Luận án tiến sĩ nghiên cứu giải pháp tích hợp hệ thống gnssins trên thiết bị thông minh ứng dụng trong trắc địa bản đồ

Luận án tiến sĩ nghiên cứu giải pháp tích hợp hệ thống GNSS/INS trên thiết bị thông minh, ứng dụng hiệu quả trong lĩnh vực trắc địa bản đồ.

• Tác giả: Trần Trung Chuyên
• Người hướng dẫn: Nguyễn Trường Xuân
• Trường học: Trường Đại học Mỏ - Địa chất
• Chuyên ngành: Kỹ thuật Trắc địa - Bản đồ
• Đề tài: Giải pháp tích hợp GNSS/INS trên thiết bị thông minh ứng dụng trong trắc địa bản đồ
• Loại tài liệu: luận án tiến sĩ kỹ thuật
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU
• DANH MỤC CÁC THUẬT NGỮ VÀ TỪ VIẾT TẮT
• DANH SÁCH BẢNG
• DANH SÁCH HÌNH VẼ
• MỞ ĐẦU
• 1. CHƯƠNG 1: ƯỚC LƯỢNG SAI SỐ CẢM BIẾN QUÁN TÍNH CỦA SMARTPHONE
• 1.1. Mô hình sai số và bù nhiễu cảm biến
• 1.2. Hiệu chuẩn cảm biến quán tính
• 1.2.1. Kỹ thuật hiệu chuẩn cảm biến sáu vị trí
• 1.3. Phân tích và mô hình hóa dữ liệu cảm biến quán tính
• 1.4. Phương pháp luận
• 1.4.1. Phân tích nhiễu dùng phương sai Allan
• 1.4.2. Chất lượng ước lượng phương sai Allan
• 2. CHƯƠNG 2: TÍCH HỢP GNSS/INS TRÊN SMARTPHONE
• 2.1. Khái quát các hệ tọa độ và động học Trái Đất
• 2.1.1. Các hệ tọa độ được sử dụng
• 2.1.2. Động học Trái Đất
• 2.2. Hệ thống dẫn đường quán tính
• 2.3. Hệ thống định vị vệ tinh toàn cầu
• 2.4. Sử dụng Smartphone để xác định vị trí điểm
• 2.5. Xây dựng IMU trong Smartphone
• 2.5.1. Định hướng từ cảm biến tốc độ góc
• 2.5.2. Định hướng từ cảm biến gia tốc
• 2.5.3. Giải thuật định hướng kết hợp để xây dựng IMU
• 2.6. Tích hợp GNSS/INS trong Smartphone
• 2.6.1. Kiến trúc tích hợp
• 2.6.2. Xử lý dữ liệu với phép lọc Kalman mở rộng
• 3. CHƯƠNG 3: THỰC NGHIỆM VÀ CÁC KẾT QUẢ
• 3.1. Hiệu chuẩn cảm biến quán tính
• 3.1.1. Môi trường thực nghiệm
• 3.1.2. Các kết quả và thảo luận
• 3.2. Phân tích và mô hình hóa dữ liệu cảm biến quán tính
• 3.2.1. Môi trường thực nghiệm
• 3.2.2. Các kết quả và thảo luận
• 3.3. Tích hợp GNSS/INS trên Smartphone
• 3.3.1. Môi trường thực nghiệm
• 3.3.2. Các kết quả và thảo luận
• 3.4. Ứng dụng trong Trắc địa - Bản đồ
• 3.4.1. Môi trường thực nghiệm
• 3.4.2. Khu vực thực nghiệm
• 3.4.3. Các kết quả và thảo luận
• KẾT LUẬN VÀ KIẾN NGHỊ
• MỘT SỐ CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ
• 1. Bài báo tạp chí khoa học quốc tế SCIE
• 2. Bài báo tạp chí khoa học trong nước
• 3. Bài báo hội nghị khoa học quốc tế
• 4. Phần mềm ứng dụng di động App Store
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC A: DỮ LIỆU HIỆU CHUẨN CẢM BIẾN GIA TỐC
• PHỤ LỤC B: DỮ LIỆU HIỆU CHUẨN CẢM BIẾN TỐC ĐỘ GÓC
• PHỤ LỤC C: SO SÁNH CÁC KẾT QUẢ
• PHỤ LỤC D: MỘT SỐ MÃ NGUỒN MATLAB ĐƯỢC PHÁT TRIỂN
• 1. Mã nguồn mô-đun hiệu chuẩn cảm biến
• 2. Mã nguồn hàm bù nhiễu
• 3. Mã nguồn hàm tính trọng lực cục bộ

Tóm tắt

I. Giới thiệu về tích hợp GNSS INS trên thiết bị thông minh

Tích hợp GNSS/INS là một giải pháp công nghệ tiên tiến, kết hợp hệ thống định vị vệ tinh toàn cầu (GNSS) và hệ thống dẫn đường quán tính (INS) để nâng cao độ chính xác định vị. Thiết bị thông minh, đặc biệt là Smartphone, được trang bị các cảm biến quán tính như cảm biến gia tốc và cảm biến tốc độ góc, tạo điều kiện thuận lợi cho việc tích hợp này. Ứng dụng của tích hợp GNSS/INS trong trắc địa và bản đồ giúp cải thiện độ chính xác định vị, đặc biệt trong các môi trường có tín hiệu GNSS yếu hoặc bị gián đoạn.

1.1. Tổng quan về GNSS và INS

GNSS là hệ thống định vị dựa trên tín hiệu vệ tinh, cung cấp thông tin vị trí chính xác trên toàn cầu. INS sử dụng các cảm biến quán tính để đo lường gia tốc và tốc độ góc, từ đó tính toán vị trí và hướng di chuyển. Khi kết hợp, GNSS và INS bù trừ lẫn nhau: GNSS cung cấp độ chính xác dài hạn, trong khi INS duy trì độ chính xác ngắn hạn khi tín hiệu GNSS bị gián đoạn.

1.2. Ứng dụng trong trắc địa và bản đồ

Trong trắc địa, tích hợp GNSS/INS giúp cải thiện độ chính xác khi đo đạc địa hình, đặc biệt trong các khu vực có địa hình phức tạp. Đối với bản đồ, giải pháp này hỗ trợ tạo ra các bản đồ số chính xác hơn, phục vụ cho các mục đích quy hoạch và quản lý đất đai.

