A New Approach to Unwanted-Object Detection in GNSS/LiDAR-Based Navigation.
A New Approach to Unwanted-Object Detection in GNSS/LiDAR-Based Navigation.
复制标题
DOI：
10.3390/s18082740
复制
发表时间：
2018-08-20
期刊：
影响因子：
--
通讯作者：
Pervan B
中科院分区：
文献类型：
--
作者：
Joerger M;Arana GD;Spenko M;Pervan B
在本文中，我们开发了新的方法来评估高度自动化车辆（HAV）应用的集成GNSS/LiDAR导航系统的安全风险。LiDAR导航需要特征提取（FE）和数据关联（DA）。在之前的工作中，我们建立了一个FE和DA风险预测算法，假设提取的特征集与映射的地标集相匹配。本文解决了这些限制性的假设，将卡尔曼滤波器创新为基础的测试，以检测不需要的对象（UO）。UO包括未标测、移动和错误排除的地标。一个完整性的风险界限推导出未检测到UO的风险。直接模拟和初步测试有助于量化在示例GNSS/LiDAR实施中对UO监测的完整性和连续性的影响。
In this paper, we develop new methods to assess safety risks of an integrated GNSS/LiDAR navigation system for highly automated vehicle (HAV) applications. LiDAR navigation requires feature extraction (FE) and data association (DA). In prior work, we established an FE and DA risk prediction algorithm assuming that the set of extracted features matched the set of mapped landmarks. This paper addresses these limiting assumptions by incorporating a Kalman filter innovation-based test to detect unwanted object (UO). UO include unmapped, moving, and wrongly excluded landmarks. An integrity risk bound is derived to account for the risk of not detecting UO. Direct simulations and preliminary testing help quantify the impact on integrity and continuity of UO monitoring in an example GNSS/LiDAR implementation.
登录
查看更多内容
DOI：
10.1109/70.938381
发表时间：
2001-06-01
期刊：
IEEE TRANSACTIONS ON ROBOTICS AND AUTOMATION
影响因子：
--
作者：
Dissanayake, MWMG;Newman, P;Csorba, M
通讯作者：
Csorba, M
影响因子：
4.3
作者：
Asvadi, Alireza;Premebida, Cristiano;Nunes, Urbano
通讯作者：
Nunes, Urbano
影响因子：
5.7
作者：
Bar-Shalom, Yaakov;Daum, Fred;Huang, Jim
通讯作者：
Huang, Jim
DOI：
10.1109/taes.2018.2850381
发表时间：
2019-02-01
影响因子：
4.4
作者：
Joerger, Mathieu;Pervan, Boris
通讯作者：
Pervan, Boris
影响因子：
2.6
作者：
Joerger, Mathieu;Pervan, Boris
通讯作者：
Pervan, Boris