{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,30]]，“日期-时间”：“2024-06-30T11:06:48Z”，“时间戳”：1719745608174}，“引用-计数”：24，“发布者”：“MDPI AG”，“问题”：“4”，“许可证”：[{“开始”：{-date-parts”：[2009,4,15]]，-15T00:00:00Z“，“时间戳”：1239753600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/3.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“传感器”]，“抽象”：“数字移动地图将数字成像与直接地理参考相结合，在过去15年中发展迅速。直接地理参考是确定移动数字成像仪的时变位置和方向参数。目前用于此目的的最常见技术是使用全球定位系统（GPS）的卫星定位和使用惯性测量单元（IMU）的惯性导航系统（INS）。它们通常以这样的方式集成：GPS接收机是主要的位置传感器，而IMU是主要的方向传感器。卡尔曼滤波器（KF）被认为是实时INS/GPS组合动态位置和方位确定的最佳估计工具。在以往的研究中，为了克服KF的局限性并提高INS/GPS组合系统的性能，提出了一种由人工神经网络（ANN）和KF组成的智能混合方案。然而，即使使用ANN-KF方案，也可以很容易地达到通用移动地图应用程序的精度要求。因此，本研究提出了一种智能定位和定向方案，该方案将ANN嵌入传统的Rauch-Tung-Striebel（RTS）平滑器中，以提高MEMS INS/GPS集成系统在任务后模式下的整体精度。通过将微机电系统（MEMS）INS/GPS集成系统与本研究提出的智能ANN-RTS平滑器方案相结合，可以预期一种更便宜但仍相当精确的位置和方向确定方案<\/jats:p>“，”DOI“：”10.3390\/s90402586“，”type“：”journal-article“，”created“：{”date-parts“：[[2009,4,15]]，”date-time“：”2009-04-15T13:33:30Z“，”timestamp“：123980240000}，”page“：“2586-2610”，“source”：“Crossref”，”is-referenced-by-count“：36，”title“：[”低成本MEMS INS/GPS集成传感器的人工神经网络嵌入式位置和方向确定算法“]，”前缀“：”10.3390“，”卷“：”9“，”作者“：[{”给定“：”凯威“，”家族“：”蒋“，”序列“：”第一“，”从属“：[}”名称“：”国立成工大学地理系\/台湾台南701大湖路1号“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-7915-2477”，“authenticated-ORCID”：false，“given”：”Hsiu-Wen“，“family”：“Chang”，“sequence”：“additional”，“affiliation”：[{“name”：“国立成贡大学地理信息学系\/台湾台南701大寿路1号“}]}，{“given”：“Chia-Yuan”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[{“name”：“国立成贡学院地理信息学部\/台湾701大寿路1号”}]}，}“giving”：“Yun-Wen”，”family“：”Huang“，”sequence“：”additional“，”affiliation“：[{”name“：”国立成工大学地理信息系\/台湾台南701号大湖路1号“}]}]，”member“：”1968“，”published-online“：{”date-parts“：[[2009,4,15]]}，”reference“：[}”key“：”ref_1“，”unstructured“：”El-Sheimy，N.（1996）.[开发VISAT-用于地理信息系统应用的移动测量系统，卡尔加里大学地理信息工程系]。UCGE报告编号：20101，。“}，{“key”：“ref_2”，“非结构化”：“Tao，V.和Li，J.（2007）。移动测绘技术进展，Taylor和Francis集团。国际摄影测量和遥感学会（ISPRS）丛书，。”}，{“key”：“ref_3”，“非结构化”：“El Sheimi，N.（2002）。卡尔加里大学地理系惯性导航导论。ENGO 699.71课堂讲稿，。“}，{”key“：”ref_4“，”unstructured“：”Shin，E.H.（2005）。[低成本惯性导航估算技术，卡尔加里大学地理信息工程系]。UCGE报告20219，。“}”，{“key”：“ref_5”，“unstructure”：“Goad，C.C.（1991，1-6月）。俄亥俄州立大学绘图系统：定位组件。弗吉尼亚州威廉斯堡。”}，{“key”：“ref_6”，“unstructured”：“Coetsee，J.，Brown，A.，and Bossler，J.（，1994）。使用GPSVan进行GIS数据采集，并由GPS惯性测绘系统支持。犹他州盐湖城。第1部分：。”}，{”key“：”ref_7“，”首页“：”1.3.1“，”article-title“：”基于GPS、GIS和多传感器的移动测绘系统“，”volume“：“32”，“author”：“Li”，“year”：“1999”，“journal-title”：“Int.Arch.Photogram.Remote Sensing”}，{“key”：“ref_8”，“first-pagent”：“5.A.5.1”，“article-title“：”通过摄影测量导线测量城市街道测绘“，”volume“：”32“，”author“：”Silva“，”year“：”1999“，”journal-title“:”Int.Arch.Photogramm.Remote Sensensing“}：“移动制图-一种新兴的空间数据采集技术”，“卷”：“63”，“作者”：“李”，“年份”：“1997年”，“新闻标题”：“J.Photogram.Eng.Remote Sens”}，{“key”：“ref_10”，“unstructured”：“Grejner-Brzezinska，D.