II. Công nghệ và phương pháp tích hợp GNSS INS

Tích hợp GNSS/INS trên thiết bị thông minh đòi hỏi sự kết hợp giữa phần cứng và phần mềm. Các cảm biến quán tính trên Smartphone được sử dụng để xây dựng hệ thống dẫn đường quán tính, trong khi GNSS cung cấp dữ liệu vị trí chính xác. Phương pháp lọc Kalman mở rộng (EKF) thường được áp dụng để kết hợp dữ liệu từ hai hệ thống này.

2.1. Cảm biến quán tính trên Smartphone

Các cảm biến quán tính trên Smartphone bao gồm cảm biến gia tốc và cảm biến tốc độ góc. Những cảm biến này có độ chính xác thấp hơn so với thiết bị chuyên dụng, nhưng với các kỹ thuật hiệu chuẩn và bù nhiễu, chúng có thể được sử dụng hiệu quả trong tích hợp GNSS/INS.

2.2. Phương pháp lọc Kalman mở rộng

Lọc Kalman mở rộng (EKF) là phương pháp toán học được sử dụng để kết hợp dữ liệu từ GNSS và INS. EKF giúp loại bỏ nhiễu và sai số, đảm bảo độ chính xác cao hơn trong việc xác định vị trí và hướng di chuyển.

III. Thực nghiệm và kết quả

Các thực nghiệm được tiến hành để đánh giá hiệu quả của tích hợp GNSS/INS trên Smartphone. Kết quả cho thấy, giải pháp này giúp cải thiện đáng kể độ chính xác định vị, đặc biệt trong các môi trường có tín hiệu GNSS yếu hoặc bị gián đoạn.

3.1. Hiệu chuẩn cảm biến quán tính

Quá trình hiệu chuẩn các cảm biến quán tính trên Smartphone được thực hiện để giảm thiểu sai số. Các phương pháp hiệu chuẩn sáu vị trí và phân tích phương sai Allan được áp dụng để đảm bảo độ chính xác của dữ liệu đầu vào.

3.2. Đánh giá độ chính xác định vị

Kết quả thực nghiệm cho thấy, tích hợp GNSS/INS trên Smartphone giúp giảm sai số định vị xuống mức chấp nhận được, đặc biệt trong các khu vực có tín hiệu GNSS yếu. Điều này mở ra khả năng ứng dụng rộng rãi trong trắc địa và bản đồ.

IV. Kết luận và kiến nghị

Tích hợp GNSS/INS trên thiết bị thông minh là một giải pháp hiệu quả để nâng cao độ chính xác định vị, đặc biệt trong các ứng dụng trắc địa và bản đồ. Các nghiên cứu tiếp theo nên tập trung vào việc cải thiện độ chính xác của cảm biến quán tính và tối ưu hóa các thuật toán tích hợp.

4.1. Ý nghĩa khoa học và thực tiễn

Nghiên cứu này đóng góp vào việc phát triển các giải pháp định vị chi phí thấp, dễ áp dụng trong thực tế. Đồng thời, nó mở ra hướng nghiên cứu mới trong việc tích hợp các công nghệ định vị trên thiết bị thông minh.

4.2. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo nên tập trung vào việc cải thiện độ chính xác của cảm biến quán tính và phát triển các thuật toán tích hợp hiệu quả hơn. Ngoài ra, việc ứng dụng tích hợp GNSS/INS trong các lĩnh vực khác như giao thông và quản lý đô thị cũng cần được khám phá.

Nội dung chính

Tổng quan luận án

Công tác Trắc địa - Bản đồ (TĐBĐ) đóng vai trò nền tảng trong việc xác định tọa độ, vị trí và thể hiện các đối tượng không gian phục vụ phát triển kinh tế - xã hội và quản lý lãnh thổ. Tại Việt Nam, phương pháp đo đạc thành lập bản đồ truyền thống dựa trên hệ thống mạng lưới khống chế tọa độ, độ cao quốc gia với các thiết bị đo chuyên dụng có độ chính xác cao nhưng kinh phí đầu tư lớn. Sự xuất hiện của Hệ thống định vị toàn cầu (GPS) và Hệ thống định vị vệ tinh toàn cầu (GNSS) đã tạo bước chuyển biến căn bản trong công tác thu nhận dữ liệu không gian. Dù vậy, các thiết bị định vị vệ tinh cầm tay có giá thành thấp hơn lại có độ chính xác hạn chế, chủ yếu phục vụ định vị sơ bộ hoặc hỗ trợ ra quyết định.

Cùng với sự phát triển của công nghệ vi điện tử, các thiết bị thông minh, đặc biệt là điện thoại thông minh (Smartphone), đã được tích hợp sẵn vi mạch thu tín hiệu GNSS cùng hệ thống cảm biến quán tính công nghệ vi cơ điện tử (MEMS). Tuy nhiên, phần cứng GNSS trên Smartphone thương mại phổ thông có độ chính xác định vị đơn điểm chưa cao và thường xuyên gặp hiện tượng suy giảm hoặc gián đoạn tín hiệu nghiêm trọng trong các điều kiện môi trường bất lợi như khu vực đô thị có nhiều nhà cao tầng, đường hầm, hoặc dưới tán rừng rậm. Việc cải thiện độ chính xác thông qua nâng cấp phần cứng hoàn toàn phụ thuộc vào nhà sản xuất, trong khi việc bổ sung các mô-đun phần cứng chuyên dụng bên ngoài lại làm tăng chi phí và giảm tính tiện dụng. Khoảng trống nghiên cứu đặt ra là: làm thế nào để tận dụng tối đa hệ thống cảm biến quán tính MEMS sẵn có trong thiết bị thông minh nhằm xây dựng giải pháp định vị tích hợp GNSS/INS với chi phí thấp mà vẫn đáp ứng được các yêu cầu kỹ thuật của công tác TĐBĐ.

Mục đích, câu hỏi, đối tượng và phạm vi nghiên cứu của luận án được xác định cụ thể như sau:

1. Mục đích nghiên cứu: Nghiên cứu giải pháp tích hợp GNSS/INS trên Smartphone nhằm cải thiện độ chính xác định vị tọa độ và duy trì tính liên tục của dữ liệu vị trí.
2. Các luận điểm khoa học bảo vệ:
   • Luận điểm 1: Smartphone hiện tại có trang bị phần cứng GNSS hoàn toàn có khả năng ứng dụng trong công tác Trắc địa - Bản đồ ở các cấp độ tỷ lệ phù hợp.
   • Luận điểm 2: Ước lượng sai số cảm biến quán tính của Smartphone là giải pháp phù hợp cho bài toán tích hợp GNSS/INS để nâng cao độ chính xác định vị tọa độ trên Smartphone.
3. Đối tượng nghiên cứu: Hệ thống định vị vệ tinh toàn cầu (GNSS); Hệ thống dẫn đường quán tính (INS) trên Smartphone; các cảm biến gia tốc (Accelerometer) và cảm biến tốc độ góc (Gyroscope) tích hợp sẵn trên thiết bị di động thông minh.
4. Phạm vi nghiên cứu: Nâng cao độ chính xác và tính ổn định của bài toán định vị tọa độ bằng Smartphone phục vụ một số nhiệm vụ cụ thể trong ngành Trắc địa - Bản đồ (như đo cập nhật tim đường giao thông, ranh giới địa vật, đo diện tích rừng, tìm kiếm điểm khống chế ngoài thực địa).

Tổng quan tài liệu và vị trí của luận án

Tổng quan các công trình nghiên cứu trong và ngoài nước cho thấy bài toán đánh giá và ứng dụng thiết bị thông minh trong định vị dẫn đường đã thu hút nhiều nhóm tác giả:

• Đánh giá độ chính xác định vị GNSS trên Smartphone: Jones và cộng sự đã thử nghiệm khả năng định vị mặt bằng của nhiều dòng Smartphone sử dụng hệ thống tăng cường A-GPS so sánh với số liệu chuẩn RTK, ghi nhận sai số vị trí điểm mặt bằng trung bình khoảng $\pm 67\text{ feet}$; trong đó thiết bị chạy iOS (iPhone 4) đạt sai số trung phương $\pm 44.79\text{ feet}$ (khoảng $\pm 14\text{ m}$), còn các thiết bị chạy Android có sai số trung phương lên tới $\pm 207\text{ feet}$. Julián Tomaštík Jr. và cộng sự tiến hành kiểm chứng định vị GNSS của Smartphone trong điều kiện rừng lá kim hỗn hợp (tại 74 điểm) và khu vực thoáng (17 điểm), thu được sai số trung phương dao động từ $\pm 4.45\text{ m}$ (mùa rụng lá) đến $\pm 1.36\text{ m}$ (khu vực trống trải), khẳng định khả năng sử dụng thiết bị di động trong quản lý diện tích rừng và ước tính trữ lượng gỗ.
• Nghiên cứu tích hợp GNSS/INS và lọc Kalman: Cơ sở lý thuyết tích hợp hệ thống định vị vệ tinh và dẫn đường quán tính được hệ thống hóa toàn diện trong các công trình kinh điển của Grewal, Andrews, Bartone và tài liệu chuyên khảo của Groves. Các tác giả đã cung cấp nền tảng toán học cho các kiến trúc tích hợp và thuật toán lọc Kalman mở rộng (EKF).
• Ứng dụng cảm biến quán tính di động cho định vị dẫn đường: Schindhelm và cộng sự khảo sát chuyển động của iPhone quanh vòng tròn đường kính 1 mét, nhận thấy các bộ lọc thông thường chỉ duy trì độ chính xác trong thời gian ngắn trước khi bị trôi dạt lớn do mức độ nhiễu cao của cảm biến phổ thông. Xiaoji và cộng sự chứng minh cụm cảm biến quán tính trên iPhone 4 có thể đóng vai trò như một Bộ đo quán tính (IMU) hoàn chỉnh, có khả năng hàn gắn các đoạn mất tín hiệu GPS ngắn và giảm thiểu sai số thô trong dẫn đường xe ô tô. Mohammed EL-Diasty và cộng sự chỉ ra rằng hiệu năng của hệ thống định vị tích hợp GNSS/INS phụ thuộc trực tiếp vào khả năng khử sai số hệ thống (nhiễu tất định) và mô hình hóa sai số ngẫu nhiên (nhiễu thống kê) của IMU.
• Phương pháp hiệu chuẩn cảm biến quán tính MEMS: Poddar và cộng sự đã khảo sát 19 công trình hiệu chuẩn từ năm 1995 trở lại đây (bao gồm các công trình của Ferraris, Lotters, Shin & El-Sheimy, Bachmann, Skog, Jurman, Fong, Zhang, Bonnet, Frosio, Olivares, Won & Golnaraghi, Cheuk, Forsberg, Cai, Metge, Xiaoming, Li), chỉ ra hạn chế chung của các kỹ thuật hiệu chuẩn không dùng bàn xoay chuyên dụng là không thể xác định đồng thời hệ số tỷ lệ và góc lệch không trực giao của cảm biến tốc độ góc. Stancin và cộng sự, Sun và cộng sự, Saeedi và cộng sự cũng đã đề xuất các kỹ thuật hiệu chuẩn nhiều vị trí nhưng chưa cung cấp giải pháp trực quan hóa và kiểm chứng tức thời trên thiết bị di động.

Vị trí của luận án: Luận án tập trung giải quyết khoảng trống then chốt là xây dựng phương pháp hiệu chuẩn hoàn chỉnh cho cả cảm biến gia tốc và cảm biến tốc độ góc của Smartphone mà không cần thiết bị cơ khí đắt tiền, kết hợp phương pháp phân tích phương sai Allan để mô hình hóa toàn diện các thành phần nhiễu ngẫu nhiên, từ đó triển khai thành công hệ thống tích hợp GNSS/INS ở tầng ứng dụng di động phục vụ thực tiễn ngành Trắc địa - Bản đồ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Mô hình toán học của cảm biến gia tốc và cảm biến tốc độ góc được thiết lập theo dạng chuẩn biểu diễn mối quan hệ giữa véc-tơ đầu ra đo được ($\hat{f}, \hat{\omega}$) và véc-tơ giá trị thực ($f, \omega$):

$$\hat{f} \approx [I + S_a + \delta S_a]f + b_a + \delta b_a + w_a$$

$$\hat{\omega} \approx [I + S_g + \delta S_g]\omega + b_g + \delta b_g + w_g$$

Trong đó:

• $I$ là ma trận đơn vị cấp 3.
• $S_a, S_g$ là các ma trận chứa hệ số tỷ lệ trên đường chéo chính và hệ số chéo trục do tính không trực giao của các trục cảm biến gia tốc và tốc độ góc.
• $b_a, b_g$ là các véc-tơ độ lệch tất định (bias).
• $\delta S_a, \delta S_g$ và $\delta b_a, \delta b_g$ lần lượt là các thành phần biến động sai số của hệ số tỷ lệ và độ lệch.
• $w_a, w_g$ là thành phần tạp nhiễu ngẫu nhiên.

Mô hình bù sai số hệ thống được thực hiện bằng cách đảo ngược các hệ số đã xác định thông qua quá trình hiệu chuẩn:

$$f = \frac{\hat{f} - b_a - \delta b_a - w_a}{I + S_a + \delta S_a}$$

$$\omega = \frac{\hat{\omega} - b_g - \delta b_g - w_g}{I + S_g + \delta S_g}$$

Phương pháp phân tích phương sai Allan (Allan Variance)

Để định lượng các nguồn sai số ngẫu nhiên tiềm ẩn trong chuỗi dữ liệu thời gian, phương pháp phương sai Allan được áp dụng. Tín hiệu đầu ra liên tục ở trạng thái tĩnh được chia thành các cụm (cluster) với chu kỳ lấy mẫu $\tau = m\tau_0$ (trong đó $m$ là hệ số trung bình, $\tau_0$ là chu kỳ lấy mẫu cơ sở). Phương sai Allan $\sigma_\Omega^2(\tau)$ được tính toán theo độ lệch giữa các cụm kế tiếp:

$$\sigma_\Omega^2(\tau) = \frac{1}{2(n-2m)} \sum_{k=1}^{n-2m} \left( \bar{\Omega}_{k+m}(\tau) - \bar{\Omega}_k(\tau) \right)^2$$

Đồ thị log-log của độ lệch Allan $\sigma(\tau)$ theo thời gian $\tau$ cho phép tách và lượng hóa 5 thành phần nhiễu cơ bản dựa trên các góc nghiêng (độ dốc) đặc trưng:

1. Nhiễu lượng tử hóa ($Q$ - Quantization Noise): độ dốc $-1$.
2. Nhiễu bước ngẫu nhiên ($N$ - Angle/Velocity Random Walk): độ dốc $-1/2$.
3. Bất ổn độ lệch ($B$ - Bias Instability): độ dốc $0$.
4. Nhiễu tỷ lệ bước ngẫu nhiên ($K$ - Rate Random Walk): độ dốc $+1/2$.
5. Nhiễu tỷ lệ răng cưa ($R$ - Rate Ramp): độ dốc $+1$.

Độ tin cậy của phép ước lượng phương sai Allan được đánh giá thông qua sai số ước lượng:

$$\sigma(\delta_{AV}) = \frac{1}{\sqrt{2\left(\frac{n}{m}-1\right)}}$$

Thuật toán định hướng và tích hợp hệ thống

• Thuật toán AHRS Madgwick: Sử dụng biểu diễn quaternion để tính toán hướng và tư thế từ dữ liệu gia tốc kế và con quay hồi chuyển, tối ưu hóa tốc độ xử lý trên vi xử lý di động với mức tiêu thụ tài nguyên thấp.
• Phép lọc Kalman mở rộng (EKF): Cấu hình theo kiến trúc tích hợp lỏng (loosely coupled), trong đó dữ liệu vị trí và vận tốc từ bộ thu GNSS (tần số 1 Hz) được sử dụng làm thông tin cập nhật đo để hiệu chỉnh trạng thái tính toán liên tục từ INS (tần số 100 Hz).

Phương pháp nghiên cứu thực nghiệm và dữ liệu

Luận án kết hợp nghiên cứu lý thuyết giải tích, mô phỏng thuật toán trên môi trường Matlab R2016b và lập trình thực tế ứng dụng thu thập dữ liệu trên hệ điều hành iOS. Dữ liệu thực nghiệm bao gồm:

• Dữ liệu thô của cảm biến gia tốc và tốc độ góc thu thập trực tiếp qua API hệ điều hành với tần số 100 Hz trên iPhone 6 Plus.
• Dữ liệu đo GNSS của Smartphone đối chiếu với tuyến đo chuẩn được định vị bằng công nghệ RTK sử dụng máy thu chuyên dụng Trimble R2.
• Dữ liệu kiểm chứng không gian bằng mô hình ảnh trực quan thu nhận từ thiết bị bay không người lái (UAV).

Nội dung chính theo từng chương

Chương 1: Ước lượng sai số cảm biến quán tính của Smartphone

Chương 1 giải quyết cơ sở toán học và phương pháp xác định toàn diện các nguồn sai số tác động lên cảm biến quán tính MEMS trong Smartphone.

Nguồn sai số	Đặc tính tất định	Đặc tính thống kê	Kỹ thuật loại bỏ / giảm thiểu
Độ lệch (Bias)	Có	Có	Hiệu chuẩn (tất định) & Mô hình hóa (thống kê)
Hệ số tỷ lệ (Scale Factor)	Có	Không	Hiệu chuẩn thực nghiệm sáu vị trí
Sự không trực giao (Non-orthogonality)	Có	Không	Hiệu chuẩn ma trận chéo trục
Tạp nhiễu ngẫu nhiên (Random Noise)	Không	Có	Mô hình hóa phương sai Allan & Lọc EKF

Chương này đi sâu phân tích hai kỹ thuật hiệu chuẩn:

• Kỹ thuật hiệu chuẩn trực tiếp sáu vị trí (C6D): Dựa trên việc đặt lần lượt từng trục hướng lên trên và hướng xuống dưới theo phương gia tốc trọng trường cục bộ $g$ và tốc độ quay Trái Đất $\omega_e \sin\mu$. Kỹ thuật này dễ thực hiện nhưng chỉ tính được độ lệch mà không ước lượng được các hệ số chéo trục.
• Kỹ thuật hiệu chuẩn sáu vị trí có trọng số (C6W): Thiết lập hệ thống 18 phương trình quan sát tuyến tính $AX = R$ và giải bằng phương pháp Gauss-Newton:

$$\hat{X} = (R P A^T)(A P A^T)^{-1}$$

Trong đó $P = \frac{1}{\sigma_0^2}\Sigma_P$ là ma trận trọng số kích thước $6 \times 6$. Điểm mới cốt lõi là đề xuất phương pháp chuẩn hóa ảnh hưởng của thành phần vận tốc góc Trái Đất $\omega_e \sin\mu$ lên các trục cảm biến, cho phép tách thành công tín hiệu này ra khỏi nhiễu nền mà không cần bàn xoay chuẩn.

Đồng thời, phương pháp phân tích phương sai Allan được xây dựng hoàn chỉnh theo hai quy trình tính toán (dựa trên chuỗi tích phân góc/vận tốc hoặc chuỗi tốc độ tức thời), thiết lập cơ sở trích xuất chính xác 5 hệ số nhiễu phục vụ thiết lập ma trận hiệp phương sai nhiễu hệ thống cho bộ lọc EKF.

