Implementación de un sistema para optimizar el posicionamiento de un vehículo mediante Machine Learning y filtrado de posiciones geolocalizadas.

Abstract

El siguiente trabajo de investigación se enfoca en implementar un sistema de posicionamiento que integre IMU/GPS (Unidad de medida Inercial/Sistema de Posicionamiento Global) con ayuda de fusión de sensores y ML (Maching Learning). Este sistema recopila datos del GPS e IMU, los cuales son tecnologías de bajo costo. La fusión de sensores es implementada usando el algoritmo de EKF (Filtro extendido de Kalman), este algoritmo es evaluado usando datos reales recopilados por la unidad de medida Inercial (MPU6050) y el receptor GPS NEO-6M, estos datos previamente estimados por el Filtro pasan a ser procesados por los modelos Random Forest y LSTM para suavizar y optimizar mejor las estimaciones. Los resultados obtenidos de este sistema muestran tener una mejor estimación de posición de un vehículo.