論文の概要: Indoor SLAM Using a Foot-mounted IMU and the local Magnetic Field

• arxiv url: http://arxiv.org/abs/2203.15866v1
• Date: Tue, 29 Mar 2022 19:18:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 15:51:56.606726
• Title: Indoor SLAM Using a Foot-mounted IMU and the local Magnetic Field
• Title（参考訳）: 足部装着型IMUを用いた室内SLAMと局所磁場
• Authors: Mostafa Osman, Frida Viset and Manon Kok
• Abstract要約: このアルゴリズムは、モーションマップと磁場マップという2つのマップを使用する。 モーションマップは、廊下やドアで制約された建物内の歩行者の典型的な動きパターンをキャプチャする。 その結果,屋内環境における歩行者の局所化におけるアルゴリズムの有効性が示唆された。
• 参考スコア（独自算出の注目度）: 1.9981375888949475
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, a simultaneous localization and mapping (SLAM) algorithm for tracking the motion of a pedestrian with a foot-mounted inertial measurement unit (IMU) is proposed. The algorithm uses two maps, namely, a motion map and a magnetic field map. The motion map captures typical motion patterns of pedestrians in buildings that are constrained by e.g. corridors and doors. The magnetic map models local magnetic field anomalies in the environment using a Gaussian process (GP) model and uses them as position information. These maps are used in a Rao-Blackwellized particle filter (RBPF) to correct the pedestrian position and orientation estimates from the pedestrian dead-reckoning (PDR). The PDR is computed using an extended Kalman filter with zero-velocity updates (ZUPT-EKF). The algorithm is validated using real experimental sequences and the results show the efficacy of the algorithm in localizing pedestrians in indoor environments.
• Abstract（参考訳）: 本稿では,足載慣性測定ユニット(imu)を用いて歩行者の歩行を追跡する同時局所化マッピング(slam)アルゴリズムを提案する。 このアルゴリズムは、モーションマップと磁場マップという2つのマップを使用する。 モーションマップは、廊下やドアなどによって制約された建物の歩行者の典型的な動きパターンを捉えている。 磁場マップはガウス過程(GP)モデルを用いて環境中の局所磁場異常をモデル化し、位置情報として利用する。 これらのマップは、歩行者デッドレコニング(PDR)から歩行者の位置と方向を補正するために、ラオ・ブラックウェル化粒子フィルタ(RBPF)で使用される。 PDRはゼロ速度更新(ZUPT-EKF)を備えた拡張カルマンフィルタを用いて計算される。 本アルゴリズムは実際の実験シーケンスを用いて検証し,室内環境における歩行者の局所化におけるアルゴリズムの有効性を示す。

関連論文リスト

• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。 我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。 合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• Large-scale magnetic field maps using structured kernel interpolation for Gaussian process regression [0.9208007322096532]
  そこで本研究では,屋内環境における大規模磁場マップを計算するためのマッピングアルゴリズムを提案する。 シミュレーションでは, マッピング面積が増大する磁場マップにおいて, 現在の最先端手法よりも精度がよいことを示す。
  論文  参考訳（メタデータ） (2023-10-25T11:58:18Z)
• Feature Tracks are not Zero-Mean Gaussian [63.51990384359593]
  特徴トラック位置の誤差がゼロ平均ガウスであると考えるのが慣例である。 キャリブレーションされたカメラの内在、地中カメラのポーズ、深度画像の組み合わせにより、画像処理アルゴリズムを用いて抽出した特徴トラックの地中トラック位置を計算することができる。
  論文  参考訳（メタデータ） (2023-03-25T00:58:30Z)
• Gaussian process regression and conditional Karhunen-Lo\'{e}ve models for data assimilation in inverse problems [68.8204255655161]
  偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。 CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
  論文  参考訳（メタデータ） (2023-01-26T18:14:12Z)
• Learnable Spatio-Temporal Map Embeddings for Deep Inertial Localization [21.300194809454077]
  本稿では,地図上のユーザ位置に関するデータ駆動型事前提案を行う。 従来の手作業で定義した手法よりも,どの地図領域がユーザにとって実現可能な場所かを,より正確にエンコードすることを学びました。
  論文  参考訳（メタデータ） (2022-11-14T18:58:21Z)
• Spatially scalable recursive estimation of Gaussian process terrain maps using local basis functions [0.9208007322096532]
  非線形地形のオンラインマッピングは、エージェントが以前にマッピングされた領域に戻るときの位置推定を改善するために使用できる。 GPマッピングアルゴリズムは、マッピングされた領域が拡大するにつれて、計算要求が増大している。 提案手法は,地図面積が大きい場合,既存の手法よりも高速であることを示す。
  論文  参考訳（メタデータ） (2022-10-17T15:13:41Z)
• Indoor simultaneous localization and mapping based on fringe projection profilometry [17.58921454201053]
  本稿では,FPPの座標変換関係に基づいたFPPを用いた室内SLAM法を提案する。 提案した屋内SLAMは1ミリ付近の局所化とマッピングの精度を達成できる。
  論文  参考訳（メタデータ） (2022-04-23T08:35:58Z)
• MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
  可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。 我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。 重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
  論文  参考訳（メタデータ） (2021-07-22T03:10:51Z)
• Heatmap Regression via Randomized Rounding [105.75014893647538]
  本稿では,サブピクセルローカライゼーション問題に対処する簡易かつ効果的な量子化システムを提案する。 提案システムでは,数値座標の分数部をトレーニング中の確率的アプローチを用いて基底真理熱マップに符号化する。
  論文  参考訳（メタデータ） (2020-09-01T04:54:22Z)
• Graph-based Proprioceptive Localization Using a Discrete Heading-Length Feature Sequence Matching Approach [14.356113113268389]
  Proprioceptive Localizationは、新しいタイプのロボットエゴセントリックなローカライゼーション手法を指す。 これらの方法は自然に悪天候、照明条件、その他の極端な環境条件に免疫がある。 環境条件の厳しい環境条件下で、ローカライゼーションのための低コストなフォールバックソリューションを提供する。
  論文  参考訳（メタデータ） (2020-05-27T23:10:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。