Submitted by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-04-10T15:08:08Z No. of bitstreams: 1 DIS_PAULO_HENRIQUE_VANCIN_COMPLETO.pdf: 3234416 bytes, checksum: 53fbe981d0db83ced33b8b3f4247c2f8 (MD5) / Made available in DSpace on 2017-04-10T15:08:08Z (GMT). No. of bitstreams: 1 DIS_PAULO_HENRIQUE_VANCIN_COMPLETO.pdf: 3234416 bytes, checksum: 53fbe981d0db83ced33b8b3f4247c2f8 (MD5) Previous issue date: 2016-12-27 / The present dissertation proposes a sensoring technique of autonomous vehicles based on the fusion of inertial sensors and data collected from a camera. The autonomous vehicle designed in this project was built using "Mecanum" wheels, which gives the vehicle the capability to move in any direction without having to change orientation. The sensoring system proposed is based on the Extended Kalman Filter using quaternions for the fusion of inertial sensors and computer vision, with the objective of finding the global position and orientation of the system. The inertial measurements used in these systems are made by an accelerometer and a gyroscope. The computer vision aspect of the project is done by a digital camera and an image processing software, which is designed to capture colored points in the image. The theory used to design the vehicle?s controller is based on the Lyapunov?s Stability Theory. This project presents a theoretical basis related to the various elements that compose the system, the mathematical basis used in the filter?s implementation and the controller?s design, a general view of the vehicle?s structure used to validate the theory and the results obtained in practical tests. The system?s performance analysis was based on the analysis of graphics that shows the vehicle?s trajectory, the position and orientation of the system over time and the stability of the proposed control law. The obtained results shows that the proposed objectives were met in a satisfactory manner. / A presente disserta??o prop?e uma t?cnica de sensoreamento de ve?culos aut?nomos baseada na fus?o de sensores inerciais e de dados provenientes de uma c?mera. O ve?culo aut?nomo utilizado neste trabalho foi constru?do a partir de rodas "Mecanum", que lhe conferem a caracter?stica de omnidirecionalidade, ou seja, ? capaz de movimenta??o em todas as dire??es, sem a necessidade de mudan?a de orienta??o. O sensoreamento proposto ? fundamentado no Filtro de Kalman Estendido utilizando quat?rnios para a fus?o de sensores inerciais e vis?o computacional, com o objetivo de encontrar a posi??o global e orienta??o do sistema. As medi??es inerciais utilizadas nestes sistemas s?o realizadas por uma Unidade de Medi??es Inerciais (IMU). J? a vis?o computacional fica a cargo de uma c?mera aliada a um processamento de imagens, o qual tem por fun??o captar pontos coloridos na imagem. A teoria utilizada para a constru??o do controlador do ve?culo ? baseada na teoria de estabilidade de Lyapunov. Este controlador tem como prop?sito controlar o deslocamento linear e n?o linear do ve?culo omnidirecional. Sendo assim, este trabalho apresenta uma base te?rica relacionada aos diversos elementos que comp?em o sistema, a fundamenta??o matem?tica utilizada para a implementa??o do filtro e da formula??o do controlador, uma vis?o geral da constru??o do ve?culo utilizado para validar a teoria e os resultado obtidos a partir de testes pr?ticos. A an?lise do desempenho do sistema p?de ser feita a partir da an?lise de gr?ficos que mostram a trajet?ria realizada pelo ve?culo, a posi??o e orienta??o do sistema ao longo do tempo e a estabilidade da lei de controle proposta. Os resultados obtidos evidenciam que os objetivos propostos foram alcan?ados de forma satisfat?ria.

Este trabalho apresenta os modelos físicos e aerodinâmicos para uma bomba guiada. Adicionalmente, são apresentados os modelos atmosféricos, de vento e de atuadores. O estudo é realizado com as equações do movimento com três graus de liberdade. Sob considerações práticas e restrições de desempenho, pode-se determinar as regiões de lançamento aceitável Uma otimização não-linear das leis de guiamento é proposta para assegurar que estas regiões sejam tão grandes quanto possíveis. Diferentes leis de guiamento são analisadas e seus desempenhos comparados. Um autopiloto é então projetado para executar os sinais de referência fornecidos pelo sistema de guiamento. A planta não-linear é estudada e é desenvolvido um controlador com escalonamento de ganhos por alocação de pólos. O controlador é protegido por um esquema de "anti-windup", evitando a divergência dos integradores na presença de saturações. O desempenho global do sistema é avaliado por simulações de Monte Carlo aplicadas ao modelo não-linear completo com três graus de liberdade. Considera-se vento cortante, turbulência, rajadas e modelos de erros de medida com propriedades estatísticas apropriadas.

