La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Sensor fusion-based indoor navigation in GNSS-denied environments

Téléchargements

Téléchargements par mois depuis la dernière année

Shakerian, Ali (2024). Sensor fusion-based indoor navigation in GNSS-denied environments. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[thumbnail of SHAKERIAN_Ali.pdf]
Prévisualisation
PDF
Télécharger (14MB) | Prévisualisation

Résumé

Indoor navigation holds paramount importance in today's ever-evolving technological landscape, particularly in environments where conventional methods such as the Global Navigation Satellite System (GNSS) are non-operational. The ibNav project represents a groundbreaking endeavor in the realm of indoor navigation systems, responding to the evolving landscape of technology where traditional Global Navigation Satellite Systems (GNSS) often fall short. This Master's thesis delves into the intricate developments within the ibNav project, culminating in a comprehensive exploration of its foundational principles, innovative calibration methodologies, and potential real-world applications. Central to this research is the refinement of the ibNav 6.1 version, involving exhaustive debugging and the introduction of advanced data processing algorithms, ensuring the system's robust operationality. Equally critical was the management of the Ground Control Station (GCS) for data visualization and trajectory mapping, as well as the optimization of the RiCF server to facilitate seamless communication with the array of integrated sensors. Meticulous efforts were also directed towards sensor calibration, guaranteeing high accuracy standards, if not enhancement. The thesis elucidates the project's core contribution in addressing GNSS-denied environments, emphasizing the integration of blockchain technology to fortify data integrity and security within the ibNav system. Furthermore, it explores the novel application of the Least Square Ellipsoid Fitting Algorithm to calibrate the project's sensor framework, enhancing precision significantly. An interdisciplinary approach is introduced, merging realtime sensor data with neural networks, showcasing the potential not only for human activity recognition but also for elevating the adaptability and versatility of systems like ibNav. This comprehensive exploration of ibNav's core components forms the foundation for the development of three distinct research papers, each addressing a unique dimension of the project and collectively providing a holistic understanding of ibNav's principles, calibration techniques, and application potential. Throughout this thesis, the interrelation between these papers becomes evident, forming a cohesive narrative that begins with the foundational principles of the ibNav system, delves into the intricacies of sensor calibration, and culminates in the exploration of real-world applications through data integration with neural networks. In conclusion, this thesis serves as an in-depth exploration of the ibNav project, bridging the gap between its foundational principles, advanced calibration methodologies, and its promising implications within the broader field of indoor navigation systems. As the subsequent chapters unfold, they will further elucidate the significance of these contributions and their potential to revolutionize indoor navigation technology.

Titre traduit

Navigation en intérieur basée sur la fusion de capteurs dans des environnements dépourvus de GNSS

Résumé traduit

La navigation en intérieur revêt une importance primordiale dans le paysage technologique en constante évolution d'aujourd'hui, en particulier dans des environnements où les méthodes conventionnelles telles que le Système de Navigation par Satellite Global (GNSS) ne sont pas opérationnelles. Le projet ibNav représente une initiative révolutionnaire dans le domaine des systèmes de navigation en intérieur, répondant à l'évolution du paysage technologique où les systèmes de navigation par satellite global traditionnels (GNSS) atteignent souvent leurs limites. Cette thèse de master plonge dans les développements complexes au sein du projet ibNav, aboutissant à une exploration exhaustive de ses principes fondamentaux, de ses méthodologies de calibrage innovantes et de ses applications potentielles dans le monde réel. Au coeur de cette recherche se trouve le perfectionnement de la version ibNav 6.1, impliquant un débogage minutieux et l'introduction d'algorithmes avancés de traitement des données, garantissant la robustesse opérationnelle du système. Tout aussi essentielle était la gestion de la Station de Contrôle au Sol (GCS) pour la visualisation des données et la cartographie des trajectoires, ainsi que l'optimisation du serveur RiCF pour faciliter la communication fluide avec l'ensemble des capteurs intégrés. Des efforts méticuleux ont également été dirigés vers le calibrage des capteurs, garantissant des normes de précision élevées, voire une amélioration de celles-ci. La thèse éclaire la contribution essentielle du projet à la résolution des problèmes liés à l'absence de GNSS, en mettant l'accent sur l'intégration de la technologie de la blockchain pour renforcer l'intégrité et la sécurité des données au sein du système ibNav. De plus, elle explore l'application novatrice de l'algorithme de l'ajustement ellipsoïdal des moindres carrés pour calibrer le cadre des capteurs du projet, améliorant considérablement la précision. Une approche interdisciplinaire est introduite, combinant des données de capteurs en temps réel avec des réseaux neuronaux, démontrant le potentiel non seulement pour la reconnaissance de l'activité humaine, mais aussi pour élever l'adaptabilité et la polyvalence des systèmes comme ibNav. Cette exploration approfondie des composants essentiels d'ibNav forme la base du développement de trois articles de recherche distincts, chacun abordant une dimension unique du projet et fournissant collectivement une compréhension holistique des principes d'ibNav, des techniques de calibrage et du potentiel d'application. Tout au long de cette thèse, l'interrelation entre ces articles devient évidente, formant un récit cohérent qui commence par les principes fondamentaux du système ibNav, plonge dans les subtilités du calibrage des capteurs et aboutit à l'exploration des applications dans le monde réel grâce à l'intégration des données avec les réseaux neuronaux. En conclusion, cette thèse constitue une exploration approfondie du projet ibNav, comblant le fossé entre ses principes fondamentaux, ses méthodologies de calibrage avancées et ses implications prometteuses dans le domaine plus vaste des systèmes de navigation en intérieur. Au fur et à mesure que les chapitres suivants se dévoileront, ils éclaireront davantage l'importance de ces contributions et leur potentiel pour révolutionner la technologie de navigation en intérieur.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Manuscript-based thesis presented to École de technologie supérieure in partial fulfillement of the requirements for a master’s degree with thesis in electrical engineering". Comprend des références bibliographiques (pages 141-148).
Mots-clés libres: navigation, GNSS refusé, unité de mesure inertielle (UMI), positionnement, apprentissage automatique, calibration, cartographie
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Landry, René Jr.
Programme: Maîtrise en ingénierie > Génie électrique
Date de dépôt: 23 avr. 2024 15:46
Dernière modification: 23 avr. 2024 15:46
URI: https://espace.etsmtl.ca/id/eprint/3442

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt