Deep learning based speed estimation for constraining strapdown inertial navigation on smartphones

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussavertaisarvioitu

Tutkijat

Organisaatiot

Kuvaus

Strapdown inertial navigation systems are sensitive to the quality of the data provided by the accelerometer and gyroscope. Low-grade IMUs in handheld smart-devices pose a problem for inertial odometry on these devices. We propose a scheme for constraining the inertial odometry problem by complementing non-linear state estimation by a CNN-based deep-learning model for inferring the momentary speed based on a window of IMU samples. We show the feasibility of the model using a wide range of data from an iPhone, and present proof-of-concept results for how the model can be combined with an inertial navigation system for three-dimensional inertial navigation.

Yksityiskohdat

AlkuperäiskieliEnglanti
Otsikko2018 IEEE 28th International Workshop on Machine Learning for Signal Processing (MLSP)
TilaJulkaistu - 2018
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Workshop on Machine Learning for Signal Processing - Aalborg, Tanska
Kesto: 17 syyskuuta 201820 syyskuuta 2018
Konferenssinumero: 28

Workshop

WorkshopIEEE International Workshop on Machine Learning for Signal Processing
LyhennettäMLSP
MaaTanska
KaupunkiAalborg
Ajanjakso17/09/201820/09/2018

Lataa tilasto

Ei tietoja saatavilla

ID: 30151683