L'integrazione del GPS con i sensori inerziali può avvenire a vari livelli e le tecniche corrispondenti sono conosciute come loosely coupled (filtra le misure elaborate del GPS -posizioni e velocità- e dell’INS -posizioni e assetti-) e tightly coupled che utilizza direttamente le misure raw del GPS. Considerando che i sistemi dinamici da stimare sono non lineari è necessario implementare tecniche particolari di applicazione degli algoritmi Kalman non lineari, come EKF (Extended Kalman Filter), UKF (Unscented Kalman Filter), PF (Particle Filter), HEPF (Hibrid Extended Particle Filter). Dopo aver introdotto sinteticamente gli algoritmi alla base della fusione dei dati, il lavoro presenta esempi di applicazioni di sistemi integrati in tre settori differenti: il controllo delle macchine da cantiere (machine control), l’agricoltura di precisione (precision farming) e il mobile mapping.
Innovazione ed evoluzione di processi produttivi attraverso l’integrazione di sensori
FASTELLINI, GUIDO;RADICIONI, Fabio;STOPPINI, Aurelio
2009
Abstract
L'integrazione del GPS con i sensori inerziali può avvenire a vari livelli e le tecniche corrispondenti sono conosciute come loosely coupled (filtra le misure elaborate del GPS -posizioni e velocità- e dell’INS -posizioni e assetti-) e tightly coupled che utilizza direttamente le misure raw del GPS. Considerando che i sistemi dinamici da stimare sono non lineari è necessario implementare tecniche particolari di applicazione degli algoritmi Kalman non lineari, come EKF (Extended Kalman Filter), UKF (Unscented Kalman Filter), PF (Particle Filter), HEPF (Hibrid Extended Particle Filter). Dopo aver introdotto sinteticamente gli algoritmi alla base della fusione dei dati, il lavoro presenta esempi di applicazioni di sistemi integrati in tre settori differenti: il controllo delle macchine da cantiere (machine control), l’agricoltura di precisione (precision farming) e il mobile mapping.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