，and Toth，C.（2000年1月-7月）。荷兰阿姆斯特丹公路线形特征的精确制图。”}，“非结构化”：“Cramer，M.，Stallmann，D.，and Halla，N.（，1997）。使用GPS\/INS和图像匹配的高精度地理参考。加拿大班夫。”：“ref_13”，“doi-asserted-by”：“crossref”，“first page”：“2240”，“doi”：“10.3390\/s8042240”，“article-title”：“基于MEMS的低成本GPS接收机惯性传感器的误差和性能分析”，“volume”：”8“，”author“：”Park“，”year“：”2008“，”journal-title“：”Sensors“}，{“key”：。H.和Weston，J.L.（2004）。捷联惯性导航技术。【第二版】。“，”DOI“：”10.1049\/PBRA017E“}，{“key”：“ref_15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Bishop，C.M.（1995）.模式识别神经网络，牛津大学出版社.”，“DOI”：“10.1093\/oso\/9780198538493.001.0001”}，“{”key“：”ref_16“，”非结构化“：”Brown，R.G.，and Hwang，P.Y.C.（1992）.随机信号导论，John Wiley and Sons。”}，{“key”：“ref_17”，“首页”：“292”，“文章标题”：“导航算法必须使用卡尔曼滤波器吗？”，“volume”：“45”，“author”：“Vanicek”，“year”：“1999”，“journal title”：“Can.Aeronaut.Space J”}，{“key”：“ref_18”，“nonstructured”：“Chiang，K.W.（2004）.INS \/GPS集成使用神经网络进行陆地车辆导航应用，卡尔加里大学地理信息工程系。“}，{”key“：”ref_19“，”unstructured“：”Goodall，C.，El-Sheimy，N.，and Chiang，K.W.（2005）。《利用混合处理架构开发GPS\/MEMS INS集成系统》，导航研究所GNSS 2005年会议记录doi-asserted-by“：”crossref“，”first page“：”2053“，”doi“：”10.1088\/0957-0233\/15\/10\/015“，”article-title“：”基于神经网络的INS\/GPS集成架构的新权重更新方法“，”volume“：“15”，”author“：”Chiang“，”year“：”2003“，”journal-title”：“Meas。科学。Technol“}，{”key“：”ref_22“，”doi-asserted-by“：”crossref“，”first-pages“：”237“，”doi“：”10.2514\/3.20299“，”article-title“：”惯性导航系统的控制理论方法“，”volume“：“11”，”author“：”Berman“，”year“：”1988“，”journal-title”：“AIAA J.Guid.”}，”{“key”：“ref_23”，”doi-asserted-by“”：”cross-ref“，“first-page”：“”283“，”doi“：”10.1017\/S037346330500319X“，”article-title“：“管道清管用导航滤波器设计”，“volume”：“58”，“author”：“Shin”，“year”：“2005”，“journal-title”：“J.Navig”}，{“key”：”ref_24“，”unstructured“：”Haykin，S.（1999）。神经网络：综合基础，Prentice-Hall。[第二版]language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com/1424-8220\/9\/4\/2586\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,5,28]]，”date-time“：“2024-05-28T23:16:12Z”，“timestamp”：171693817200}，“score”：1，“resource”：{“primary”：{”URL“：”https:\/\/www.mdpi.com\/1424-8220\/9\/4\/2586“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2009,4,15]]}，“引用计数”：24，“日志发布”：{“发布”：“4”，“发布在线”：{“日期部分”：[[20009,4]}}、“替代id”：[“s90402586”]，“URL”：“http://\”/dx.doi.org \/10.3390 \/s90402586“，”关系“：{}，”ISSN“：[”1424-8220“]，”ISSN-type“：[{”value“：“1424-8220”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2009,4,15]]}}