論文の概要: Motion-Acceleration Calibration and Compensation in IMUs without External Equipment for Attitude Estimation Filters

• arxiv url: http://arxiv.org/abs/2607.25784v1
• Date: Tue, 28 Jul 2026 14:37:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.8701
• Title: Motion-Acceleration Calibration and Compensation in IMUs without External Equipment for Attitude Estimation Filters
• Title（参考訳）: 姿勢推定フィルタ用外部装置のないIMUの運動加速度校正と補償
• Abstract要約: 慣性センシングに基づく姿勢推定にはジャイロスコープと加速度計による局所角速度と局所重力の測定が必要である。 移動系の運動中、慣性測定ユニット(IMU)は局所重力の測定を歪める追加の加速度を受ける。 本研究では,ジャイロスコープ測定を用いて,系の運動によって引き起こされる加速度を補償する。
• 参考スコア（独自算出の注目度）: 2.563918483241546
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Attitude estimation based on inertial sensing requires measurements of local angular velocities and local gravity via gyroscopes and accelerometers. However, during the motion of a mobile system the inertial measurement unit (IMU) will be subject to additional accelerations which skews the measurement of local gravity. This effect gets amplified the further away the IMU is from the base of the system. Many attitude estimation filters, such as "Madgwick" or "Mahony", account for this by relying more on gyroscope integration for periods of high angular velocity. However, this approach is prone to accumulate long term error especially around the gravity vector. In this work we utilize the gyroscope measurements to compensate the additional accelerations induced by the motion of the system, i.e., centripetal- and tangential-accelerations. Additionally, we introduce a calibration method that estimates intrinsic IMU parameters such as axes misalignment, bias, scale, as well as the extrinsic base-to-IMU vector without the necessity for additional external equipment. Our evaluation in simulation as well as in the real-world shows that this method improves any attitude filter that relies on the direction of gravity. Furthermore we demonstrate the effectivenes on highly dynamic systems, and systems that are unable to put the IMU at the center of rotation, using our real-world spherical mobile mapping system.
• Abstract（参考訳）: 慣性センシングに基づく姿勢推定にはジャイロスコープと加速度計による局所角速度と局所重力の測定が必要である。 しかし、移動系の運動の間、慣性測定ユニット(IMU)は局所重力の測定を歪ませる追加の加速度を受ける。 この効果は、IMUがシステムの基盤から遠く離れるほど増幅される。 マドウィック (Madgwick) やマオニー (Mahony) のような多くの姿勢推定フィルタは、高い角速度の周期に対してジャイロスコープ積分に依存することによってこれを説明している。 しかし、このアプローチは特に重力ベクトルの周りの長期誤差を蓄積する傾向にある。 本研究はジャイロスコープ測定を用いて, 系の運動によって引き起こされる加速度, すなわち, 遠心加速度, 接角加速度を補償する。 さらに, 外部機器を必要とせずに, 軸の不整合, バイアス, スケールなどの内在的IMUパラメータを推定するキャリブレーション手法を提案する。 シミュレーションおよび実世界における評価は, 重力方向に依存するいかなる姿勢フィルタも改善できることを示唆している。 さらに、実世界の球面移動地図システムを用いて、高度に動力学的なシステムと、IMUを回転の中心に据えられないシステムについて、実世界の球面移動地図システムを用いて実演する。

関連論文リスト

• Uncertainty-Aware Velocity Correction for Proprioceptive Vehicle Localization using Evidential Mamba [17.576449361552992]
  既存のアプローチは、専用のインフラ、高価な外部センサー、複雑なマルチセンサー融合を通じてドリフト補正を提供する。 本研究では,車載センサデータをIMUドリフト補正のための仮想速度センサに変換する学習ベースアーキテクチャであるMambaを用いたEvidential Velocity Correctionを提案する。 実世界の車両データによる評価では, 提案した速度補正位置決め精度が, 故障期間の異なる専用外速度センサの10%以内であることが示されている。
  論文  参考訳（メタデータ） (2026-07-06T22:28:24Z)
• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• Control and State Estimation of Vehicle-Mounted Aerial Systems in GPS-Denied, Non-Inertial Environments [5.191474416940848]
  我々は,GNSS(Global Navigation Satellite System, グローバルナビゲーション衛星システム)を用いた非慣性環境下で稼働する四元数に対するロバストな制御と推定フレームワークを提案する。 本手法は,プラットフォーム動作を考慮した拡張カルマンフィルタと未知入力(EKF-UI)を組み合わせた外部位置計測にのみ依存する。 従来のEKFと比較して,提案手法は慣性フィードバックを必要とせず,安定性と軌道追跡を大幅に改善する。
  論文  参考訳（メタデータ） (2026-02-03T22:45:34Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
  マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。 我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
  論文  参考訳（メタデータ） (2023-08-10T02:47:36Z)
• 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)
• Towards Scale-Aware, Robust, and Generalizable Unsupervised Monocular Depth Estimation by Integrating IMU Motion Dynamics [74.1720528573331]
  教師なし単眼深度と自我運動推定は近年広く研究されている。 我々は、視覚情報とIMUモーションダイナミクスを統合した新しいスケールアウェアフレームワークDynaDepthを提案する。 我々は、KITTIおよびMake3Dデータセット上で広範囲な実験とシミュレーションを行うことにより、DynaDepthの有効性を検証する。
  論文  参考訳（メタデータ） (2022-07-11T07:50:22Z)
• 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)
• IDOL: Inertial Deep Orientation-Estimation and Localization [18.118289074111946]
  多くのスマートフォンアプリケーションは、運動を感知するために慣性測定装置(IMU)を使用しているが、歩行者の局所化にこれらのセンサーを使用することは困難である。 近年,慣性航法の可能性が高まっている。 本稿では,まず端末の向きを推定し,次にデバイスの位置を推定するコモディティスマートフォンを用いた2段階のデータ駆動パイプラインを提案する。
  論文  参考訳（メタデータ） (2021-02-08T06:41:47Z)
• 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)
• Online Initialization and Extrinsic Spatial-Temporal Calibration for Monocular Visual-Inertial Odometry [19.955414423860788]
  本稿では,最適化に基づく単眼的視覚慣性眼球運動計測(VIO)のオンラインブートストラップ法を提案する。 この方法は、カメラとIMU間の相対変換(空間)と時間オフセット(時間)をオンラインに校正し、計量スケール、速度、重力、ジャイロスコープバイアス、加速度計バイアスを推定することができる。 公開データセットにおける実験結果から,初期値とパラメータ,およびセンサのポーズが,提案手法により正確に推定できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-12T03:13:08Z)

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。