基于 LSTM 的零速检测用于鲁棒惯性导航
机器人学
2019-08-14 v2 人机交互
摘要
我们提出一种方法，通过用长短期记忆（LSTM）神经网络替代标准零速检测器，来提高零速辅助惯性导航系统（INS）的精度。现有的基于阈值的零速检测器对不同运动类型缺乏鲁棒性，而我们学习的模型能在用户运动变化的情况下准确检测惯性测量单元（IMU）的静止时段。检测后，零速伪测量与航位推算运动模型在扩展卡尔曼滤波（EKF）中融合。我们证明，在零速辅助 INS 中使用的基于 LSTM 的零速检测器，改善了人体定位任务中的零速检测，从而也提高了定位精度。我们的系统在超过 7.5 km 的室内行人运动数据上进行了评估，数据来自五名不同受试者。我们表明，对于行走、奔跑和爬楼梯运动，3D 定位误差相比现有固定阈值零速检测器降低了超过 34%。此外，我们展示了所学零速检测器在爬行和爬梯时同样有效。我们的系统无需标定（无需仔细调阈值），并在不同用户、IMU 放置位置和鞋类下表现一致，同时兼容任何通用零速辅助 INS。
引用
@article{arxiv.1807.05275,
title = {LSTM-Based Zero-Velocity Detection for Robust Inertial Navigation},
author = {Brandon Wagstaff and Jonathan Kelly},
journal= {arXiv preprint arXiv:1807.05275},
year = {2019}
}
备注
In Proceedings of the International Conference on Indoor Positioning and Indoor Navigation (IPIN'18), Nantes, France, Sep. 24-27, 2018