인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 5%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
In this paper, we propose a dead reckoning–based radar simultaneous localization and mapping (SLAM) system utilizing constrained virtual line segments. In particular, we utilize Doppler velocity from radar for odometry while constructing a map using 3D radar point-cloud measurements. Unlike the conventional approach where accelerometers are employed, our system integrates radar velocity for pose calculation, thereby preventing double-integration and accelerometer bias and potentially improving the localization accuracy. Additionally, we analyze radar 3D point cloud characteristics and employ a recursive random sample consensus algorithm to eliminate outliers. The resulting set of inlier point clouds is then used to predict virtual line segments. Using virtual lines instead of feature points mitigates the sparse and noisy nature of radar point clouds. Moreover, considering the typical characteristics of indoor environments where walls intersect perpendicularly, we impose constraints on estimates to enhance performance further. We evaluate the performance of the proposed algorithm through experiments conducted in real indoor environments using an unmanned ground vehicle platform. Our results demonstrate significant improvements over traditional odometer-based systems, with reductions of approximately 41% in 2D trajectory error and 49.5% in heading angle error.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-090659335
