BeamsNet：一种增强多普勒测速仪测量以提升自主水下航行器导航的数据驱动方法
机器人学
2022-07-22 v1 机器学习
系统与控制
信号处理
系统与控制
摘要
自主水下航行器（AUV）执行各类任务，如海底测绘与水下结构健康监测。通常，由多普勒测速仪（DVL）辅助的惯性导航系统用于提供航行器导航解。在此类融合中，DVL 提供 AUV 的速度矢量，其决定了导航解的精度并有助于估计导航状态。本文提出 BeamsNet，一种端到端深度学习框架，用于回归估计的 DVL 速度矢量，从而提升速度矢量估计精度，并可替代基于模型的方法。给出了两个版本的 BeamsNet，其网络输入不同。第一个使用当前 DVL 波束测量值与惯性传感器数据，另一个仅利用 DVL 数据，将当前与过往 DVL 测量值用于回归过程。我们开展了仿真与海上实验，以相对于基于模型的方法验证所提学习方法。海上实验使用地中海的 Snapir AUV 进行，收集了约四小时的 DVL 与惯性传感器数据。结果表明，所提方法在估计 DVL 速度矢量上实现了超过 60% 的改进。
引用
@article{arxiv.2206.13603,
title = {BeamsNet: A data-driven Approach Enhancing Doppler Velocity Log Measurements for Autonomous Underwater Vehicle Navigation},
author = {Nadav Cohen and Itzik Klein},
journal= {arXiv preprint arXiv:2206.13603},
year = {2022}
}