一种基于数据驱动的 INS/DVL 对齐方法
机器人学
2025-12-16 v1 软件工程
摘要
自主水下车辆（AUV）是一类关键应用广泛的高端机器人平台，其导航系统的准确性对于其成功至关重要。惯性传感器和多普勒速度日志（DVL）融合是长期水下导航的有前景的解决方案。然而，这种融合的有效性高度依赖于惯性传感器与 DVL 之间精确的对齐。虽然当前的对齐方法已有希望，但在准确性、收敛时间和对齐轨迹效率方面仍有很大的提升空间。本研究提出了一种用于对齐过程的端到端深度学习框架。通过利用深度学习的能力，如降噪和捕捉数据中的非线性，我们在仿真数据上表明，该方法显著提升了对齐准确性并缩短了收敛时间，超越当前基于模型的方法。
关键词
引用
@article{arxiv.2503.21350,
title = {A Data-Driven Method for INS/DVL Alignment},
author = {Guy Damari and Itzik Klein},
journal= {arXiv preprint arXiv:2503.21350},
year = {2025}
}