Chương 2: Tích hợp GNSS/INS trên Smartphone

Chương 2 trình bày kiến trúc tích hợp hệ thống định vị vệ tinh và dẫn đường quán tính trên nền tảng phần mềm di động. Nội dung chương bao gồm:

• Hệ thống quy chiếu và động học Trái Đất: Xác lập mối quan hệ chuyển đổi toán học giữa 4 hệ tọa độ cơ bản: Hệ quy chiếu quán tính Trái Đất (ECI), Hệ tọa độ địa tâm địa cố định (ECEF), Hệ tọa độ địa phương (NED / $n$-frame), và Hệ tọa độ vật thể gắn liền thân thiết bị ($b$-frame).
• Xây dựng IMU phần mềm ở tầng ứng dụng: Do IMU tích hợp sẵn trong vi xử lý chuyển động của Smartphone bị đóng kín bởi nhà sản xuất cho các mục đích giải trí, tác giả đã phát triển giải pháp trích xuất dữ liệu thô qua API với tần số 100 Hz, sau đó đưa qua mô-đun hiệu chuẩn và bù sai số để hình thành một IMU phần mềm phục vụ INS.
• Giải thuật định hướng kết hợp Madgwick AHRS: Ứng dụng đại số quaternion để hợp nhất dữ liệu từ cảm biến gia tốc và cảm biến tốc độ góc, giúp tính toán hướng và góc tư thế (Roll $\phi$, Pitch $\theta$, Yaw $\psi$) với độ ổn định cao, không đòi hỏi cấu hình xử lý phức tạp.
• Kiến trúc tích hợp lỏng (Loosely Coupled Integration) với EKF: Mô hình trạng thái bao gồm các sai số vị trí, sai số vận tốc, sai số tư thế cùng các sai số độ lệch dư của cảm biến. Bộ lọc EKF tiếp nhận sai lệch vị trí giữa GNSS (1 Hz) và INS (100 Hz) để liên tục ước lượng và hồi tiếp hiệu chỉnh các biến trạng thái, duy trì tính chính xác và liên tục khi di chuyển qua các vùng tín hiệu vệ tinh kém.

Chương 3: Thực nghiệm và các kết quả

Chương 3 trình bày toàn bộ kết quả thử nghiệm thực tế tại thực địa:

• Kết quả hiệu chuẩn cảm biến: Thử nghiệm trên iPhone 6 Plus so sánh giữa phương pháp C6D, C6W thông thường và phương pháp đề xuất C6W chuẩn hóa (C6X). Kết quả khẳng định phương pháp đề xuất loại bỏ triệt để sai số hệ thống, xác định chính xác các hệ số tỷ lệ và hệ số không trực giao trên cả 3 trục của cảm biến gia tốc và tốc độ góc.
• Kết quả mô hình hóa phương sai Allan: Từ chuỗi số liệu đo tĩnh, đường cong Allan của cảm biến gia tốc và tốc độ góc trên iPhone 6 Plus được thiết lập, trích xuất đầy đủ các giá trị số của 5 hệ số nhiễu ngẫu nhiên ($Q, N, B, K, R$). Các thông số này cung cấp đầu vào chính xác cho ma trận phương sai sai số hệ thống của bộ lọc Kalman.
• Kết quả dẫn đường tích hợp GNSS/INS: Thử nghiệm đo động trên tuyến đường thực tế cho thấy hệ thống GNSS/INS tích hợp trên Smartphone đã khắc phục triệt để hiện tượng mất dấu quỹ đạo khi tín hiệu GNSS bị gián đoạn cục bộ. Tại các khúc cua và khu vực bị che khuất tín hiệu vệ tinh, giải pháp tích hợp duy trì đường truyền dẫn trơn tru, giảm thiểu đáng kể sai số vị trí và vận tốc so với việc chỉ sử dụng bộ thu GNSS đơn lẻ của máy.
• Ứng dụng thực tế trong Trắc địa - Bản đồ: Luận án đã phát triển hoàn thiện phần mềm chuyên dụng chạy trên hệ điều hành iOS để đo đạc và cập nhật tim đường giao thông. Kết quả đo được kiểm chứng với tuyến đo tham chiếu bằng máy thu GNSS 2 tần số Trimble R2 đo RTK và ảnh chụp từ máy bay không người lái (UAV). Độ chính xác vị trí thu được đáp ứng đầy đủ tiêu chuẩn kỹ thuật phục vụ đo vẽ, cập nhật bản đồ địa hình và bản đồ chuyên đề ở tỷ lệ 1:5.000 hoặc nhỏ hơn.

Kết quả và những đóng góp mới

Luận án đã đạt được các kết quả khoa học và đóng góp thực tiễn chính sau:

Đóng góp về mặt lý luận khoa học

1. Bổ sung cơ sở khoa học và khung lý thuyết hoàn chỉnh về việc tích hợp hệ thống GNSS/INS trực tiếp trên thiết bị thông minh (Smartphone) phục vụ công tác Trắc địa - Bản đồ.
2. Đề xuất phương pháp chuẩn hóa ảnh hưởng của tốc độ quay Trái Đất lên các trục của cảm biến tốc độ góc trong kỹ thuật hiệu chuẩn sáu vị trí không cần thiết bị tham chiếu ngoài. Phương pháp này giải quyết triệt để bài toán tách tín hiệu tự quay Trái Đất vốn bị chìm trong nhiễu nền của các cảm biến quán tính MEMS thương mại giá rẻ.
3. Thiết lập quy trình phân tích và lượng hóa 5 thành phần sai số ngẫu nhiên đặc trưng bằng phương sai Allan cho cảm biến trên thiết bị di động, nâng cao độ tin cậy của ma trận hiệp phương sai trong bộ lọc Kalman mở rộng.

