典型文献
基于级联深度神经网络的车辆位姿融合估计
文献摘要：
在复杂的城市环境下,全球导航卫星系统信号失效时,现有利用单目相机或惯性导航系统估计车辆位姿的方法存在严重的累积误差.针对以上问题,提出了一种基于级联深度神经网络(CDNN)的车辆位姿融合估计算法.首先,设计了一种级联深度神经网络,减小单目相机因尺度模糊和尺度漂移造成的累积误差;其次,为了减小引入的器件噪声,利用简化惯性传感器系统(RISS)获取车辆横向、纵向加速度和横摆角速度.为了减小系统中不确定噪声的影响,利用H∞滤波融合CDNN和RISS的输出,在准确估计车辆位姿的同时保证高频输出.在KITTI数据集上的实验结果表明,与基于卡尔曼滤波的方法相比,本文算法估计得到的东向位置均方根误差(RMSE)减小了 41.3％,北向位置RMSE减小了 70.6％,航向角RMSE减小了 66.6％.
文献关键词：
车辆位姿;级联深度神经网络;三维运动学参数;简化惯性传感器系统;H∞滤波
中图分类号：
作者姓名：
常彬;李旭;徐启敏;李娜;胡玮明
作者机构：
东南大学仪器科学与工程学院 南京 210046;交通运输部公路科学研究院 北京 100088
文献出处：
引用格式：
[1]常彬;李旭;徐启敏;李娜;胡玮明-.基于级联深度神经网络的车辆位姿融合估计)[J].仪器仪表学报,2022(05):57-67
A类：
级联深度神经网络,CDNN,简化惯性传感器系统,三维运动学参数
B类：
车辆位姿,位姿融合,融合估计,城市环境,全球导航卫星系统,单目相机,惯性导航系统,累积误差,估计算法,漂移,小引,RISS,纵向加速度,横摆角速度,小系,不确定噪声,滤波融合,KITTI,卡尔曼滤波,东向,RMSE,北向,航向角
AB值：
0.235953
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
