論文の概要: GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation
- arxiv url: http://arxiv.org/abs/2405.08119v1
- Date: Mon, 13 May 2024 19:05:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 15:56:55.040326
- Title: GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation
- Title（参考訳）: GPS-IMUセンサフュージョンによる自律走行車の位置推定
- Authors: Simegnew Yihunie Alaba,
- Abstract要約: 慣性測定ユニット(IMU)は加速度や回転の変化などの相対的な運動情報を提供する。
GPSとは異なり、IMUは外部の信号に頼らず、GPSで識別された環境で有用である。
GPSとIMUを融合させることは、自動運転車のナビゲーションシステムの信頼性と精度を高めるために重要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Global Positioning System (GPS) navigation provides accurate positioning with global coverage, making it a reliable option in open areas with unobstructed sky views. However, signal degradation may occur in indoor spaces and urban canyons. In contrast, Inertial Measurement Units (IMUs) consist of gyroscopes and accelerometers that offer relative motion information such as acceleration and rotational changes. Unlike GPS, IMUs do not rely on external signals, making them useful in GPS-denied environments. Nonetheless, IMUs suffer from drift over time due to the accumulation of errors while integrating acceleration to determine velocity and position. Therefore, fusing the GPS and IMU is crucial for enhancing the reliability and precision of navigation systems in autonomous vehicles, especially in environments where GPS signals are compromised. To ensure smooth navigation and overcome the limitations of each sensor, the proposed method fuses GPS and IMU data. This sensor fusion uses the Unscented Kalman Filter (UKF) Bayesian filtering technique. The proposed navigation system is designed to be robust, delivering continuous and accurate positioning critical for the safe operation of autonomous vehicles, particularly in GPS-denied environments. This project uses KITTI GNSS and IMU datasets for experimental validation, showing that the GNSS-IMU fusion technique reduces GNSS-only data's RMSE. The RMSE decreased from 13.214, 13.284, and 13.363 to 4.271, 5.275, and 0.224 for the x-axis, y-axis, and z-axis, respectively. The experimental result using UKF shows promising direction in improving autonomous vehicle navigation using GPS and IMU sensor fusion using the best of two sensors in GPS-denied environments.
- Abstract（参考訳）: GPS(Global Positioning System)ナビゲーションは、グローバルな範囲で正確な位置決めを可能にする。
しかし、信号劣化は屋内空間や都市キャニオンで起こりうる。
対照的に、慣性測定ユニット(IMU)はジャイロスコープと加速度計から構成され、加速度や回転の変化などの相対的な運動情報を提供する。
GPSとは異なり、IMUは外部の信号に頼らず、GPSで識別された環境で有用である。
それでもIMUは、速度と位置を決定するために加速を統合しながら、エラーの蓄積によって時間の経過とともにドリフトに悩まされる。
したがって、GPSとIMUを融合させることは、特にGPS信号が漏洩した環境において、自動運転車のナビゲーションシステムの信頼性と精度を高めるのに不可欠である。
ナビゲーションを円滑にし,各センサの限界を克服するために,提案手法はGPSとIMUデータを融合する。
このセンサ融合は、Unscented Kalman Filter (UKF) Bayesian filtering 技術を用いている。
提案するナビゲーションシステムは堅牢な設計であり,特にGPSを用いた環境において,自動運転車の安全運転に不可欠な連続的かつ正確な位置決めを実現する。
このプロジェクトは、実験的な検証にKITTI GNSSとIMUデータセットを使用し、GNSS-IMU融合技術は、GNSSのみのデータRMSEを減少させることを示した。
RMSEは13.214、13.284、13.363から4.271、5.275、0.224に減少し、それぞれx軸、y軸、z軸となった。
UKFを用いた実験結果は、GPSとIMUセンサーの融合による自動運転車のナビゲーションを改善するための有望な方向性を示す。
関連論文リスト
- Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳（メタデータ） (2024-10-21T09:57:42Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
論文 参考訳（メタデータ） (2024-01-30T23:13:41Z) - Precise Payload Delivery via Unmanned Aerial Vehicles: An Approach Using
Object Detection Algorithms [0.0]
マイクロクラスUAVの開発について述べるとともに,新しいナビゲーション手法を提案する。
ディープラーニングベースのコンピュータビジョンアプローチを採用して、UAVをペイロードの配送位置にマークされたターゲットを特定し、正確に調整する。
提案手法は従来のGPS手法よりも平均水平精度を500%向上させる。
論文 参考訳（メタデータ） (2023-10-10T05:54:04Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water
Boundary Exploration [8.555466536537292]
ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。
画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。
提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
論文 参考訳（メタデータ） (2023-03-29T20:16:39Z) - Deep Learning for Inertial Sensor Alignment [1.9773109138840514]
慣性測定ユニット(IMU)を装備したスマートフォンのヨー装着角度を学習し,車に装着するデータ駆動型アプローチを提案する。
提案モデルは、IMUからの加速度計とジャイロスコープのみを入力として使用する。
トレーニングされたモデルはAndroidデバイスにデプロイされ、推定されたヨー装着角度の精度をテストするためにリアルタイムで評価される。
論文 参考訳（メタデータ） (2022-12-10T07:50:29Z) - Unsupervised Visual Odometry and Action Integration for PointGoal
Navigation in Indoor Environment [14.363948775085534]
屋内環境におけるポイントゴールナビゲーションは、個人ロボットが特定の地点に向かうための基本的なタスクである。
GPS信号を使わずにPointGoalナビゲーションの精度を向上させるために、ビジュアル・オドメトリー(VO)を用い、教師なしで訓練された新しいアクション統合モジュール(AIM)を提案する。
実験により,提案システムは良好な結果が得られ,Gibsonデータセット上で部分的に教師付き学習アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2022-10-02T03:12:03Z) - Intelligent GPS Spoofing Attack Detection in Power Grids [0.7034739490820968]
GPSはGPSスプーフィング攻撃(GSA)に弱い
電力網では、PMU (Passor Measurement Unit) はGPSを使ってタイムタグの計測を行う。
本稿では,PMUデータを用いたニューラルネットワークGPSスプーフィング検出(NNGSD)を行い,GSAを検出する。
論文 参考訳（メタデータ） (2020-05-09T20:52:18Z)
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。