Inproceedings,

Ein GPU basierter Partikelfilter für GNSS Codephasen-Positionierung in Echtzeit

, and .
(2019)

Abstract

Die Entwicklung hin zu vollautonomen Fahrzeugen führt zu hohen Anforderungen an die nächste Generation von Positionierungs- und Navigationslösungen, hinsichtlich ihrer Genauigkeit, Zuverlässigkeit und Integrität. Unterschiedliche Sensoren sollen hierbei die absolute und relative Positionierung und Orientierung des Fahrzeugs sicherstellen. Die einem solchen System zu Grunde liegende dynamische Parameterschätzung ist dabei in den meisten Anwendungsfällen nicht linear. Zusätzlich führen Sensoreigenschaften dazu, dass Beobachtungen nicht als normalverteilte Größen betrachtet werden können. Unter diesen Bedingungen kann die Zuverlässigkeit der Schätzung mit sequentiellen Monte Carlo Methoden, insbesondere dem Partikelfilter, gesteigert werden, da diese Schätzer im Gegensatz zum klassischen Kalmanfilter, nicht auf der Annahme einer Gaußverteilung beruhen. Partikelfilter sind sequentielle Schätzer und erfordern daher enormen Rechenaufwand. Die Rechenschritte aller Partikel können jedoch parallelisiert werden. In diesem Beitrag wird die Implementierung von GNSS Codephasen-Positionierung durch Partikelfilterung auf einer GPU (graphics processing unit) vorgestellt. Durch massive Parallelisierung lässt sich eine große Anzahl von Partikeln in Echtzeit verarbeiten. In der Präsentation wird anhand von Testfahrten gezeigt, welche Genauigkeiten mit diesem Ansatz erreicht werden können und diskutiert, welcher Nutzen hinsichtlich moderner Positions- und Navigationslösungen besteht.

Tags

Users

  • @unibiblio
  • @tomkelambertus

Comments and Reviews