o seu desempenho.

查看原文本刊更多论文

粒子滤波器应用于轨迹估计

惯性导航使用陀螺仪和加速度计来保持车辆的位置估计，其中包含一个惯性测量单元(一组3个加速度计和3个陀螺仪)。现代惯性导航系统使用卡尔曼滤波器来计算车辆轨迹估计，这构成了一个感觉融合系统——在随机滤波器中，UMI给出的测量值与参考测量值(由另一个传感器给出的测量值)进行集成。近年来研究的一个应用是利用粒子滤波器实现惯性导航系统，粒子滤波器是一种基于顺序蒙特卡罗方法的系统状态估计预测滤波器。这些过滤器生成加权样本(或粒子)，以近似给定的概率密度函数。本文的目的是将粒子滤波器和卡尔曼滤波器应用于轨迹估计(通过汽车实验)，并指出每种滤波器的优缺点，并比较它们的性能。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Revista Campo da História

自引率

0.00%

发文量