Este trabalho apresenta um sistema completo para simulação e avaliação do uso de filtros estocásticos para combinar medidas de posição feitas por um sistema inercial, composto de girômetros e acelerômetros, com medidas de posição de um sistema GPS, de modo que possamos extrair uma estimativa do erro de posição acumulado por integração das medidas dos sensores inerciais e corrigir a leitura do mesmo. Para tal, foram desenvolvidos em detalhes e validados um modelo de navegação e um modelo de espaço de estados onde o vetor de variáveis ocultas é a combinação dos erros de posição, velocidade, atitude e fator de escala dos sensores inerciais e deriva de ambos os sensores, inerciais e do GPS. Ainda foram implementados e analisados em sua performance três tipos de Filtros aplicados quando o modelo de observações é não-linear: o Filtro Estendido de Kalman (EKF), o Filtro de Kalman Unscented (UKF) e o Filtro de partículas com Função de importância ótima e Reamostragem. Resultados da Integração Inercial-GPS em diversas trajetórias e configurações de parâmetros são apresentados, bem como os problemas e as soluções na implementação são discutidos.

Sistemas de posicionamento por satélite, GNSS (Global Navigation Satellite System), são amplamente utilizados por navios, automóveis, aeronaves, tropas militares, medições geológicas, fornecendo basicamente posição, velocidade e referência de tempo. O uso, entretanto, é condicionado à disponibilidade do sinal eletromagnético proveniente dos satélites, que pode ser obstruído por montanhas, edifícios, florestas e túneis, por exemplo, sendo também suscetível às condições climáticas. Outra característica dos sistemas de posicionamento por satélite é que os dados são atualizados tipicamente com uma taxa entre 1Hz e 10Hz. Assim, estes sistemas representam uma fonte de informações que, apesar de possuir erros limitados e eventualmente pequenos, apresentam baixa taxa de atualização em relação à dinâmica de navegação e pode não estar disponível em todos os instantes. As unidades de medidas inerciais, IMU (Inertial Measurement Unit), são formadas por sensores que fornecem informações de força específica e velocidade angular. A partir daí, a computação dos cálculos das equações de navegação é feita para fornecer posição, velocidade e atitude do veículo. Uma vez que depende apenas dos dados da IMU e do conhecimento da condição inicial, estes sistemas são autônomos e independentes de qualquer fonte externa de sinais. Além disso, possuem taxas de atualização bem mais elevadas, variando entre cerca de 100Hz e 400Hz, e são menos suscetíveis a condições do ambiente do que o GNSS. Entretanto, os erros dos sensores inerciais, mesmo que pequenos, causam desvios crescentes na solução de navegação, tornando o sistema inercial pouco confiável para navegação de longa duração. Uma forma de aliar o melhor de cada sistema -- Inercial e GNSS -- é através da integração dos dados se seus sensores, de forma a se obter resultados que estejam disponíveis a uma taxa mais elevada e promover a redução e a limitação de erro através das atualizações do GNSS. Para tanto, um algoritmo bastante utilizado que consegue cumprir esta tarefa é o Filtro de Kalman (KF). Este trabalho apresenta um estudo de um sistema de integração de dados de navegação inercial, de uma IMU, com informações de sistemas de posicionamento por satélite. Aqui, o sistema GNSS escolhido é o GPS (Global Positioning System). A implementação do Filtro de Kalman é feita em ambiente MATLAB/Simulink, em que o movimento simulado de uma aeronave é utilizado como referência e o algoritmo é analisado, comparando-se dados de navegação estimados da aeronave, com a trajetória originalmente simulada. Os resultados aqui apresentados mostram o comportamento do erro do sistema integrado pelo Filtro de Kalman em relação aos dados de referência obtidos a partir do movimento simulado da aeronave, inclusive com a interrupção do sinal GNSS por um determinado período.

