RINS-W:车轮上的鲁棒惯性导航系统

上传者: cooc89 | 上传时间: 2022-01-30 09:05:09 | 文件大小: 331KB | 文件类型: ZIP
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

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明