DANAE：一种用于水下姿态估计的去噪自编码器
机器人学
2025-02-20 v1 机器学习
摘要
水下机器人导航的主要问题之一是其精确定位，而这严重依赖于姿态估计阶段。用于此目的的系统受不同噪声类型影响，主要关联于传感器及水下环境的不规则噪声。滤波算法若配置得当可减小其影响，但该过程通常需要精细技术与时间。本文中我们提出 DANAE，一种用于姿态估计的深度去噪自编码器（Denoising AutoeNcoder for Attitude Estimation），其作用于卡尔曼滤波器 IMU/AHRS 数据融合，旨在独立于噪声性质地降低任意类型噪声。该基于深度学习的架构被证明鲁棒且可靠，显著改善了卡尔曼滤波结果。进一步测试可使该方法适用于导航任务的实时应用。
引用
@article{arxiv.2011.06853,
title = {DANAE: a denoising autoencoder for underwater attitude estimation},
author = {Paolo Russo and Fabiana Di Ciaccio and Salvatore Troisi},
journal= {arXiv preprint arXiv:2011.06853},
year = {2025}
}
备注
5 pages, 2 figures, Conference paper accepted and presented at the International Workshop on Metrology for the Sea in October 2020, accessible for download from Book od Abstracts, see http://www.metrosea.org/ms2020/