Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/23216
Type: Dissertação
Title: Sistema de navegação inercial para veículos baseado em aprendizado de máquina e correspondência de mapas
Author(s)/Inventor(s): Gomes, Lucas de Carvalho
Advisor: Costa, Luís Henrique Maciel Kosmalski
Abstract: Atualmente, sistemas de posicionamento por satélite (GNSS – Global Navigation Satellite System) são empregados em diversos contextos da vida cotidiana. Eles fornecem a localização em tempo real de qualquer objeto ou pessoa portador de um receptor, através da comunicação entre este receptor e satélites por ondas eletromagnéticas. O desempenho deste posicionamento está sujeito a diversos fatores ambientais e técnicos. Além disto, alguns cenários, como cânions (urbanos ou geográficos), florestas e túneis, são especialmente desafiadores, dado que a cobertura neles é ausente ou pouco confiável, produzindo informações imprecisas ou não sendo possível obter nenhum dado. Por conta destes fatores, sistemas que requerem esta informação com alta disponibilidade e precisão costumam empregar outros sensores. No entanto, reduzir a quantidade de dispositivos de sensores pode ser benéfico, já que reduz os custos e o consumo de energia. Buscando melhorar a confiabilidade e a disponibilidade de sistemas baseados no posicionamento por satélite, este trabalho propõe um sistema de navegação inercial. Ele utiliza a última localização conhecida e dados obtidos através de sensores auxiliares para estimar a localização atual. Por usar apenas sensores já disponíveis em veículos comerciais, o sistema mantém, simultaneamente, o custo-benefício. As estimativas de localizações são calculadas através de modelos de Aprendizado de Máquina, e aprimoradas com um procedimento de correspondência de mapas (map matching). O desempenho deste procedimento foi avaliado por simulações computacionais alimentadas com dados reais de posições e sensores, observando-se a sua capacidade em reproduzir trajetórias em um cenário urbano.
Abstract: Nowadays, Global Navigation Satellite Systems (GNSS) are employed in various contexts of the daily life. They yield real-time location information for any vehicle or person bearing a receiver, through the communications by electromagnetic waves between itself and satellites. The performance of this positioning technique is subject to several environmental and technical factors. Furthermore, certain scenarios, such as canyons (urban or geographic), forests and tunnels, are particularly challenging, since the coverage in them is absent or scarcely reliable, producing rogue positioning information or even no information at all. Due to these factors, systems which depend on this information frequently deploy other sensing devices. However, reducing the amount of these devices may be beneficial, since it reduces costs and the energy consumption. Aiming to improve the reliability and the availability of systems based on satellite positioning, keeping, simultaneously, the cost-effectiveness, this work proposes a dead reckoning system, which employs the last known position and data from auxiliary sensors to estimate the current location. The sensors deployed here are available in commercial vehicles. The estimates are calculated by Machine Learning models and improved by a Map Matching procedure. The performance of this procedure was evaluated through computer simulations fed with real data of locations and sensors, keeping track of the system capability of reproducing trajectories in an urban scenario.
Keywords: Navegação inercial
Sistemas de posicionamento por satélite
Aprendizado de máquina
Correspondência de mapas
Subject CNPq: Engenharia Elétrica
Program: Programa de Pós-Graduação em Engenharia Elétrica
Production unit: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Publisher: Universidade Federal do Rio de Janeiro
Issue Date: Sep-2020
Publisher country: Brasil
Language: por
Right access: Acesso Aberto
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
940664.pdf836.62 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.