去中心化雷达-激光-惯性里程计框架提出
热点事件持续更新
去中心化雷达-激光-惯性里程计框架提出
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Moumita Mukherjee等作者提出去中心化 LiDAR-雷达-惯性里程计框架 LRIO,融合激光雷达、FMCW 雷达与惯性传感,在 GPS 拒止且受烟雾影响的地下隧道中估计位姿。框架以自适应残差阈值(ART)检测传感器随时间退化并调整融合,配合容错最优信息滤波器(RETOIF)以故障感知方式融合激光-惯性与多路雷达-惯性里程计。 作者用地下隧道真实传感器数据在无烟与烟雾退化两种条件下评估。在无烟实验中,RETOIF 的定位均方根误差为 2.1733,传统集中式 LRIO 为 2.9929,作者称降低 27.4%。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
LRIO:地下环境中抗退化的去中心化雷达-激光雷达-惯性里程计报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv cs.ROLRIO:地下环境中抗退化的去中心化雷达-激光雷达-惯性里程计
作者提出去中心化 LiDAR-雷达-惯性里程计框架 LRIO,融合激光雷达、FMCW 雷达与惯性传感,在 GPS 拒止且受烟雾影响的地下隧道中做位姿估计。框架核心是自适应残差阈值(ART)机制,用于检测传感器随时间退化并调整融合过程,配合容错最优信息滤波器(RETOIF)以故障感知方式融合激光-惯性与多路雷达-惯性里程计。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。