GHNet:Learning GNSS Heading from Velocity Measurements

要約

全地球航法衛星システム (GNSS) の位置と速度の測定を利用することにより、GNSS と慣性航法システムが融合され、正確かつ堅牢な航法情報が提供されます。
自律型地上車両、オフロード車両、移動ロボットなどの陸上車両を考慮する場合、GNSS ベースの機首角測定値を取得し、位置測定と並行して使用して、機首角ドリフトを制限することができます。
しかし、車両速度が低い場合（2m/s 未満）、このようなモデルベースの機首方位測定は満足のいくパフォーマンスを提供できません。
この論文では、低速で動作する車両の進行角を正確に回帰できる深層学習フレームワークである GHNet を提案します。
私たちは、GHNet がシミュレーションおよび実験データセットに対する現在のモデルベースのアプローチよりも優れていることを実証します。

要約(オリジナル)

By utilizing global navigation satellite system (GNSS) position and velocity measurements, the fusion between the GNSS and the inertial navigation system provides accurate and robust navigation information. When considering land vehicles,like autonomous ground vehicles,off-road vehicles or mobile robots,a GNSS-based heading angle measurement can be obtained and used in parallel to the position measurement to bound the heading angle drift. Yet, at low vehicle speeds (less than 2m/s) such a model-based heading measurement fails to provide satisfactory performance. This paper proposes GHNet, a deep-learning framework capable of accurately regressing the heading angle for vehicles operating at low speeds. We demonstrate that GHNet outperforms the current model-based approach for simulation and experimental datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google