Feedback

Development of Intelligent GNSS-based Land Vehicle Localisation Systems

Affiliation/Institute
Institut für Verkehrssicherheit und Automatisierungstechnik (iVA)
Grasso Toro, Federico

The usage of Global Navigation Satellites Systems (GNSS) for localisation purposes demands a permanent evaluation of the position information provided for the receiver, as well as a standardised GNSS-Receivers validation methodology and subsequently quality control procedures oriented to land vehicles within the ergodic hypothesis. The use of an independent reference system should provide enough information to validate the localisation system, but the lack of proper evaluation and procedures presents significant blind spots for future applications in both the GNSS-Receiver and the correspondent reference system. To solve these problems an approach based on artificial intelligence (AI) is presented. Also the development of an advanced filter technique for positioning estimation results in significant improvements of the reference system, even allowing a standalone GNSSdependent reference system when no independent systems are available. The presented developments are the bases for future intelligent GNSS-based localisation systems. The methodologies combine the advanced Particle Filter (PF) for positioning estimation with the newly developed Mahalanobis Ellipses Filter (MEF) methodology for accuracy-based data evaluation and the Artificial Neural Networks (ANN) models for both quantitative and qualitative validation. In this thesis the bases of the intelligent GNSS-based localisation system are presented and developed follows the BMW principle. In German the BMW principle stands for Beschreibungsmittel (means of description), Methode (methods) and Werkzeug (tool). The resulting system described along the thesis is applied and tested in a demonstrator tool, validating the developed methodologies in both software and hardware level. The proposed methodologies for the development of an intelligent GNSS-based localisation system are a substantial contribution for intelligent GNSS-based validation tools that will enable future safety-relevant applications, in field such as on-board uncertainty evaluation of vehicle localisation; advanced driver assistance systems; and GNSS-based vehicle localisation with intelligent maps for track selective enabled-localisation.

Die Nutzung der globalen Navigationssatellitensysteme (GNSS) zu Lokalisierungszwecken erfordert eine ständige Auswertung der generierten Positionsinformationen sowie eine standardisierte Validierungsmethodik und anschließende Qualitätskontrollverfahren der GNSS-Empfänger. Die Verwendung eines unabhängigen Referenzsystems sollte genügend Informationen liefern, um das Lokalisierungssystem zu validieren, aber das Fehlen sowohl einer angemessenen Auswertung als auch entsprechender Verfahren stellen erhebliche Lücken für zukünftige Anwendungen sowohl dem Empfänger und der Referenz dar. Um diese Probleme zu lösen, wird ein Ansatz mit Künstlicher Intelligenz (KI) vorgestellt. Die Entwicklung KI-basierter Validierungstools sowie Filtertechniken zur Positionsbestimmung, um das Bezugssystem zu unterstützen, führt zu erheblichen Verbesserungen insofern, als dass ein GNSS-abhängiges Referenzsystem erstellt werden kann, wenn keine unabhängigen Referenzsysteme verfügbar sein sollten. Diese zusätzlichen Elemente sind die Grundlagen für zukünftige intelligente GNSSbasierte Lokalisierungssysteme. Die vorgestellten Methoden vereinen fortschrittliche Partikelfilter (PF) für die Positionsbestimmung mit der neuentwickelten Mahalanobis-Ellipsen-Filter (MEF)-Methodik für die genauigkeitsbasierte Datenauswertung, sowie einen Künstlichen-Neuronalen-Netze (KNN)-Ansatz für sowohl qualitative als auch quantitative Validierungstools. Im Rahmen des BMW-Prinzips (kurz für Beschreibungsmittel, Methoden undWerkzeuge) werden die Grundlagen für ein KI-basiertes System für GNSS-basierte Lokalisierungssysteme vorgestellt und im Rahmen dieser Arbeit entwickelt. Das sich ergebende intelligente GNSS-basierte Lokalisierungssystem wird in einem Demonstrator-Werkzeug angewendet, um das entwickelte System auf der Software- und Hardware-Ebene zu validieren. Abschließend wird eine Risikoanalyse des Demonstrators präsentiert. Diese Methoden zur Entwicklung eines intelligenten GNSS-basierten Lokalisierungssystems werden zukünftige sicherheitsrelevante Anwendungen in Bereichen wie Bordunsicherheitsermittlung in der Fahrzeuglokalisierung, Fahrassistenzsysteme und GNSSbasierte Fahrzeugortung mit intelligenten Karten für eine spurselektive Lokalisierung ermöglichen.

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction:
All rights reserved