Quadrotor Dead Recooking with Multiple Inertial Sensors

要約

クアッドローターは、監視、地図作成、配送に広く使用されています。
いくつかのシナリオでは、クワッドローターは純粋な慣性ナビゲーション モードで動作し、ナビゲーション ソリューションのドリフトが発生します。
このような状況に対処し、ナビゲーションのドリフトを抑制するために、クアッドローター推測航法 (QDR) アプローチでは、クアローターを周期的な軌道で飛行させる必要があります。
次に、モデルまたは学習ベースのアプローチを使用して、クワッドローター位置ベクトルを推定できます。
QDRアプローチの測位精度を向上させるために、複数の慣性測定ユニット（MIMU）を使用することを提案します。
深層学習フレームワークで MIMU データを利用するためのいくつかの方法が導出され、評価されています。
提案されたアプローチを検証し、その利点を示すためにフィールド実験が実施されました。

要約(オリジナル)

Quadrotors are widely used for surveillance, mapping, and deliveries. In several scenarios the quadrotor operates in pure inertial navigation mode resulting in a navigation solution drift. To handle such situations and bind the navigation drift, the quadrotor dead reckoning (QDR) approach requires flying the quadrotor in a periodic trajectory. Then, using model or learning based approaches the quadrotor position vector can be estimated. We propose to use multiple inertial measurement units (MIMU) to improve the positioning accuracy of the QDR approach. Several methods to utilize MIMU data in a deep learning framework are derived and evaluated. Field experiments were conducted to validate the proposed approach and show its benefits.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google