AI-IMU对死区进行重击

AI-IMU死守电话[ ， ] 仅使用惯性测量单位的序列的平移误差为1.10％ 。 总览 在智能车辆的背景下，基于惯性测量单元（IMU）的稳健而精确的航位推算可能有助于关联成像传感器的进给，安全地导航障碍物，或在其他传感器出现故障的极端情况下安全紧急停车。 此回购包含仅基于IMU的轮式车辆航位推算的新颖精确方法的代码。 该方法的关键组成部分是卡尔曼滤波器，以及使用深度神经网络动态调整滤波器的噪声参数。 我们仅基于IMU的推算惯性方法可以准确估算车辆的3D位置，速度，方向并自我校准IMU偏差。 我们在KITTI里程表数据集上平均实现了1.10％的平移误差，并且该算法与使用LiDAR或立体视觉的*方法竞争。 上图说明了该方法，该方法包括两个主要模块，概述如下： 滤波器将惯性测量与利用零横向和垂直速度进行积分相结合，以协方差矩阵进行测量以完善其估计值，请参见下图； 噪声参数适配器实时确定最合适的协方差噪声矩阵。 这种基于深度学习的适配器将原始IMU信号直接转换为协方差矩阵，而无需了解任何状态估计或任何其他数量。 码 我们的实现是在Python中完成的。 我们将用于系统的适配器块。