Đóng góp về mặt thực tiễn và ứng dụng

1. Phát triển thành công mô-đun chức năng hiệu chuẩn cảm biến quán tính hoạt động trực quan theo thời gian thực ngay trên Smartphone, giúp người đo dễ dàng thao tác kiểm tra và hiệu chuẩn nhanh ngoài thực địa.
2. Xây dựng hoàn chỉnh phần mềm định vị và thu thập dữ liệu thực địa trên hệ điều hành iOS (đã công bố ứng dụng trên App Store), tích hợp sẵn tính năng chuyển đổi tọa độ theo hệ quy chiếu và lưới chiếu bản đồ quốc gia.
3. Chứng minh khả năng ứng dụng thực tế của Smartphone tích hợp GNSS/INS trong việc thay thế máy định vị cầm tay chuyên dụng đối với các công tác đo đạc bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn, đo vẽ cập nhật đường giao thông, ranh giới rừng và hỗ trợ tìm kiếm điểm mốc trắc địa ngoài thực địa, góp phần giảm chi phí và thời gian sản xuất.
4. Mở ra hướng tiếp cận thực nghiệm chi phí thấp cho bài toán tích hợp GNSS/INS, tạo tiền đề cho việc nghiên cứu và chế tạo các thiết bị thu định vị tích hợp tại Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Mặc dù đã đạt được những kết quả cụ thể, luận án vẫn tồn tại một số hạn chế gắn liền với phạm vi nghiên cứu:

• Nghiên cứu mới chỉ tập trung xử lý dữ liệu của cảm biến gia tốc và cảm biến tốc độ góc trong điều kiện nhiệt độ thông thường; chưa xây dựng mô hình bù sai số theo nhiệt độ và độ ẩm do hạn chế về API truy cập cảm biến môi trường của hệ điều hành Smartphone tại thời điểm nghiên cứu.
• Độ chính xác định vị tích hợp trên Smartphone đáp ứng tốt bản đồ tỷ lệ 1:5.000 và nhỏ hơn, nhưng chưa thể thay thế các máy đo trắc địa chuyên dụng độ chính xác cao trong các công tác xây dựng mạng lưới khống chế trắc địa hạng cao.

Các hướng nghiên cứu tiếp theo được tác giả đề xuất:

• Bổ sung mô hình bù sai số nhiệt độ và độ ẩm khi hệ điều hành cung cấp đầy đủ API truy cập dữ liệu cảm biến môi trường.
• Tích hợp thêm các nguồn dữ liệu hỗ trợ khác như cảm biến từ trường (địa bàn số), cảm biến áp suất khí quyển (đo cao khí áp) hoặc đồng hồ đo tốc độ để nâng cao độ chính xác định hướng và độ cao.
• Phát triển các thuật toán tự động ước lượng góc lệch trục lắp đặt của thiết bị trên các phương tiện di chuyển khác nhau (ô tô, xe máy, tàu thuyền nhỏ).

Giá trị tham khảo

Công trình luận án mang lại giá trị tham khảo thiết thực cho nhiều nhóm đối tượng:

• Nghiên cứu sinh, học viên và giảng viên: Cung cấp tài liệu tham khảo chi tiết về toán học chuyển đổi hệ tọa độ, thuật toán định hướng quaternion Madgwick, quy trình phân tích phương sai Allan và kỹ thuật lọc Kalman mở rộng trong bài toán tích hợp cảm biến.
• Kỹ sư và nhà phát triển phần mềm Trắc địa - Địa tin học: Tham khảo hệ thống mã nguồn Matlab (tại Phụ lục D) về hiệu chuẩn cảm biến, hàm bù sai số, hàm tính gia tốc trọng trường cục bộ cũng như giải pháp kiến trúc phần mềm định vị thời gian thực trên hệ điều hành di động.
• Cán bộ quản lý và kỹ thuật ngành Tài nguyên - Môi trường, Lâm nghiệp, Giao thông: Cung cấp cơ sở khoa học và bằng chứng thực nghiệm để ứng dụng thiết bị thông minh sẵn có vào công tác tuần tra rừng, cập nhật biến động đất đai và quản lý tài sản hạ tầng với chi phí tối ưu.

Câu hỏi thường gặp

1. Tại sao cần tích hợp GNSS với INS trên Smartphone thay vì chỉ sử dụng bộ thu GNSS sẵn có?

Bộ thu GNSS trên Smartphone thương mại có ăng-ten nhỏ và khả năng thu nhận tín hiệu hạn chế, dẫn đến độ chính xác đơn điểm chưa cao và thường xuyên bị gián đoạn hoặc sai lệch lớn khi di chuyển dưới tán cây rậm, hẻm phố đô thị hoặc qua đường hầm. Việc tích hợp với INS (sử dụng cảm biến quán tính có tần số cập nhật 100 Hz) giúp duy trì tính liên tục của quỹ đạo định vị, hàn gắn các khoảng trống tín hiệu vệ tinh và làm mượt các sai số thô của GNSS.

2. Điểm cốt lõi của phương pháp hiệu chuẩn cảm biến tốc độ góc đề xuất trong luận án là gì?

Điểm cốt lõi là phương pháp đề xuất đã chuẩn hóa ảnh hưởng của tốc độ tự quay Trái Đất ($\omega_e \sin\mu$) lên các trục cảm biến trong kỹ thuật hiệu chuẩn sáu vị trí có trọng số (C6W). Giải pháp này cho phép ước lượng đầy đủ độ lệch (bias), hệ số tỷ lệ (scale factor) và hệ số chéo trục do tính không trực giao mà không cần sử dụng bàn xoay chuyên dụng đắt tiền trong phòng thí nghiệm.

3. Phân tích phương sai Allan đóng vai trò gì trong bài toán tích hợp hệ thống?

Phương sai Allan là công cụ phân tích chuỗi dữ liệu thời gian ở trạng thái tĩnh nhằm định lượng chính xác 5 nguồn sai số ngẫu nhiên đặc trưng của cảm biến quán tính ($Q, N, B, K, R$). Kết quả phân tích đường cong Allan cung cấp các tham số định lượng chính xác để thiết lập ma trận hiệp phương sai sai số hệ thống trong bộ lọc Kalman mở rộng (EKF), giúp tối ưu hóa thuật toán tích hợp.

4. Luận án đã giải quyết bài toán IMU bị đóng kín trên hệ điều hành Smartphone như thế nào?

Smartphone có sẵn IMU phần cứng phục vụ giải trí nhưng bị nhà sản xuất đóng kín, không thể can thiệp hiệu chuẩn. Tác giả đã giải quyết bằng cách sử dụng API hệ điều hành để đọc trực tiếp dữ liệu thô từ cảm biến gia tốc và tốc độ góc ở tần số 100 Hz, sau đó đưa qua các mô-đun hiệu chuẩn và bù sai số do tác giả tự xây dựng để thiết lập một IMU phần mềm độc lập ở tầng ứng dụng.

5. Kết quả định vị tích hợp của luận án đáp ứng được các công việc cụ thể nào trong ngành Trắc địa - Bản đồ?

Kết quả kiểm chứng thực nghiệm so với dữ liệu đo RTK từ máy Trimble R2 và ảnh UAV chứng minh giải pháp đáp ứng yêu cầu kỹ thuật để đo cập nhật tim tuyến đường giao thông, ranh giới địa vật, đối tượng địa giới hành chính, đo diện tích và trữ lượng rừng cho bản đồ tỷ lệ 1:5.000 hoặc nhỏ hơn, đồng thời hỗ trợ tìm kiếm điểm mốc khống chế ngoài thực địa.

