LGC-Net：一种用于高效姿态估计的轻量级陀螺仪校准网络
机器人学
2022-09-20 v1 人工智能
摘要
本文提出一种轻量、高效的校准神经网络模型，用于对低成本微机电系统（MEMS）陀螺仪去噪并实时估计机器人姿态。其核心思想是从惯性测量单元（IMU）测量的时间窗口中提取局部与全局特征，以动态回归陀螺仪的输出补偿分量。在精心推导的数学校准模型之后，LGC-Net 利用深度可分离卷积捕获分段特征并减少网络模型参数。大核注意力被设计用于更好地学习长程依赖与特征表示。所提算法在 EuRoC 与 TUM-VI 数据集上评估，并以更轻量的模型结构在（未见的）测试序列上取得最先进结果。我们的 LGC-Net 估计的朝向与排名靠前的视觉-惯性里程计系统相当，尽管其未采用视觉传感器。我们将方法开源于：https://github.com/huazai665/LGC-Net
引用
@article{arxiv.2209.08816,
title = {LGC-Net: A Lightweight Gyroscope Calibration Network for Efficient Attitude Estimation},
author = {Yaohua Liu and Wei Liang and Jinqiang Cui},
journal= {arXiv preprint arXiv:2209.08816},
year = {2022}
}