🧠 Liu et al. (2024) – Survey sur les ensembles de données pour la navigation inertielle

Auteurs : Liu, Zhang, Tang, et al.
Source : Sensors, 2024
DOI : 10.3390/s24010034

🎯 Objectif de l’étude

Ce survey passe en revue plus de 90 ensembles de données publics utilisés dans la navigation inertielle et la reconnaissance de mouvement.

• Comparaison des capteurs utilisés (IMU, GPS, magnétomètre, etc.)
• Types de scénarios couverts : piéton, véhicule, mobile
• Résolutions et fréquences d’échantillonnage disponibles
• Analyse des usages typiques : fusion de capteurs, apprentissage automatique, SLAM, détection d’activités

🔍 Apports principaux

• Tableaux synthétiques très lisibles des datasets open-source
• Classification utile pour tout projet exploitant des données IMU ou multi-capteurs
• Analyse des biais et manques dans les jeux de données actuels

📌 Intérêt pour RoadSimulator3

Ce travail a guidé la création du simulateur en identifiant les lacunes des jeux de données existants :

• Peu de datasets avec données IMU/GNSS à haute fréquence synchronisées
• Peu de cas réalistes de livraison urbaine avec événements inertiels annotés
• Justification claire de l’approche synthétique proposée par RoadSimulator3

⚠️ Limites

• Revue descriptive, peu d’analyse comparative qualitative
• Pas de benchmark direct sur l’efficacité des datasets

🧩 Intégration dans RoadSimulator3

Utilisé dans la thèse comme référence pour le chapitre sur les données réelles. Mentionné dans l’introduction pour motiver le simulateur 10 Hz enrichi.

🔗 Liens utiles

• 📄 Lire l’article original
• 📚 Voir dans la bibliographie

📚 Référence BibTeX

@article{liuSurveyDatasetsIMU2024,
  title={Survey on Inertial Navigation Datasets: Applications, Characteristics and Gaps},
  author={Liu, Zheng and Zhang, Fang and Tang, Wei and others},
  journal={Sensors},
  volume={24},
  number={1},
  pages={34},
  year={2024},
  publisher={MDPI}
}