Forschung zu multimodalen Sensorfusionsalgorithmen

Da Navigationssysteme in unserem sozialen Leben zunehmend verwendet werden, steigen auch die Anforderungen der Menschen an die Genauigkeit der Positionierung. Dennoch haben gängige Technologien wie GPS weiterhin einige Einschränkungen. Zum Beispiel können GPS-Signale in Innenräumen, in urbanen Schluchten und in komplexen Umgebungen Dämpfung und Behinderungen erfahren, was ihre Positionsgenauigkeit und Robustheit einschränkt. Darüber hinaus akkumulieren IMU-Sensoren über die Zeit Fehler, die zur Folge haben, dass es zu einer Positionsdrift kommt. Daher untersucht dieses Papier hauptsächlich die Fusionsalgorithmen multimodaler Sensoren, um die Nachteile der Verwendung eines einzelnen Sensors zu mindern, die Zuverlässigkeit von Positionierungssystemen zu verbessern und den Menschen bessere Dienstleistungen anzubieten. Es werden Experimente zu verschiedenen Algorithmen im Zusammenhang mit der Sensordatenfusion durchgeführt, und basierend auf den experimentellen Ergebnissen werden sie aus verschiedenen Perspektiven verglichen, um den optimalen Algorithmus zu bestimmen. Die untersuchten Algorithmen umfassen Kalman-Filterung und maschinelles Lernen. Schließlich wurde ein Vergleich der Geräuschresistenz für den Fusionsalgorithmus mit guter Leistung durchgeführt.