Rapid Gyroscope Calibration: A Deep Learning Approach

要約

ジャイロスコープ測定の精度と信頼性を確保するには、低コストのジャイロスコープ校正が不可欠です。
定常校正では、測定誤差の決定論的な部分を推定します。
この目的を達成するために、事前定義された期間中のジャイロスコープの読み取り値を平均し、ジャイロスコープのバイアスを推定することが一般的です。
キャリブレーション期間はパフォーマンスにおいて重要な役割を果たすため、より長い期間が推奨されます。
ただし、一部のアプリケーションでは素早い起動時間が必要なため、キャリブレーションは短時間しか許可されません。
この研究では、深層学習手法を使用して、低コストのジャイロスコープの校正時間を短縮することに焦点を当てています。
私たちは深層学習フレームワークを提案し、複数の実ジャイロスコープと仮想ジャイロスコープを使用して単一ジャイロスコープの校正パフォーマンスを向上させる可能性を探ります。
私たちのアプローチをトレーニングして検証するために、2 つの異なるブランドの 24 台のジャイロスコープを使用して、169 時間のジャイロスコープの読み取り値からなるデータセットを記録しました。
また、シミュレートされたジャイロスコープの読み取り値から構成される仮想データセットも作成しました。
2 つのデータセットは、提案されたアプローチを評価するために使用されました。
この取り組みにおける私たちの主な成果の 1 つは、3 つの低コスト ジャイロスコープを使用して、ジャイロスコープの校正時間を最大 89% 短縮したことです。

要約(オリジナル)

Low-cost gyroscope calibration is essential for ensuring the accuracy and reliability of gyroscope measurements. Stationary calibration estimates the deterministic parts of measurement errors. To this end, a common practice is to average the gyroscope readings during a predefined period and estimate the gyroscope bias. Calibration duration plays a crucial role in performance, therefore, longer periods are preferred. However, some applications require quick startup times and calibration is therefore allowed only for a short time. In this work, we focus on reducing low-cost gyroscope calibration time using deep learning methods. We propose a deep-learning framework and explore the possibilities of using multiple real and virtual gyroscopes to improve the calibration performance of single gyroscopes. To train and validate our approach, we recorded a dataset consisting of 169 hours of gyroscope readings, using 24 gyroscopes of two different brands. We also created a virtual dataset consisting of simulated gyroscope readings. The two datasets were used to evaluate our proposed approach. One of our key achievements in this work is reducing gyroscope calibration time by up to 89% using three low-cost gyroscopes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google