Key points are not available for this paper at this time.
거리 측정을 수행하는 방법은 여러 가지가 있으며, 그 중 반사형 광학 센서는 저비용이지만 비선형 응답, 제한된 작동 범위 및 측정이 적외선 또는 가시광선에 민감한 등의 문제가 있습니다. 이러한 이유로 본 연구는 서로 다른 범위의 세 가지 반사형 광학 거리 센서, 색상 센서(VIS), 자외선 방사 센서(UV) 및 근적외선 센서(NIR)를 결합하여 다층 퍼셉트론(MLP)을 이용해 거리를 추정하는 감각 융합 모델을 제시합니다. 서로 다른 거리 센서를 결합하는 목적은 전반적인 범위를 높이고 일부 지역에서 중복성을 달성하는 것이며, UV-VIS-NIR 센서의 목표는 거리 센서가 노출되는 방사선에 대한 보상을 통해 측정을 조정하는 것입니다. 획득된 정보를 통해 각 유형의 방사선이 거리 측정에 미치는 영향을 평가했습니다. 로봇공학 및 자동화 산업에서는 다양한 관련 응용 프로그램을 처리하기 때문에 이러한 범위에서 거리를 추정하는 것이 중요합니다. MLP는 레이어당 4개에서 16개 뉴런, 3개에서 5개의 은닉 레이어 간의 아키텍처를 전환하며 훈련되었습니다. 마지막으로 1% 미만의 오차로 감각 융합을 위한 여러 MLP 아키텍처의 훈련 및 선택을 제시했습니다.
Mesa et al. (2019)는 이 문제를 연구했습니다.