A demanda crescente por petróleo impulsiona a exploração marítima desta riqueza para águas cada vez mais profundas. O aumento da lâmina dágua exige novas soluções de engenharia principalmente no que se refere à operação de unidades flutuantes de produção. Dentre os desafios impostos pelos novos ambientes de prospecção, destaca-se o processo de ancoragem, neste texto explorado sob a ótica da chamada estaca-torpedo. Embora já tenha sido empregada com sucesso na ancoragem de risers e FPSOs, esta solução encontra-se em constante desenvolvimento, sendo a principal fonte de informação acerca dos lançamentos da estaca-torpedo proveniente de uma unidade de medição inercial (UMI). A presente pesquisa baseou-se no estudo desta UMI e teve como objetivos principais verificar seu desempenho e compreender a empregabilidade deste tipo de monitoração em operações submarinas de maneira mais ampla. Além do estudo detalhado dos sensores, foi dada especial atenção aos algoritmos empregados no tratamento dos sinais provenientes da UMI. Foram estudadas técnicas de correção do sinal, quantificação de ruído, desafios inerentes aos sistemas do tipo strapdown e o processo de integração. Como resultado final foi desenvolvido um algoritmo baseado em quatérnios, alternativo ao atualmente empregado para o processamento dos sinais provenientes da UMI que equipa a estaca-torpedo. / The increasing demand on crude oils constantly pushes the offshore exploitation to deeper waters. As the water depth grows, new engineering challenges arise, especially concerning to the operation of floating production units. Among all the technical issues inherent to the new prospection environment, the mooring system is a significant topic and the development of the torpedo-pile takes place at this scenario. This mooring system has already been successfully applied in anchoring risers and FPSOs; nevertheless, it is in constant study and improvement. The major source of information about the torpedo-pile deployment comes from an inertial measurement unit (IMU). The research presented here is based on this IMU and had as main objective verify its performance and also comprehend the applicability of such kind of unit in other subsea processes. Along with the detailed sensors study, it was given special attention to the algorithms used to process the signals from the IMU. Signal correction techniques and noise quantification were investigated as long as challenges intrinsically related to strapdown navigation systems and the integration process. In the end, an alternative data processing algorithm based on quaternions was produced, to be employed in torpedo-pile launching together with its IMU.

The advances and the development of vehicles and autobalance robots make necessary the investigation of controllers able to meet the various challenges related to the use of these systems. The focus of this work is to study the equilibrium and position control of one two-wheeled robot. The particular interest in this application comes from its structure and its rich physical dynamics. Since this is a complex and non trivial problem, there is great interest in to analyze intelligent controllers. The first part of this dissertation discusses the development of a classic PID controller. Then it is compared with two types of intelligent controllers: On-line Neural Fuzzy Control (ONFC) and Proportional-Integral-Derivative Neural-Network (PID-NN). Also it is presented the implementation of controllers in a hadware plataform using the LEGO Mindstorm kit and in a simulation plataform using the MATLAB-Simulink. Two case studies are developed. The first one investigates the control of equilibrium and position of two-wheeled robot on a flat terrain to observe the intrinsec performance in lack of external factors. The second case studies the equilibrium and position control of the robot in irregular terrains to investigate the system response under influence of hard conditions in its environment. Finally, the performance of each controller developed is discussed and competitive results in the control of two-wheeled robot are achieved. / Com o avanço no desenvolvimento e utilização de veículos e robôs autoequilibrantes, faz-se necessário a investigação de controladores capazes de atender os diversos desafios relacionados à utilização desses sistemas. Neste trabalho foi estudado o controle de equilíbrio e posição de um robô auto-equilibrante de duas rodas. O interesse particular nesta aplicação vem da sua estrutura e da riqueza de sua dinâmica física. Por ser um problema complexo e não trivial há grande interesse em avaliar os controladores inteligentes. A primeira parte da dissertação aborda o desenvolvimento de um controle clássico do tipo PID, para em seguida ser comparado com a implementação de dois tipos de controladores inteligentes: On-line Neuro Fuzzy Control (ONFC) e Proportional-Integral-Derivative Neural-Network (PIDNN). Também é apresentada a implementação dos controladores em uma plataforma de hardware, utilizando o kit LEGO Mindstorm, e numa plataforma de simulação utilizando o MATLAB-Simulink. Em seguida, dois estudos de casos são desenvolvidos visando comparar o desempenho dos controladores. O primeiro caso avalia o controle de equilíbrio e posição do robô auto-equilibrante de duas rodas sobre um terreno plano tendo como interesse observar o desempenho intrínseco do sistema sob ausência de fatores externos. O segundo caso estuda o controle de equilíbrio e posição do robô em terrenos irregulares visando investigar a resposta do sistema sob influência de condições adversas em seu ambiente. Finalmente, o desempenho de cada um dos controladores desenvolvidos é discutido, verificando-se resultados competitivos no controle do robô auto-equilibrante de duas rodas.

