Deep Learning for Inertial Sensor Alignment

要約

移動中の車両内で慣性センサーを備えた固定モバイル デバイスを正確に位置合わせすることは、ナビゲーション、アクティビティ認識、およびその他のアプリケーションにとって重要です。
慣性測定をセンサー フレームから移動プラットフォーム フレームに回転させて測定を標準化し、対象タスクのパフォーマンスを向上させるには、デバイスの取り付け角度を正確に推定する必要があります。
この研究では、慣性測定ユニット (IMU) を備え、車に固定されたスマートフォンのヨー取り付け角度を学習するために、ディープ ニューラル ネットワーク (DNN) を使用したデータ駆動型アプローチが提案されています。
提案されたモデルは、IMU からの加速度計とジャイロスコープの読み取り値のみを入力として使用し、既存のソリューションとは対照的に、全地球測位衛星システム (GNSS) からの全地球位置入力を必要としません。
教師ありの方法でモデルをトレーニングするために、既知のヨー取り付け角度で取り付けられたセンサーを使用してトレーニングと検証のために IMU データが収集され、境界範囲内のランダムな回転を測定値に適用することによって、グラウンド トゥルース ラベルの範囲が生成されます。
トレーニングされたモデルは、実際の回転を使用してデータ上でテストされ、合成回転と同様のパフォーマンスを示します。
トレーニングされたモデルは Android デバイスにデプロイされ、推定されたヨー取り付け角度の精度をテストするためにリアルタイムで評価されます。
このモデルは、5 秒以内に 8 度、27 秒以内に 4 度の精度で取り付け角度を検出することが示されています。
提案されたモデルと既存の既製ソリューションを比較するために実験が行われます。

要約(オリジナル)

Accurate alignment of a fixed mobile device equipped with inertial sensors inside a moving vehicle is important for navigation, activity recognition, and other applications. Accurate estimation of the device mounting angle is required to rotate the inertial measurement from the sensor frame to the moving platform frame to standardize measurements and improve the performance of the target task. In this work, a data-driven approach using deep neural networks (DNNs) is proposed to learn the yaw mounting angle of a smartphone equipped with an inertial measurement unit (IMU) and strapped to a car. The proposed model uses only the accelerometer and gyroscope readings from an IMU as input and, in contrast to existing solutions, does not require global position inputs from global navigation satellite systems (GNSS). To train the model in a supervised manner, IMU data is collected for training and validation with the sensor mounted at a known yaw mounting angle, and a range of ground truth labels is generated by applying a random rotation in a bounded range to the measurements. The trained model is tested on data with real rotations showing similar performance as with synthetic rotations. The trained model is deployed on an Android device and evaluated in real-time to test the accuracy of the estimated yaw mounting angle. The model is shown to find the mounting angle at an accuracy of 8 degrees within 5 seconds, and 4 degrees within 27 seconds. An experiment is conducted to compare the proposed model with an existing off-the-shelf solution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google