論文の概要: Attitude-Aided Linear Calibration of Triaxial Accelerometers
- arxiv url: http://arxiv.org/abs/2606.06308v1
- Date: Thu, 04 Jun 2026 15:48:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.915416
- Title: Attitude-Aided Linear Calibration of Triaxial Accelerometers
- Title（参考訳）: 三軸加速度計の姿勢支援線形校正
- Authors: Yongqiang Yu, Tian Huang, Yipeng Yang,
- Abstract要約: 姿勢支援線形加速度計校正(ALAC)は、向き情報を提供する任意のプラットフォームで動作する。
ALACは、統一キャリブレーションモデルにおいて、センサエラーを表すために複合エラー行列(CEM)を構築する。
固定式ロボット搭載加速度計と準静的なパブリックIMU軌道の実験は、ALACがオフラインモードとオンラインモードの両方において、精度と堅牢性において基準ベースラインとオンラインベースラインを上回っていることを示している。
- 参考スコア（独自算出の注目度）: 3.810612452609132
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Triaxial MEMS accelerometers are widely used for inertial sensing, navigation, and sensor fusion, but existing calibration methods often rely on costly reference setups or nonlinear iterative optimization, limiting their efficiency and applicability to low-cost or self-calibrating systems. We present attitude-aided linear accelerometer calibration (ALAC), a method that operates on any platform providing orientation information, such as turntables, robotic arms, or inertial measurement units. ALAC constructs a combined error matrix (CEM) to represent sensor errors in a unified calibration model and enables linear least-squares estimation. The bias and gravity vector are jointly estimated, implicitly accounting for platform misalignment, and matrix decomposition of the CEM recovers scale, non-orthogonality, and alignment rotation parameters. Under static gravity, calibration is formulated as a constrained homogeneous least-squares (CHLS) problem and solved in closed form using standard linear algebra. Only five arbitrarily oriented measurements are required, and a recursive extension supports online or in-field calibration. Experiments on a stationary robot-mounted accelerometer and a quasi-static public IMU trajectory show that ALAC, in both offline and online modes, outperforms reference-based and online baselines in accuracy and robustness to sensor noise. On the same dataset, it matches iterative self-calibration under filtered conditions and surpasses all evaluated baselines on raw measurements. These results demonstrate a robust and practical calibration scheme for MEMS-based inertial platforms, especially low-cost IMUs and online calibration scenarios.
- Abstract（参考訳）: 三軸式MEMS加速度計は慣性センシング、ナビゲーション、センサー融合に広く用いられているが、既存の校正法はコストのかかる基準設定や非線形反復最適化に依存し、その効率性と適用性を低コストまたは自己校正システムに適用できる。
本稿では,ターンテーブル,ロボットアーム,慣性測定ユニットなどの配向情報を提供する任意のプラットフォーム上で動作可能な姿勢支援線形加速度計校正手法を提案する。
ALACは、センサエラーを統一キャリブレーションモデルで表現するための複合誤差行列(CEM)を構築し、線形最小二乗推定を可能にする。
CEMの行列分解はスケール、非直交性、アライメント回転パラメータを復元する。
静的重力下では、キャリブレーションは制約付き等質最小二乗問題(CHLS)として定式化され、標準線型代数を用いて閉形式で解かれる。
任意に向き付けられた5つの測定しか必要とせず、再帰的拡張はオンラインまたはフィールド内キャリブレーションをサポートする。
固定式ロボット搭載加速度計と準静電式公共IMU軌道の実験は、ALACがオフラインモードとオンラインモードの両方において、精度とセンサーノイズに対する堅牢性において基準ベースラインとオンラインベースラインを上回っていることを示している。
同じデータセット上では、フィルター条件下で反復的な自己校正と一致し、生測値に基づいて評価されたすべてのベースラインを超える。
これらの結果は,MEMSベースの慣性プラットフォーム,特に低コストIMUとオンラインキャリブレーションシナリオに対して,堅牢で実用的なキャリブレーション方式を示すものである。
関連論文リスト
- Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - RoSLAC: Robust Simultaneous Localization and Calibration of Multiple Magnetometers [17.614426175742633]
本稿では,交互最適化に基づくロSLAC手法を提案する。
最先端の磁力計校正技術と比較して計算コストを低く保ちながら、高精度なローカライゼーションを実現する。
論文 参考訳（メタデータ） (2026-04-15T19:11:32Z) - DST-Calib: A Dual-Path, Self-Supervised, Target-Free LiDAR-Camera Extrinsic Calibration Network [57.22935789233992]
本稿では,オンライン方式で動作するLiDARカメラ外装キャリブレーションネットワークについて紹介する。
提案手法は,一般化可能性の観点から既存手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-01-03T13:57:01Z) - DLBAcalib: Robust Extrinsic Calibration for Non-Overlapping LiDARs Based on Dual LBA [11.721420447780032]
本稿では,マルチLiDARシステムのための新しいターゲットレス外部キャリブレーションフレームワークを提案する。
提案手法は,目標LiDARからの連続走査により,正確な基準点クラウドマップを構築する。
本フレームワークでは,平均翻訳誤差が5mm,回転誤差が0.2deg,初期誤差が0.4m/30degである。
論文 参考訳（メタデータ） (2025-07-12T07:48:02Z) - Adaptive Set-Mass Calibration with Conformal Prediction [60.47079469141295]
提案手法は,まず共形予測から始まり,所望のカバレッジを与えるラベルの集合を得る。
次に、共形制約に合わせて、質量正規化と温度スケーリングに基づくルールの2つの簡単なポストホックキャリブレータをインスタンス化する。
論文 参考訳（メタデータ） (2025-05-21T12:18:15Z) - Cal or No Cal? -- Real-Time Miscalibration Detection of LiDAR and Camera Sensors [0.8437187555622164]
安全の観点からは、センサーのキャリブレーションは自動運転の鍵となる。
オンラインキャリブレーションは厳格なリアルタイムとリソースの制約を受ける。
校正パラメータの直接回帰から校正状態のバイナリ分類に焦点を移す誤校正検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-31T08:13:23Z) - CRLF: Automatic Calibration and Refinement based on Line Feature for
LiDAR and Camera in Road Scenes [16.201111055979453]
道路シーンにおけるライダーとカメラの遠距離パラメータを校正する新しい手法を提案する。
道路の車線やポールなどの静的な直線形状の物体を画像と点群の両方で線状化します。
KITTIと社内データセットに関する広範な実験を行い、定量的および定性的な結果は、当社の方法の堅牢性と正確性を示しています。
論文 参考訳（メタデータ） (2021-03-08T06:02:44Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Uncertainty Quantification and Deep Ensembles [79.4957965474334]
ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。
そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。
このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
論文 参考訳（メタデータ） (2020-07-17T07:32:24Z)
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。