The advances and the development of vehicles and autobalance robots make necessary the investigation of controllers able to meet the various challenges related to the use of these systems. The focus of this work is to study the equilibrium and position control of one two-wheeled robot. The particular interest in this application comes from its structure and its rich physical dynamics. Since this is a complex and non trivial problem, there is great interest in to analyze intelligent controllers. The first part of this dissertation discusses the development of a classic PID controller. Then it is compared with two types of intelligent controllers: On-line Neural Fuzzy Control (ONFC) and Proportional-Integral-Derivative Neural-Network (PID-NN). Also it is presented the implementation of controllers in a hadware plataform using the LEGO Mindstorm kit and in a simulation plataform using the MATLAB-Simulink. Two case studies are developed. The first one investigates the control of equilibrium and position of two-wheeled robot on a flat terrain to observe the intrinsec performance in lack of external factors. The second case studies the equilibrium and position control of the robot in irregular terrains to investigate the system response under influence of hard conditions in its environment. Finally, the performance of each controller developed is discussed and competitive results in the control of two-wheeled robot are achieved. / Com o avanço no desenvolvimento e utilização de veículos e robôs autoequilibrantes, faz-se necessário a investigação de controladores capazes de atender os diversos desafios relacionados à utilização desses sistemas. Neste trabalho foi estudado o controle de equilíbrio e posição de um robô auto-equilibrante de duas rodas. O interesse particular nesta aplicação vem da sua estrutura e da riqueza de sua dinâmica física. Por ser um problema complexo e não trivial há grande interesse em avaliar os controladores inteligentes. A primeira parte da dissertação aborda o desenvolvimento de um controle clássico do tipo PID, para em seguida ser comparado com a implementação de dois tipos de controladores inteligentes: On-line Neuro Fuzzy Control (ONFC) e Proportional-Integral-Derivative Neural-Network (PIDNN). Também é apresentada a implementação dos controladores em uma plataforma de hardware, utilizando o kit LEGO Mindstorm, e numa plataforma de simulação utilizando o MATLAB-Simulink. Em seguida, dois estudos de casos são desenvolvidos visando comparar o desempenho dos controladores. O primeiro caso avalia o controle de equilíbrio e posição do robô auto-equilibrante de duas rodas sobre um terreno plano tendo como interesse observar o desempenho intrínseco do sistema sob ausência de fatores externos. O segundo caso estuda o controle de equilíbrio e posição do robô em terrenos irregulares visando investigar a resposta do sistema sob influência de condições adversas em seu ambiente. Finalmente, o desempenho de cada um dos controladores desenvolvidos é discutido, verificando-se resultados competitivos no controle do robô auto-equilibrante de duas rodas.

A demanda crescente por petróleo impulsiona a exploração marítima desta riqueza para águas cada vez mais profundas. O aumento da lâmina dágua exige novas soluções de engenharia principalmente no que se refere à operação de unidades flutuantes de produção. Dentre os desafios impostos pelos novos ambientes de prospecção, destaca-se o processo de ancoragem, neste texto explorado sob a ótica da chamada estaca-torpedo. Embora já tenha sido empregada com sucesso na ancoragem de risers e FPSOs, esta solução encontra-se em constante desenvolvimento, sendo a principal fonte de informação acerca dos lançamentos da estaca-torpedo proveniente de uma unidade de medição inercial (UMI). A presente pesquisa baseou-se no estudo desta UMI e teve como objetivos principais verificar seu desempenho e compreender a empregabilidade deste tipo de monitoração em operações submarinas de maneira mais ampla. Além do estudo detalhado dos sensores, foi dada especial atenção aos algoritmos empregados no tratamento dos sinais provenientes da UMI. Foram estudadas técnicas de correção do sinal, quantificação de ruído, desafios inerentes aos sistemas do tipo strapdown e o processo de integração. Como resultado final foi desenvolvido um algoritmo baseado em quatérnios, alternativo ao atualmente empregado para o processamento dos sinais provenientes da UMI que equipa a estaca-torpedo. / The increasing demand on crude oils constantly pushes the offshore exploitation to deeper waters. As the water depth grows, new engineering challenges arise, especially concerning to the operation of floating production units. Among all the technical issues inherent to the new prospection environment, the mooring system is a significant topic and the development of the torpedo-pile takes place at this scenario. This mooring system has already been successfully applied in anchoring risers and FPSOs; nevertheless, it is in constant study and improvement. The major source of information about the torpedo-pile deployment comes from an inertial measurement unit (IMU). The research presented here is based on this IMU and had as main objective verify its performance and also comprehend the applicability of such kind of unit in other subsea processes. Along with the detailed sensors study, it was given special attention to the algorithms used to process the signals from the IMU. Signal correction techniques and noise quantification were investigated as long as challenges intrinsically related to strapdown navigation systems and the integration process. In the end, an alternative data processing algorithm based on quaternions was produced, to be employed in torpedo-pile launching together with its IMU.

