Development of a Kalman Filter for Multiple-Sensor Embedded Systems in Urban Public Transportation Applications

Abstract

This thesis describes a robust and more precise navigation solution with fusion of low-cost inertial, pressure and magnetic-field sensors and a consumer-grade GPSreceiver using the idea of Kalman filtering. The derived algorithm implements the physical properties of each sensor and takes advantage of vehicle movement constraints with odometry assistance. An adaptive solution detects faulty measurement data especially in urban areas with poor GPS-signal quality.

Die Arbeit beschreibt die Entwicklung einer robusten und genauen Navigationslösung mit Hilfe der Fusion von kostengünstigen Trägheits-, Luftdruck- und Magnetfeldsensoren und einem GPS Empfänger unter Verwendung eines Kalman Filters. Der hergeleitete Algorithmus nutzt die physikalischen Eigenschaften der Sensoren und macht Gebrauch von einem Fahrzeugmodell, welches mit einer Odometrieinformation ergänzt wird. Eine adaptive Lösung detektiert gestörte Signale insbesondere in städtischen Gebieten mit schlechter GPS-Signalqualität.