姿勢情報不要のニューラルネットワークによる低コスト静止加速度センサのバイアス推定
Orientation-Free Neural Network-Based Bias Estimation for Low-Cost Stationary Accelerometers
センサの向きや回転を必要とせず、静止状態の加速度センサのバイアスをニューラルネットワークで推定するキャリブレーション手法を提案し、従来法より52%以上誤差を低減した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Michal Levin, Itzik Klein
分類: cs.RO, cs.LG
原文アブストラクト
Low-cost micro-electromechanical accelerometers are widely used in navigation, robotics, and consumer devices for motion sensing and position estimation. However, their performance is often degraded by bias errors. To eliminate deterministic bias terms a calibration procedure is applied under stationary conditions. It requires accelerom- eter leveling or complex orientation-dependent calibration procedures. To overcome those requirements, in this paper we present a model-free learning-based calibration method that estimates accelerometer bias under stationary conditions, without requiring knowledge of the sensor orientation and without the need to rotate the sensors. The proposed approach provides a fast, practical, and scalable solution suitable for rapid field deployment. Experimental validation on a 13.39-hour dataset collected from six accelerometers shows that the proposed method consistently achieves error levels more than 52% lower than traditional techniques. On a broader scale, this work contributes to the advancement of accurate calibration methods in orientation-free scenarios. As a consequence, it improves the reliability of low-cost inertial sensors in diverse scientific and industrial applications and eliminates the need for leveled calibration.
関連論文
- 拡散LiDARの空間キャリブレーションセンサキャリブレーション
- 角速度を用いた磁力計・ジャイロバイアスの完全推定：因子グラフに基づく手法の理論と実験評価センサキャリブレーション
- 慣性センサの取り付け角度を深層学習で推定センサキャリブレーション
- 未知の位置・姿勢にある複数LiDARのリアルタイム点群融合センサキャリブレーション
- 加速度とジャイロを重み付き統合した関節軸推定法センサキャリブレーション
- 異種センサシステムのキャリブレーションセンサキャリブレーション