Kết luận

Luận án đã giải quyết thành công bài toán khoa học và công nghệ trong việc nâng cao độ chính xác định vị của Smartphone thông qua giải pháp tích hợp GNSS/INS mà không cần trang bị thêm phần cứng mở rộng. Nghiên cứu đã hoàn thiện phương pháp chuẩn hóa hiệu chuẩn cảm biến sáu vị trí, mô hình hóa toàn diện 5 thành phần nhiễu ngẫu nhiên bằng phương sai Allan và áp dụng bộ lọc EKF kết hợp thuật toán AHRS Madgwick ở tầng ứng dụng di động. Kết quả thực nghiệm và các phần mềm phát triển trên nền tảng iOS đã chứng minh tính khả thi, độ tin cậy trong việc ứng dụng Smartphone phục vụ thu thập và cập nhật dữ liệu không gian cho bản đồ tỷ lệ 1:5.000 và nhỏ hơn, góp phần giảm chi phí và nâng cao hiệu quả trong công tác Trắc địa - Bản đồ tại Việt Nam.

Trích đoạn nội dung tài liệu

mở đầu, tổng quan, 3 chương, kết luận kiến nghị về những nghiên cứu tiếp theo, danh mục công trình công bố của tác giả, danh mục tài liệu tham khảo và phụ lục. Toàn bộ nội dung luận án được trình bày trong 133 trang, trong đó nội dung chính gồm 105 trang, 50 hình và đồ thị, 13 bảng biểu, 60 tài liệu tham khảo. Cơ sở tài liệu Luận án được xây dựng dựa trên cơ sở tài liệu từ nguồn chính thức quốc tế đã công bố như ISI, Scopus và các hãng công nghệ như Apple Inc., Qualcomm Technologies, Inc. 6 Tổng quan Smartphone đang làm thay đổi cuộc sống của hàng triệu người dùng trên toàn thế giới do có nhiều ứng dụng sáng tạo cho nhiều lĩnh vực đồng thời có thể thu nhận, lưu trữ, cập nhật và xử lý dữ liệu như một chiếc máy tính cá nhân hay máy tính xách tay [2].

Do Smartphone có khả năng xử lý dữ liệu và hiệu năng như một chiếc máy vi tính, đồng thời được trang bị sẵn nhiều cảm biến [22, 25, 27], nên có thể lập trình để tạo ra các ứng dụng, làm cho Smartphone có thêm tính năng như một thiết bị mới. Việc tạo ra các ứng dụng chuyên ngành trên Smartphone sẽ giúp tiết kiệm chi phí bởi vì không phải mua một thiết bị chuyên dụng có độ chính xác tương đương, tạo điều kiện tiếp cận thông tin nhanh hơn [6]. Nhiều nghiên cứu ứng dụng thành công của Smartphone trong các lĩnh vực như nông nghiệp [59], địa chất [20], quản lý nước [42], quản lý lưu lượng giao thông [8], giáo dục môi trường [50], y học [35]. Trong khoa học Trái Đất đã có một số công trình nghiên cứu sau: Jones và cộng sự [58], đã tiến hành đánh giá độ chính xác vị trí điểm mặt bằng của một số Smartphone phổ biến sử dụng Hệ thống tăng cường GPS - Assisted GPS (A-GPS).

Các Smartphone được chọn thử nghiệm là đại diện của các thế hệ khác nhau. Dữ liệu tọa độ vị trí điểm được thu thập bằng cách cho các sinh viên tình nguyện sử dụng Smartphone của họ để định vị và so sánh với các điểm chuẩn được đo bằng phương pháp RTK. Mục tiêu của họ là tạo ra một kết quả ban đầu về độ chính xác định vị của Smartphone làm cơ sở cho các nghiên cứu tiếp theo. Kết quả đánh giá độ chính xác cho thấy sai số vị trí điểm mặt bằng trung bình trên tất cả các loại Smartphone được thử nghiệm là ±67.

Sai số trung phương vị trí điểm mặt bằng cho tất cả các sản phẩm được thử nghiệm sử dụng hệ điều hành iOS (iPhone 4) là ±44.79f eet (khoảng ±14m), trong khi sai số trung phương vị trí điểm mặt bằng cho tất cả các sản phẩm được thử nghiệm sử dụng hệ điều hành Android là ±207. 7 Julián Tomaštík Jr. và cộng sự [45], đã đánh giá độ chính xác vị trí điểm GNSS thu được từ Smartphone cho thu thập và sử dụng dữ liệu không gian trong rừng cùng với thiết bị GNSS chuyên dụng khác. Việc đánh giá độ chính xác được tiến hành tại 74 điểm trong một khu rừng, cây lá kim hỗn hợp (trong mùa lá non và lá rụng) cùng 17 điểm trong điều kiện khu vực thoáng.

Các trạm đo bằng máy kinh vĩ dùng làm tài liệu tham chiếu cho tất cả các vị trí điểm. Độ chính xác vị trí của ba Smartphone (mỗi một loại với hai phiên bản hệ điều hành khác nhau) được dùng để so sánh với thiết bị chuyên dụng. Sai số trung phương vị trí điểm dao động từ ±4.45m trong mùa lá rụng và ±1.36m trong điều kiện khu vực thoáng. Sự khác biệt về độ chính xác vị trí điểm giữa các mùa là không đáng kể, trong khi sự khác nhau giữa trong rừng và khu vực thoáng là đáng quan tâm.

Sự khác biệt giữa các thiết bị là đáng quan tâm trong điều kiện mùa lá rụng, thiết bị chuyên dụng có độ chính xác vị trí điểm cao hơn nhiều so với tất cả các thiết bị còn lại trong tất cả các trường hợp thử nghiệm. Một thử nghiệm khác, Smartphone được sử dụng để định vị và đo diện tích rừng bị thiệt hại do gió. Các kết quả thu được từ GNSS của Smartphone cho thấy diện tích và trữ lượng gỗ có độ chính xác cao hơn so với việc ước lượng bằng thị giác. Nhìn chung, các kết quả cho thấy rằng Smartphone hiện nay có thể được sử dụng thành công cho một số nhiệm vụ trong quản lý rừng, nơi có độ chính xác vị trí điểm không phải là ưu tiên cao nhất.

