OdoNet：无硬件轮式里程计的车辆导航非绑定速度辅助
机器人学
2021-09-08 v1 人工智能
机器学习
摘要
里程计已被证明能在 GNSS 受限环境中显著提升全球导航卫星系统/惯性导航系统（GNSS/INS）组合车辆导航的精度。然而，在许多应用中，尤其是后装设备中，里程计是不可获取的。为了在无硬件轮式里程计的情况下施加前进速度辅助，我们提出 OdoNet，一种从单个惯性测量单元（IMU）学习的、基于一维卷积神经网络（CNN）的非绑定伪里程计模型，可作为轮式里程计的替代。我们进行了专门实验以验证 OdoNet 的可行性与鲁棒性。结果表明，IMU 个体差异、车辆载荷和道路条件对 OdoNet 的鲁棒性与精度影响甚微，而 IMU 偏置和安装角度可能显著破坏 OdoNet。因此，加入数据清洗流程以有效缓解 IMU 偏置和安装角度的影响。与仅使用非完整约束（NHC）的过程相比，采用伪里程计后定位误差降低约 68%，而硬件轮式里程计对应的百分比约为 74%。总之，所提出的 OdoNet 可用作车辆导航的非绑定伪里程计，能有效提升 GNSS 拒止环境下定位的精度与可靠性。
引用
@article{arxiv.2109.03091,
title = {OdoNet: Untethered Speed Aiding for Vehicle Navigation Without Hardware Wheeled Odometer},
author = {Hailiang Tang and Xiaoji Niu and Tisheng Zhang and You Li and Jingnan Liu},
journal= {arXiv preprint arXiv:2109.03091},
year = {2021}
}
备注
13 pages, 15 figures