論文の概要: Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment

• arxiv url: http://arxiv.org/abs/2505.15044v1
• Date: Wed, 21 May 2025 02:53:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.828763
• Title: Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment
• Title（参考訳）: GPSと視覚無視環境におけるサーマルアンメメータを用いたMAVの学習型空気流慣性オドメトリー
• Authors: Ze Wang, Jingang Qu, Zhenyu Gao, Pascal Morin,
• Abstract要約: 本研究は, 熱量計, IMU, ESC, およびバロメーターを含む多センサデータ融合を用いた気流式オドメトリーシステムを示す。 我々は,GRUをベースとした深部ニューラルネットワークを用いて,ノイズおよび乱れ計測から相対的な空気速度を推定する。 離陸や地上への着陸を含む完全な飛行データから、プロペラと地上効果によって引き起こされる下水によって引き起こされる風速を分離することができることが示されている。
• 参考スコア（独自算出の注目度）: 13.910943185843706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work demonstrates an airflow inertial based odometry system with multi-sensor data fusion, including thermal anemometer, IMU, ESC, and barometer. This goal is challenging because low-cost IMUs and barometers have significant bias, and anemometer measurements are very susceptible to interference from spinning propellers and ground effects. We employ a GRU-based deep neural network to estimate relative air speed from noisy and disturbed anemometer measurements, and an observer with bias model to fuse the sensor data and thus estimate the state of aerial vehicle. A complete flight data, including takeoff and landing on the ground, shows that the approach is able to decouple the downwash induced wind speed caused by propellers and the ground effect, and accurately estimate the flight speed in a wind-free indoor environment. IMU, and barometer bias are effectively estimated, which significantly reduces the position integration drift, which is only 5.7m for 203s manual random flight. The open source is available on https://github.com/SyRoCo-ISIR/Flight-Speed-Estimation-Airflow.
• Abstract（参考訳）: 本研究は, 熱風速計, IMU, ESC, バロメーターを含む多センサデータ融合による気流慣性系オドメトリーシステムを示す。 低コストのIMUとバロメーターには大きなバイアスがあり、加速度計の計測は回転プロペラや地面効果の干渉の影響を受けやすいため、この目標は難しい。 我々は,GRUをベースとした深層ニューラルネットワークを用いて,騒音および乱気流計の測定値から相対的な空気速度を推定し,バイアスモデルを用いてセンサデータを融合し,航空機の状態を推定する。 地上への離着陸を含む完全な飛行データから、プロペラによる下水誘導風速と地上効果を分離し、風のない屋内環境での飛行速度を正確に推定できることが示されている。 IMUとバロメーターバイアスは効果的に推定され、これは203sのランダム飛行でわずか5.7mの位置積分ドリフトを著しく減少させる。 オープンソースはhttps://github.com/SyRoCo-ISIR/Flight-Speed-Estimation-Airflowで公開されている。

関連論文リスト

• Is That Rain? Understanding Effects on Visual Odometry Performance for Autonomous UAVs and Efficient DNN-based Rain Classification at the Edge [1.8936798735951972]
  最先端のローカルトラッキングと軌道計画は通常、飛行制御アルゴリズムにカメラセンサーを入力して実行される。 最先端のビジュアル・オドメトリーシステムでは, 1.5mの最悪ケース平均追跡誤差が可能であることを示す。 我々は、モバイルおよび制約されたデプロイメントシナリオに適したディープニューラルネットワークモデルのセットをトレーニングし、これらの雨の条件を効率的に正確に分類できる範囲を判断する。
  論文  参考訳（メタデータ） (2024-07-17T15:47:25Z)
• 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)
• Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression [0.0]
  本研究の目的は、空気温度の変化による低コストのホットワイヤ式アニメーターの精度の低下を克服することである。 空気温度を考慮した熱線式風速計の校正を行うことにより、風速を典型的な環境温度の範囲で推定することができる。
  論文  参考訳（メタデータ） (2024-01-16T22:01:24Z)
• AirIMU: Learning Uncertainty Propagation for Inertial Odometry [29.093168179953185]
  ストラップダウン慣性測定装置(IMU)を用いた慣性計測(IO)は多くのロボット応用において重要である。 データ駆動手法により不確実性、特に非決定論的誤差を推定するハイブリッド手法であるAirIMUを提案する。 ハンドヘルドデバイス,車両,および262kmの軌道をカバーするヘリコプターなど,さまざまなプラットフォーム上での有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-07T17:08:22Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Position fixing with cold atom gravity gradiometers [56.45088569868981]
  冷間原子干渉計による部分重力勾配解を用いた自律航法の位置固定法を提案する。 標準のオープンソースグローバル重力データベースを用いて,1000kmを超える軌道に対する安定した航法解を示す。
  論文  参考訳（メタデータ） (2022-04-11T16:42:32Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Touch the Wind: Simultaneous Airflow, Drag and Interaction Sensing on a Multirotor [0.0]
  マイクロ空力車(MAV)の外乱推定は、堅牢性と安全性に不可欠である。 バイオインスパイアされた新しい気流センサを用いてMAVに作用する気流を測定する。 我々はこの情報をUKF(Unscented Kalman Filter)に融合させ、3次元の風力ベクトル、ドラッグ力、その他の相互作用力を推定する。
  論文  参考訳（メタデータ） (2020-03-04T19:43:50Z)

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。