칼만필터와 보행 상태 추정 알고리즘을 이용한 저가형 보행자관성항법 시스템 :Low-Cost Pedestrian Dead-Reckoning System using Kalman Filter and Walk Condition Estimation Algorithm

김윤기

추천

검색

자료유형: 학위논문

저자정보: 김윤기 (부산대학교, 부산대학교 대학원)

지도교수: 이장명

발행연도: 2013

저작권: 부산대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (3)

2016

보행자를 위한 개인항법시스템의 정밀 위치 추정 기법

김윤기 전자전기컴퓨터공 2016.01 학위논문

2013

저가형 관성센서를 이용한 보행자 관성항법 시스템의 성능 향상

김윤기 , 박재현 , 곽휘권 외 3명 제어로봇시스템학회 논문지 2013.06 학술저널

칼만필터와 보행 상태 추정 알고리즘을 이용한 저가형 보행자관성항법 시스템

김윤기 전자전기공학과 2013.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This paper proposes a height estimation scheme for a low-cost Pedestrian Dead-Reckoning(PDR) System using Kalman Filter(KF) and Walk Condition Estimation Algorithm(WSEA). In general, GPS(Global Positioning System) has been widely used to estimate the position of pedestrians or vehicles. However, there are a lot of places that the GPS does not working in real environments, For example, the position information in commercial GPS products does not accurately updated in indoor building or tunnel. In this paper, we propose a height estimation scheme for Inertial Measurement Unit(IMU)-based PDR system in indoor buildings. Basically, we utilize a barometer to estimate height position of pedestrian. In addition, we design a KF and a WSEA to minimize the estimation error due to the barometer. The proposed algorithm has been tested in a real test bed. The experimental results show that the proposed algorithm mitigate the estimation error.

#보행자관성항법 #IMU #PDR #센서보정 #추정

1. 서 론 1
2. 보행자 관성항법 시스템 구성 1
2.1. 보행자 관성항법 시스템 도안 5
2.2. 하드웨어 모듈 사양 6
3. 센서보정 13
3.1. 센서모델 13
3.2. 온도바이어스 보상 14
3.3. 가속도 센서 보정 17
3.4. 자이로 센서 보정 19
4. 보행자 관성항법 시스템 21
1. 걸음검출 22
2. 보폭추정 22
3. 자세추정 28
4. 방향각 추정 30
5. 보행자 높이추정 33
1. 높이 추정 알고리즘 구성 33
2. 기압센서를 이용한 높이 추정 34
3. 영속도보정 기법 35
4. 칼만필터 37
5. 보행 상태 추정 알고리즘 40
6. 실험 및 결과 44
1. 보폭 및 방향 추정 45
2. 높이 추정 결과 46
7. 결 론 48
참고문헌 49
Abstract 54

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)