인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
초록·키워드
Methods that fuse IMU and LiDAR data using an extended Kalman filter (EKF) are commonly employed to estimate the position and orientation of indoor mobile robots. Correcting the inherent errors of the IMU and mounting misalignments, as well as tuning the EKF measurement noise covariance according to the environmental conditions that affect the LiDAR performance, are required to improve localization and orientation estimation accuracy. This study proposes a method to address these issues by using two neural networks: one based on a long short-term memory network (LSTM) to compensate for IMU errors, and another based on a convolutional neural network (CNN) to estimate the error of the position and orientation measurements obtained from the LiDAR, which is then used to tune the EKF measurement noise covariance. To effectively train these networks, the CNN is first trained and then used to assist in training the IMU error compensation network. Experiments conducted in indoor environments, such as corridors and rooms, demonstrate that the proposed method significantly improves the position and orientation estimation performance of the robot compared to using only LiDAR or a conventional EKF.
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) : I410-151-26-02-096088134
