이 논문은 시각-관성 항법(VIO)에 대한 새로운 접근법을 제안한다. VIO는 시각 및 관성 측정치를 융합하여 정확한 위치와 자세를 추정하는 기술이다. 기존 VIO 방법은 관성 센서 노이즈 공분산을 고정값으로 가정하지만, 실제로는 운용 환경 및 센서 상태에 따라 변화한다.
이 논문에서는 DualProNet이라는 딥러닝 기반 네트워크를 제안하여 관성 센서 노이즈 공분산을 실시간으로 추정한다. DualProNet은 가속도계와 자이로스코프 측정치를 입력으로 받아 각 축의 노이즈 공분산을 예측한다. 이 추정값은 VINS-Mono VIO 알고리즘에 통합되어 적응형 노이즈 모델을 구현한다.
실험 결과, VIO-DualProNet은 기존 고정 노이즈 공분산 모델 대비 평균 25% 향상된 성능을 보였다. 특히 동적 환경이나 센서 성능 저하 상황에서 강건한 항법 성능을 보였다. 이를 통해 VIO 알고리즘의 정확성과 신뢰성을 크게 향상시킬 수 있다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Dan Solodar,... kl. arxiv.org 04-30-2024
https://arxiv.org/pdf/2308.11228.pdfDybere Forespørgsler