論文の概要: Real-time loosely coupled GNSS and IMU integration via Factor Graph Optimization

• arxiv url: http://arxiv.org/abs/2603.03546v1
• Date: Tue, 03 Mar 2026 21:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.105414
• Title: Real-time loosely coupled GNSS and IMU integration via Factor Graph Optimization
• Title（参考訳）: Factor Graph Optimization を用いた実時間疎結合 GNSS と IMU の統合
• Authors: Radu-Andrei Cioaca, Cristian Rusu, Paul Irofti, Gianluca Caparra, Andrei-Alexandru Marinache, Florin Stoican,
• Abstract要約: 位置、航法、タイミング(PNT)の重要な構成要素は地球航法衛星システム(GNSS)である。 現代の研究の方向性は、他の感覚情報と融合することで、ローカライゼーションのパフォーマンスを新たな高地に押し上げた。 因子グラフ最適化(FGO)フレームワークを用いて測定を統合化するための疎結合アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 3.306326078788103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate positioning, navigation, and timing (PNT) is fundamental to the operation of modern technologies and a key enabler of autonomous systems. A very important component of PNT is the Global Navigation Satellite System (GNSS) which ensures outdoor positioning. Modern research directions have pushed the performance of GNSS localization to new heights by fusing GNSS measurements with other sensory information, mainly measurements from Inertial Measurement Units (IMU). In this paper, we propose a loosely coupled architecture to integrate GNSS and IMU measurements using a Factor Graph Optimization (FGO) framework. Because the FGO method can be computationally challenging and often used as a post-processing method, our focus is on assessing its localization accuracy and service availability while operating in real-time in challenging environments (urban canyons). Experimental results on the UrbanNav-HK-MediumUrban-1 dataset show that the proposed approach achieves real-time operation and increased service availability compared to batch FGO methods. While this improvement comes at the cost of reduced positioning accuracy, the paper provides a detailed analysis of the trade-offs between accuracy, availability, and computational efficiency that characterize real-time FGO-based GNSS/IMU fusion.
• Abstract（参考訳）: 正確な位置決め、ナビゲーション、タイミング(PNT)は、現代の技術の運用の基本であり、自律システムの重要な実現要因である。 PNTの非常に重要なコンポーネントはGNSS(Global Navigation Satellite System)であり、屋外の位置を確実にする。 現代の研究の方向性は、GNSS測定を他の感覚情報、主に慣性測定ユニット(IMU)の計測と融合させることによって、GNSSローカライゼーションのパフォーマンスを新たな高さに押し上げた。 本稿では,因子グラフ最適化(FGO)フレームワークを用いて,GNSSとIMUの測定値を統合する疎結合アーキテクチャを提案する。 FGO法は計算的に困難であり,ポストプロセッシング手法としてよく用いられるため,課題のある環境(アーバンキャニオン)でリアルタイムに動作しながら,そのローカライゼーション精度とサービス可用性を評価することに重点を置いている。 UrbanNav-HK-MediumUrban-1データセットによる実験結果から,提案手法はバッチFGO法と比較してリアルタイム動作とサービス可用性の向上を実現している。 この改良は位置決め精度の低減に寄与するが,本論文では,リアルタイムFGOベースのGNSS/IMU融合を特徴付ける精度,可用性,計算効率のトレードオフを詳細に分析する。

関連論文リスト

• Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization [3.306326078788103]
  固定ラグ残差化を用いたインクリメンタル最適化により因果状態推定が可能なリアルタイム密結合型IMU法を提案する。 UrbanNavデータセットを用いて、高度に都市化劣化した環境での性能を評価する。
  論文  参考訳（メタデータ） (2026-03-03T22:15:30Z)
• GNSS Spoofing Detection Based on Opportunistic Position Information [1.9688858888666714]
  位置に基づく攻撃検出スキーム(PADS)は、位置の回帰分析と不確実性分析を利用する確率的フレームワークである。 PADSは偽陽性率の3倍の正の値を得る。
  論文  参考訳（メタデータ） (2025-06-14T17:27:06Z)
• LPO: Towards Accurate GUI Agent Interaction via Location Preference Optimization [58.65395773049273]
  位置優先最適化(Location Preference Optimization、LPO)は、位置データを利用してインタラクションの好みを最適化する新しいアプローチである。 LPOは情報エントロピーを使用して、情報に富んだゾーンに注目して相互作用位置を予測する。 私たちのコードは間もなくhttps://github.com/AIDC-AI/LPO.comで公開されます。
  論文  参考訳（メタデータ） (2025-06-11T03:43:30Z)
• Real-Time Spacecraft Pose Estimation Using Mixed-Precision Quantized Neural Network on COTS Reconfigurable MPSoC [0.13108652488669734]
  本稿では、市販MPSoCのFPGAコンポーネント上に実装された混合精度量子化ニューラルネットワークを用いて、リアルタイム宇宙船のポーズ推定の先駆的なアプローチを提案する。 我々の貢献には、そのようなアルゴリズムを初めてリアルタイムでオープンソースに実装することが含まれており、効率的な宇宙船ポーズ推定アルゴリズムを広く利用できるようにするための大きな進歩を示している。
  論文  参考訳（メタデータ） (2024-06-06T17:36:26Z)
• Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon [3.870599032599567]
  都市キャニオン環境では、高層建築物によるスタンドアロンセンサと非視線(NLOS)の脆弱性が位置決め結果に深刻な影響を及ぼす。 これらの課題に対処するために、NLOS検出のためにFCN(Fully Convolutional Network)に基づくスカイビュー画像分割アルゴリズムを提案する。 新たなNLOS検出・緩和アルゴリズム(S-NDM)は、密結合したグローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、Sky-GVIOと呼ばれる視覚機能システムに拡張されている。
  論文  参考訳（メタデータ） (2024-04-17T04:59:36Z)
• Neural 5G Indoor Localization with IMU Supervision [63.45775390000508]
  無線信号は、ユビキタスであるため、ユーザのローカライゼーションに適しており、暗黒環境で動作し、プライバシを維持することができる。 多くの先行研究は、チャネル状態情報(CSI)と完全に監督された位置の間のマッピングを学ぶ。 本研究は,慣性測定ユニット(IMU)から算出した擬似ラベルを用いて,本要件を緩和するものである。
  論文  参考訳（メタデータ） (2024-02-15T13:51:21Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry [0.0]
  本稿では,Multi-State Constraint Kalman Filter(MSCKF)の強化版を提案する。 提案したFast-MSCKF (FMSCKF) は標準MSCKFアルゴリズムよりも約6倍高速で、最終位置推定において少なくとも20%精度が高いことが実証された。
  論文  参考訳（メタデータ） (2022-10-04T16:10:39Z)
• Federated Stochastic Gradient Descent Begets Self-Induced Momentum [151.4322255230084]
  Federated Learning(FL)は、モバイルエッジシステムに適用可能な、新興の機械学習手法である。 このような条件下での勾配降下(SGD)への走行は,大域的な集約プロセスに運動量的な項を加えるとみなすことができる。
  論文  参考訳（メタデータ） (2022-02-17T02:01:37Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。