利用深度学习对 IMU 陀螺仪去噪以实现开环姿态估计
机器人学
2020-06-29 v2 机器学习
摘要
本文提出一种利用真值数据对惯性测量单元（IMU）陀螺仪去噪的学习方法，并在航位推算中实时估计机器人的朝向（姿态）。所得算法在（未见的）测试序列上优于当前最优方法。所达成的性能得益于精心选择的模型、针对姿态增量的恰当损失函数，以及在使用高频惯性数据训练时关键点的辨识。我们的方法构建于基于膨胀卷积的神经网络之上，无需任何循环神经网络。我们在 EuRoC 与 TUM-VI 数据集上展示了我们的策略在三维姿态估计上的高效性。有趣的是，我们观察到尽管不使用视觉传感器，我们的航位推算算法在姿态估计上仍能击败排名靠前的视觉-惯性里程计系统。我们相信本文为视觉-惯性定位提供了新视角，并构成了迈向更高效涉及 IMU 的学习方法的一步。我们的开源实现见 https://github.com/mbrossar/denoise-imu-gyro。
引用
@article{arxiv.2002.10718,
title = {Denoising IMU Gyroscopes with Deep Learning for Open-Loop Attitude Estimation},
author = {Martin Brossard and Silvere Bonnabel and Axel Barrau},
journal= {arXiv preprint arXiv:2002.10718},
year = {2020}
}
备注
IEEE Robotics and Automation Letters, IEEE In press