شماره مدرك
21323
شماره راهنما
18252
پديد آورنده
احمد، هژار
عنوان
ارائهي روشي براي همجوشي حسگرهاي GNSS/IMU در وسايل نقليهي خودران مبتني بر ESKF/RTS
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
هوش مصنوعي و رباتيك
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1405
صفحه شمار
89ص
توصيفگر ها
خودروهاي خودران , ادغام حسگر , سامانه ماهوارهاي ناوبري جهاني , واحد اندازهگيري اينرسي
تاريخ ورود اطلاعات
1405/07/23
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي كامپيوتر
دانشكده
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات
1405/07/25
كد ايرانداك
23264635
چكيده فارسي
محليسازي دقيق، پيوسته و قابلاعتماد يكي از الزامات اساسي ناوبري خودروهاي خودران است. واحد اندازهگيري اينرسي (IMU) اطلاعات حركتي را با نرخ بالا فراهم ميكند، اما خطاهاي آن در اثر انتگرالگيري در طول زمان انباشته شده و به رانش موقعيت منجر ميشوند. در مقابل، سامانه ماهوارهاي ناوبري جهاني (GNSS) مرجع موقعيت مطلق را فراهم ميكند، ولي اندازهگيريهاي آن تحت تأثير نويز و محدوديت نرخ بهروزرساني قرار دارند. در اين پژوهش، يك چارچوب دوبعدي براي ادغام GNSS/IMU بر پايه فيلتر كالمن حالت خطا (ESKF) و هموارسازي روباخ–تونگ–استريبل (RTS) ارائه و ارزيابي شده است. در مرحله رو به جلو، دادههاي اينرسي براي انتشار پيوسته موقعيت و سرعت خودرو استفاده ميشوند و مشاهدات GNSS بهصورت دورهاي خطاي تجمعي تخمين را اصلاح ميكنند. پس از پايان فيلترينگ، هموارساز RTS با استفاده از اطلاعات كل توالي زماني، مسير تخميني را در يك گذر پسرو اصلاح ميكند. ارزيابي نهايي بر روي تواليهاي 00، 08 و 09 مجموعهداده KITTI انجام شده است. دادههاي شتاب و نرخ زاويهاي واقعي OXTS بهعنوان ورودي اينرسي استفاده شده و براي ايجاد شرايط كنترلشده و تكرارپذير، مشاهدات GNSS آزمايشي با نرخ تقريبي 1 هرتز از مسير مرجع نمونهبرداري و با نويز گاوسي توليد شدهاند. روش پيشنهادي با IMU-only، GNSS-only، ESKF، UKF-M و نسخه تطبيقيافته KalmanNet تحت يك پروتكل مشترك مقايسه شده است. نتايج پنج تحقق مستقل نويز GNSS نشان داد كه ميانگين مساوي RMSE در سه توالي براي ESKF+RTS برابر 0٫774 متر و براي ESKF رو به جلو برابر 1٫635 متر است كه معادل كاهش نسبي حدود 52٫6 درصد در همين پروتكل است. همچنين، ميانگين MAE روش پيشنهادي 0٫688 متر و CEP95 آن 1٫340 متر گزارش شد. تحليل مسيرها و توزيع خطا نيز با روند نتايج كمي سازگار بود و نشان داد كه هموارسازي پسرو در شرايط آزمايش حاضر، دقت و پيوستگي مسير را نسبت به فيلتر رو به جلو بهبود ميدهد. با توجه به استفاده از مدل دوبعدي، مشاهدات GNSS كنترلشده و تعداد محدود تواليهاي آزمون، نتايج اين پژوهش به چارچوب ارزيابي حاضر محدود است و بهعنوان ادعاي برتري عمومي تفسير نميشود.
چكيده انگليسي
Accurate, continuous, and reliable localization is a fundamental requirement for autonomous vehicle navigation. An Inertial Measurement Unit (IMU) provides high-rate motion information, but integration of its measurement errors over time leads to accumulated position drift. In contrast, a Global Navigation Satellite System (GNSS) provides an absolute position reference, although its measurements are affected by noise and a lower update rate. This thesis presents and evaluates a two-dimensional GNSS/IMU localization framework based on an Error-State Kalman Filter (ESKF) combined with Rauch–Tung–Striebel (RTS) smoothing. During the forward stage, inertial measurements are used to continuously propagate vehicle position and velocity, while periodic GNSS observations correct the accumulated estimation error. After forward filtering is completed, RTS smoothing uses information from the entire measurement sequence in a backward pass to refine the estimated trajectory. The final evaluation is conducted on KITTI sequences 00, 08, and 09. Real OXTS acceleration and angular-rate measurements are used as inertial inputs, while controlled experimental GNSS observations are generated by approximately 1 Hz subsampling of the reference trajectory and addition of Gaussian position noise. The proposed ESKF+RTS framework is compared under a common protocol with IMU-only, GNSS-only, forward ESKF, UKF-M, and an adapted KalmanNet implementation. Across five independent realizations of GNSS noise, the equal-sequence mean position RMSE is 0.774 m for ESKF+RTS and 1.635 m for forward ESKF, corresponding to an approximately 52.6% relative reduction under the evaluation protocol used in this study. The proposed method also achieves an equal-sequence mean MAE of 0.688 m and a CEP95 of 1.340 m. Trajectory and error-distribution analyses are consistent with these quantitative results and show that the backward smoothing stage improves the accuracy and consistency of the filtered trajectory in the evaluated conditions. Because the study uses a simplified two-dimensional model, controlled GNSS observations, and a limited set of KITTI sequences, the conclusions are restricted to the experimental protocol of this thesis and are not intended as a general claim of superiority
استاد راهنما
محمدرضا احمدزاده , محمد داورپناه جزي
استاد داور
الهام محمودزاده , مينا اميري