Submitted by Kevin Quispe (kgmq@icomp.ufam.edu.br) on 2018-10-26T19:02:31Z No. of bitstreams: 1 dissertação-kevin-quispe-final.pdf: 2744401 bytes, checksum: cf4d3337afb0d9fa244abbd4ec3d1a5a (MD5) / Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2018-10-26T19:07:43Z (GMT) No. of bitstreams: 1 dissertação-kevin-quispe-final.pdf: 2744401 bytes, checksum: cf4d3337afb0d9fa244abbd4ec3d1a5a (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-10-26T19:15:25Z (GMT) No. of bitstreams: 1 dissertação-kevin-quispe-final.pdf: 2744401 bytes, checksum: cf4d3337afb0d9fa244abbd4ec3d1a5a (MD5) / Made available in DSpace on 2018-10-26T19:15:25Z (GMT). No. of bitstreams: 1 dissertação-kevin-quispe-final.pdf: 2744401 bytes, checksum: cf4d3337afb0d9fa244abbd4ec3d1a5a (MD5) Previous issue date: 2018-08-14 / Human activity recognition (RAH) through sensors embedded in wearable devices such as smartphones has allowed the development of solutions capable of monitoring human behavior. However, such solutions have presented limitations in terms of efficiency in the consumption of computational resources and generalization for different application or data domain configurations. These limitations are explored in this work in the feature extraction process, in which existing solutions use a manual approach to extract the characteristics of the sensor data. To overcome the problem, this work presents an automatic approach to feature extraction based on the symbolic representation of time series --- representation defined by sets of discrete symbols (words). In this context, this work presents an extension of the symbolic representation of the Bag-Of-SFA-Symbols (BOSS) method to handle the processing of multiple time series, reduce data dimensionality and generate compact and efficient classification models. The proposed method, called Multivariate Bag-Of-SFA-Symbols (MBOSS), is evaluated for the classification of physical activities from data of inertial sensors. Experiments are conducted in three public databases and for different experimental configurations. In addition, the efficiency of the method is evaluated in aspects such as computing time and data space. The results, in general, show an efficiency of classification equivalent to the solutions based on the traditional approach of manual extraction, highlighting the results obtained in the database with nine classes of activities (UniMib SHAR), where MBOSS obtained an accuracy of 99% and 87% for the custom and generalized template, respectively. The efficiency results of MBOSS demonstrate the low computational cost of the solution and show the feasibility of application in smartphones. / O reconhecimento de atividade humanas (RAH) por meio de sensores embutidos em dispositivos vestíveis como, por exemplo, smartphones tem permitido o desenvolvimento de soluções capazes de monitorar o comportamento humano. No entanto, tais soluções têm apresentado limitações em termos de eficiência no consumo dos recursos computacionais e na generalização para diferentes configurações de aplicação ou domínio de dados. Essas limitações são exploradas neste trabalho no processo de extração de características, na qual as soluções existentes utilizam uma abordagem manual para extrair as características dos dados de sensores. Para superar o problema, este trabalho apresenta uma abordagem automática de extração de características baseada na representação simbólica de séries temporais --- representação definida por conjuntos de símbolos discretos (palavras). Nesse contexto, este trabalho apresenta uma extensão do método de representação simbólica Bag-Of-SFA-Symbols (BOSS) para lidar com o processamento de múltiplas séries temporais, reduzir a dimensionalidade dos dados e gerar modelos de classificação compactos e eficiêntes. O método proposto, denominado Multivariate Bag-Of-SFA-Symbols (MBOSS), é avaliado para a classificação de atividades físicas a partir de dados de sensores inerciais. Experimentos são conduzidos em três bases de dados públicas e para diferentes configurações experimentais. Além disso, avalia-se a eficiência do método em aspectos como tempo de computação e espaço de dados. Os resultados, em geral, demostram uma eficácia de classificação equivalente as soluções baseadas na abordagem comun de extração manual de características, destacando os resultados obtidos na base de dados com nove classes de atividades (UniMib SHAR), onde o MBOSS obteve uma acurácia de 99% e 87% para o modelo personalizado e generalizado, respectivamente. Os resultados de eficiência do MBOSS demostram o baixo custo computacional da solução e mostram a viabilidade de aplicação em smartphones.

