评估卷积神经网络层深度对惯性导航系统解算增强的影响
机器人学
2024-10-01 v1
摘要
安全导航对于自动驾驶车辆、机器人和航空等多个应用至关重要。惯性导航系统通过航位推算法估计位置、速度和姿态，尤其是在GPS等外部参考不可用时。然而，构成该系统的三个加速度计和三个陀螺仪会受到各种误差的影响，包括零偏误差、比例因子误差和噪声，这些误差会显著降低导航精度，也是该系统的一个关键弱点。本工作旨在采用监督卷积神经网络(ConvNet)来解决惯性导航系统的这一固有弱点。此外，本文评估了卷积神经网络层深度对这些校正精度的影响。该评估旨在确定最佳层配置，以最大化惯性导航系统(INS)误差校正的有效性，从而实现精确的导航解算。
关键词
引用
@article{arxiv.2409.20488,
title = {Evaluating the Impact of Convolutional Neural Network Layer Depth on the Enhancement of Inertial Navigation System Solutions},
author = {Mohammed Aftatah and Khalid Zebbara},
journal= {arXiv preprint arXiv:2409.20488},
year = {2024}
}