論文の概要: Learning Position From Vehicle Vibration Using an Inertial Measurement
Unit
- arxiv url: http://arxiv.org/abs/2303.03942v1
- Date: Mon, 6 Mar 2023 18:55:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 15:05:02.121698
- Title: Learning Position From Vehicle Vibration Using an Inertial Measurement
Unit
- Title（参考訳）: 慣性測定ユニットを用いた車両振動からの学習位置
- Authors: Barak Or, Nimrod Segol, Areej Eweida, and Maxim Freydin
- Abstract要約: 本稿では,グローバルナビゲーション衛星システム(GNSS)に依存しない車両位置決め手法を提案する。
従来のアプローチは特定の環境での干渉に弱いため、都市キャニオンやフライオーバーや低受信エリアなどの状況では信頼性が低い。
本研究では,慣性計測ユニット(IMU)センサで得られた加速度計およびジャイロスコープ測定から道路信号の学習に基づく車両位置決め手法を提案する。
- 参考スコア（独自算出の注目度）: 4.117347527143616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel approach to vehicle positioning that operates
without reliance on the global navigation satellite system (GNSS). Traditional
GNSS approaches are vulnerable to interference in certain environments,
rendering them unreliable in situations such as urban canyons, under flyovers,
or in low reception areas. This study proposes a vehicle positioning method
based on learning the road signature from accelerometer and gyroscope
measurements obtained by an inertial measurement unit (IMU) sensor. In our
approach, the route is divided into segments, each with a distinct signature
that the IMU can detect through the vibrations of a vehicle in response to
subtle changes in the road surface. The study presents two different
data-driven methods for learning the road segment from IMU measurements. One
method is based on convolutional neural networks and the other on ensemble
random forest applied to handcrafted features. Additionally, the authors
present an algorithm to deduce the position of a vehicle in real-time using the
learned road segment. The approach was applied in two positioning tasks: (i) a
car along a 6[km] route in a dense urban area; (ii) an e-scooter on a 1[km]
route that combined road and pavement surfaces. The mean error between the
proposed method's position and the ground truth was approximately 50[m] for the
car and 30[m] for the e-scooter. Compared to a solution based on time
integration of the IMU measurements, the proposed approach has a mean error of
more than 5 times better for e-scooters and 20 times better for cars.
- Abstract（参考訳）: 本稿では,グローバルナビゲーション衛星システム(GNSS)に依存しない車両位置決め手法を提案する。
従来のGNSSアプローチは特定の環境での干渉に弱いため、都市キャニオンやフライオーバーや低受信エリアなどの状況では信頼性が低い。
本研究では,慣性計測ユニット(IMU)センサで得られた加速度計およびジャイロスコープ測定から道路信号の学習に基づく車両位置決め手法を提案する。
本手法では,道路面の微妙な変化に応答してIMUが車両の振動を検出できるという特徴を,各経路をセグメントに分割する。
この研究は、IMU測定から道路セグメントを学習するための2つの異なるデータ駆動手法を提示する。
1つの方法は畳み込みニューラルネットワークに基づいており、もう1つは手作りの特徴に適用されたランダムフォレストである。
さらに,学習した道路セグメントを用いて車両の位置をリアルタイムに推定するアルゴリズムを提案する。
アプローチは2つの位置決めタスクに適用された。
(i)密集市街地における6[km]経路に沿った車両
(ii)道路面と舗装面を結合した1[km]経路のeスクーター。
提案手法の位置と地上の真理との間の誤差は, 車両の約50[m], 電動スクーターの約30[m]であった。
IMU測定の時間積分に基づく解と比較して、提案手法はeスクータの5倍以上の誤差と自動車の20倍の誤差を持つ。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - Learning to cooperatively estimate road surface friction [0.0]
道路断面の舗装面の摩擦を推定するシステムを提案する。
我々は、最近この区間を通過した車両のデータに基づいて、コンセンサス(コンセンサス)の見積もりに到達した。
コストを抑えるために、私たちは標準の自動車センサーにのみ依存しています。
論文 参考訳（メタデータ） (2023-02-07T16:14:39Z) - Improving Autonomous Vehicle Mapping and Navigation in Work Zones Using
Crowdsourcing Vehicle Trajectories [7.5390770178143045]
本稿では, クラウドソーシングトラジェクトリ情報をマッピングプロセスに導入し, ドライビング可能なエリアや交通ルールに対するCAVの理解を深めるプロトタイプを提案する。
提案手法は,人間運転情報のないSLAMと比較した。
提案手法は下流経路計画と車両制御モジュールとよく適合しており,CAVは運転規則に違反せず,純粋なSLAM法では達成できなかった。
論文 参考訳（メタデータ） (2023-01-22T20:16:12Z) - Leveraging Road Area Semantic Segmentation with Auxiliary Steering Task [0.0]
ステアリングホイール角情報を利用して道路領域のセマンティックセグメンテーションを改善するCNNに基づく手法を提案する。
本稿では,自律運転のための2つの挑戦的データセットに対する提案手法の有効性を示す。
論文 参考訳（メタデータ） (2022-12-19T13:25:09Z) - Pedestrian Collision Avoidance for Autonomous Vehicles at Unsignalized
Intersection Using Deep Q-Network [4.94950858749529]
本稿では,混み合った無人交差点における自律走行車(AV)ナビゲーションについて検討する。
我々は,報酬関数と状態表現を訓練した異なる深層強化学習手法の性能を比較する。
論文 参考訳（メタデータ） (2021-05-01T03:02:21Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - Improved and efficient inter-vehicle distance estimation using road
gradients of both ego and target vehicles [14.147976074752023]
高度な運転支援システムや自動運転では、エゴ車とターゲット車の間の距離を推定することが不可欠です。
本稿では,道路前方の傾斜変化を考慮した車間距離推定フレームワークを提案する。
数値実験により,提案手法が距離推定精度と時間複雑性を大幅に改善することを示す。
論文 参考訳（メタデータ） (2021-04-01T00:12:39Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
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。