Apresenta-se o desenvolvimento de modelos matemáticos e algoritmos de fusão sensorial para navegação terrestre usando uma unidade de medição inercial (UMI) de baixo desempenho e o Filtro Estendido de Kalman. Os modelos foram desenvolvidos com base nos sistemas de navegação inercial strapdown (SNIS). O termo baixo desempenho refere-se à UMIs que por si só não são capazes de efetuar o auto- alinhamento por girocompassing. A incapacidade de se navegar utilizando apenas uma UMI de baixo desempenho motiva a investigação de técnicas que permitam aumentar o grau de precisão do SNIS com a utilização de sensores adicionais. Esta tese descreve o desenvolvimento do modelo completo de uma fusão sensorial para a navegação inercial de um veículo terrestre usando uma UMI de baixo desempenho, um hodômetro e uma bússola eletrônica. Marcas topográficas (landmarks) foram instaladas ao longo da trajetória de teste para se medir o erro da estimativa de posição nesses pontos. Apresenta-se o desenvolvimento do Filtro de Kalman Adaptativo Suavizado (FKAS), que estima conjuntamente os estados e o erro dos estados estimados do sistema de fusão sensorial. Descreve-se um critério quantitativo que emprega as incertezas de posição estimadas pelo FKAS para se determinar a priori, dado os sensores disponíveis, o intervalo de tempo máximo que se pode navegar dentro de uma margem de confiabilidade desejada. Conjuntos reduzidos de landmarks são utilizados como sensores fictícios para testar o critério de confiabilidade proposto. Destacam-se ainda os modelos matemáticos aplicados à navegação terrestre, unificados neste trabalho. Os resultados obtidos mostram que, contando somente com os sensores inerciais de baixo desempenho, a navegação terrestre torna-se inviável após algumas dezenas de segundos. Usando os mesmos sensores inerciais, a fusão sensorial produziu resultados muito superiores, permitindo reconstruir trajetórias com deslocamentos da ordem de 2,7 km (ou 15 minutos) com erro final de estimativa de posição da ordem de 3 m. / This work presents the development of the mathematical models and the algorithms of a sensor fusion system for terrestrial navigation using a low-grade inertial measurement unit (IMU) and the Extended Kalman Filter. The models were developed on the basis of the strapdown inertial navigation systems (SINS). Low-grade designates an IMU that is not able to perform girocompassing self-alignment. The impossibility of navigating relying on a low performance IMU is the motivation for investigating techniques to improve the SINS accuracy with the use of additional sensors. This thesis describes the development of a comprehensive model of a sensor fusion for the inertial navigation of a ground vehicle using a low-grade IMU, an odometer and an electronic compass. Landmarks were placed along the test trajectory in order to allow the measurement of the error of the position estimation at these points. It is presented the development of the Smoothed Adaptive Kalman Filter (SAKF), which jointly estimates the states and the errors of the estimated states of the sensor fusion system. It is presented a quantitative criteria which employs the position uncertainties estimated by SAKF in order to determine - given the available sensors, the maximum time interval that one can navigate within a desired reliability. Reduced sets of landmarks are used as fictitious sensors to test the proposed reliability criterion. Also noteworthy are the mathematical models applied to terrestrial navigation that were unified in this work. The results show that, only relying on the low performance inertial sensors, the terrestrial navigation becomes impracticable after few tens of seconds. Using the same inertial sensors, the sensor fusion produced far better results, allowing the reconstruction of trajectories with displacements of about 2.7 km (or 15 minutes) with a final error of position estimation of about 3 m.