ULOC：利用超宽带测距在复杂大规模环境中学习定位
机器人学
2024-09-18 v1 机器学习
摘要
虽然基于超宽带（UWB）的方法在小范围区域内可以实现高定位精度，但在大规模环境中，其精度和可靠性面临显著挑战。本文提出了一种名为ULOC的基于学习的框架，用于在此类复杂大规模环境中进行基于超宽带（UWB）的定位。首先，在不知道锚点实际位置的情况下将其部署在环境中。然后，当车辆在环境中行驶时，收集UWB观测数据。同时，通过将（车载自定位）数据与先验地图进行配准，生成与地图一致的位姿估计，以提供训练标签。随后，我们提出了一种基于MAMBA的网络，该网络学习UWB在复杂大规模环境中的测距模式。实验表明，与现有最先进技术相比，我们的解决方案能够确保大规模场景下的高定位精度。我们在https://github.com/brytsknguyen/uloc上发布了源代码，以惠及社区。
引用
@article{arxiv.2409.11122,
title = {ULOC: Learning to Localize in Complex Large-Scale Environments with Ultra-Wideband Ranges},
author = {Thien-Minh Nguyen and Yizhuo Yang and Tien-Dat Nguyen and Shenghai Yuan and Lihua Xie},
journal= {arXiv preprint arXiv:2409.11122},
year = {2024}
}