边缘端深度里程计系统结合EKF-LoRa后端用于恶劣环境实时定位
机器人学
2021-12-13 v1 系统与控制
系统与控制
摘要
恶劣环境下行人普适定位长期是一项挑战。尽管深度学习取得显著进展，多传感器深度里程计系统仍带来高计算成本并受累积漂移误差随时间恶化之苦。得益于边缘设备日益增长的计算能力，我们提出一种新颖的普适定位方案，将边缘端最先进的深度里程计模型与EKF（扩展卡尔曼滤波）-LoRa后端集成。我们仔细比较并选择了三种传感器模态，即惯性测量单元（IMU）、毫米波（mmWave）雷达和热红外相机，并实现其实时运行的深度里程计推理引擎。提出了一种考虑精度、复杂度和边缘平台的深度里程计部署流水线。我们设计了用于位置数据回传的LoRa链路，并将深度里程计的聚合位置投影到全局坐标系。我们发现一个简单的基于EKF的融合模块足以进行通用定位校准，相较任何独立深度里程计系统准确率提升超过34%。在不同环境中的广泛测试验证了我们提出定位系统的效率与有效性。
引用
@article{arxiv.2112.05665,
title = {Deep Odometry Systems on Edge with EKF-LoRa Backend for Real-Time Positioning in Adverse Environment},
author = {Zhuangzhuang Dai and Muhamad Risqi U. Saputra and Chris Xiaoxuan Lu and Andrew Markham and Niki Trigoni},
journal= {arXiv preprint arXiv:2112.05665},
year = {2021}
}