本文提出了一种仅基于惯性测量单元(IMU)的自定位轮式机器人长期惯性导航的实时方法。该方法基于两个部分:1)一个稳健的检测器,使用递归深层神经网络动态检测各种感兴趣的情况,如零速度或无横向滑动;2)最先进的卡尔曼滤波器,将这些知识作为定位的伪测量值。对公开的汽车数据集的评估表明,在配备中等精度IMU(陀螺仪漂移率为10 deg/h)的情况下,对于21 km长的车辆行驶超过一小时的轨迹,拟议方案的最终精度可能达到20 m。据我们所知,这是第一篇将复杂的深度学习技术与用于轮式车辆纯惯性导航的最新过滤方法相结合的论文,因此为新型数据驱动惯性导航技术开辟了道路。此外,尽管我们的方法仅适用于基于IMU的定位,但我们的方法可作为配备更完整传感器套件的轮式机器人自定位的组件。 索引项惯性导航,深度学习,不变扩展卡尔曼滤波器,自主车辆,惯性里程计
2022-01-30 09:05:09 331KB 导航
31车轮为什么做成圆形.ppt
2022-01-08 21:02:52 187KB
zhizz-ui:Vue3-UI框架(车轮)源码
2022-01-08 09:44:19 86KB 系统开源
1
行业分类-电信-所有车轮中的每一个均与至少一个旋转电机相连接的车辆的制动系统的控制信号级冗余硬件结构.rar
2021-12-07 18:01:50 1.24MB
麦轮3D图纸
2021-11-15 20:15:44 51.76MB solidworks 车轮 麦轮 制造
1
一种道路抢险救援用车轮固定装置的制作方法.docx
2021-11-15 19:03:01 16KB
幼儿小班美术车轮滚画教案反思.doc
2021-11-13 19:01:46 16KB 教案
七自由度车辆模型,给车辆输入车轮制动驱动转矩,获得车辆状态,matlab源码
2021-10-30 20:50:54 21KB
铁道车辆车轮简介PPT课件.pptx
2021-10-22 20:03:50 764KB 专业资料
铝合金车轮的制造工艺PPT课件.pptx
2021-10-22 20:03:16 6.92MB 专业资料