Những nghiên cứu trên chỉ sử dụng một hợp phần GNSS trang bị sẵn trong Smartphone và các nghiên cứu để nâng cao độ chính xác là ít thực hiện. Mặc dù là một công nghệ phổ biến và độ chính xác ngày càng cao, song không phải lúc nào định vị GNSS cũng có hiệu quả, đặc biệt trong môi trường tín hiệu bị mất như: trong đường hầm, trong các con hẻm; hoặc khi tín hiệu kém và nhiễu như: khu đô thị, khu rừng,. đã làm cho việc định vị dẫn đường bằng GNSS không được liên tục và ảnh hưởng đến độ chính xác. Để giải giải quyết vấn đề trên, việc nghiên cứu tích hợp GNSS/INS đã được thực hiện thành công và tương đối hoàn thiện cho một số lĩnh vực trên các sản phẩm thương mại chuyên 8 dụng [43], và GNSS/INS tích hợp vào bộ thu LiDAR [14], hệ thống thành lập bản đồ di động [7], cải thiện độ chính xác của các thông số định hướng thu được trong thời gian mất tín hiệu GPS sử dụng các phương pháp khác nhau [56], triển khai tích hợp GPS/INS trên phần cứng PC-box thời gian thực [54], nâng cao độ chính xác hệ thống dẫn đường tích hợp GNSS/INS, mô hình hóa dữ liệu cảm biến quán tính.

Grewal và cộng sự cũng đã tái bản lần thứ 3 cuốn sách nói về GNSS, INS và tích hợp [41], cuốn sách cung cấp kiến thức cả về lý thuyết và thực tiễn các hệ thống GNSS, INS và bộ lọc Kalman cùng các mô hình tích hợp của chúng. Trong cuốn sách này, các tác giả đề cập đến những thuộc tính lý thuyết quan trọng thường bị bỏ qua trong quá trình xử lý giúp giải quyết vấn đề thực tiễn một cách hiệu quả. Groves [15], xuất bản cuốn sách giới thiệu về các hệ thống định vị và hệ thống định vị tích hợp, mô tả các nguyên lý hoạt động của vệ tinh, quán tính, và nhiều công nghệ định vị khác, cả về chất lượng lẫn toán học, cung cấp chi tiết về định vị tích hợp. Khả năng tích hợp GNSS/INS trên Smartphone là hoàn toàn khả thi khi mà các Smartphone đã được trang bị các cảm biến quán tính [22, 27].

Vấn đề tích hợp GNSS/INS cho Smartphone mới được xem xét trong vài năm lại đây, một số công trình khoa học tiêu biểu sẽ được tóm tắt sau đây: Schindhelm và cộng sự [29], đã nghiên cứu khả năng sử dụng iPhone cho hệ thống dẫn đường quán tính, nghiên cứu này khảo sát quỹ đạo di chuyển của iPhone quanh một vòng tròn 1 mét. Kết quả là, có sự cải thiện độ chính xác khi áp dụng bộ lọc. Tuy nhiên, các thử nghiệm đã cho thấy ngay cả với việc sử dụng bộ lọc thì việc xây dựng một INS chính xác trên Smartphone là một thách thức rất lớn khi mà Smartphone được trang bị các cảm biến phổ thông với tỷ lệ nhiễu lớn. Đối với việc thử nghiệm trên iPhone 4, tác giả cho rằng kết quả chấp nhận được trong một thời gian ngắn, nhưng sau đó độ lệch quá cao do nhiễu cảm biến.

Các tác giả cho rằng, họ đang thực hiện một bộ lọc Kalman đa chiều để cải thiện độ chính xác. Hạn chế của nghiên cứu này là chưa chỉ ra được ảnh hưởng của các loại nhiễu cảm biến và giải pháp khắc phục. 9 Trong nghiên cứu của Xiaoji và cộng sự [38], về sử dụng các cảm biến quán tính của iPhone cho dẫn đường ô-tô, các tác giả bài báo đã cho rằng hai cảm biến trên iPhone 4 thực sự là một IMU hoàn chỉnh và có thể có đủ tính năng của một INS nhằm hỗ trợ xác định vị trí của điện thoại, tức là một hệ thống dẫn đường tích hợp GPS/INS có thể được áp dụng. Họ đã nghiên cứu ý tưởng sử dụng cảm biến quán tính trong iPhone 4 của tập đoàn Apple để tạo ra hệ thống tích hợp GPS/INS cho định vị dẫn đường ô-tô.

Các kết quả của bài báo này chỉ ra rằng các cảm biến quán tính của iPhone 4 có thể được dùng cho mục đích định vị dẫn đường ô-tô. Nếu được hiệu chuẩn phù hợp, các cảm biến có đủ tính năng để được coi như một IMU cho dẫn đường quán tính, và có thể tăng cường cho định vị GPS bằng cách hàn gắn những gián đoạn tín hiệu GPS ngắn và làm giảm những sai số thô của định vị GPS. Nghiên cứu này cũng đề xuất một số hướng mở để phát triển trong tương lai như: cải thiện việc thu nhận dữ liệu để bảo đảm độ ổn định lấy mẫu và độ chính xác đồng bộ hóa thời gian; nên sử dụng tọa độ GPS đơn điểm có độ nhạy cao trong iPhone và việc điều chỉnh thông số phù hợp cần phải được thực hiện dựa trên các bộ dữ liệu thử nghiệm trên đường theo khối; các góc lệch trục lắp đặt của iPhone trên bảng điều khiển ô-tô phải được ước lượng một cách tự động, và giải thuật phù hợp cần được phát triển; tích hợp GPS/INS có thể được cải thiện hơn nữa bằng cách đưa vào nhiều hơn các thông tin hỗ trợ (ví dụ như cảm biến từ trường, cảm biến áp suất, đồng hồ công-tơ-mét, v.v), và có thể được mở rộng tới các tình huống dẫn đường khác, như là đối với xe máy và các thuyền nhỏ. Mặc dù các tác giả đã chỉ ra được sự ảnh hưởng của nhiễu hệ thống trên các cảm biến và đã đưa ra giải pháp khắc phục bằng cách hiệu chuẩn cảm biến nhưng không được trình bày trong bài báo.

Các tác giả cũng chưa đề cập đến ảnh hưởng của nhiễu ngẫu nhiên trên các cảm biến và phương pháp xác định chúng. Cũng trong một nghiên cứu khác của Xiaoji và cộng sự [37], đã đề xuất ý tưởng về việc sử dụng Smartphone được trang bị sẵn các cảm biến quán tính làm các thiết bị thực nghiệm về công nghệ định vị dẫn đường quán tính. Trong 10 nghiên cứu của mình, các tác giả bài báo đã thiết kế một loạt các bài thực nghiệm chỉ sử dụng Smartphone mà không dùng bất cứ thiết bị chuyên dụng nào khác.