Improving multimodal data fusion for mobile robots by trajectory smoothing
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21730%2F16%3A00300742" target="_blank" >RIV/68407700:21730/16:00300742 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/68407700:21230/16:00300742
Výsledek na webu
<a href="http://dx.doi.org/10.1016/j.robot.2016.07.006" target="_blank" >http://dx.doi.org/10.1016/j.robot.2016.07.006</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.robot.2016.07.006" target="_blank" >10.1016/j.robot.2016.07.006</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Improving multimodal data fusion for mobile robots by trajectory smoothing
Popis výsledku v původním jazyce
Localization of mobile robots is still an important topic, especially in case of dynamically changing, complex environments such as in Urban Search & Rescue (USAR). In this paper we aim for improving the reliability and precision of localization of our multimodal data fusion algorithm. Multimodal data fusion requires resolving several issues such as significantly different sampling frequencies of the individual modalities. We compare our proposed solution with the well-proven and popular Rauch–Tung–Striebel smoother for the Extended Kalman filter. Furthermore, we improve the precision of our data fusion by incorporating scale estimation for the visual modality.
Název v anglickém jazyce
Improving multimodal data fusion for mobile robots by trajectory smoothing
Popis výsledku anglicky
Localization of mobile robots is still an important topic, especially in case of dynamically changing, complex environments such as in Urban Search & Rescue (USAR). In this paper we aim for improving the reliability and precision of localization of our multimodal data fusion algorithm. Multimodal data fusion requires resolving several issues such as significantly different sampling frequencies of the individual modalities. We compare our proposed solution with the well-proven and popular Rauch–Tung–Striebel smoother for the Extended Kalman filter. Furthermore, we improve the precision of our data fusion by incorporating scale estimation for the visual modality.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA14-13876S" target="_blank" >GA14-13876S: Strojové vnímání pro dlouhodobou autonomii mobilních robotů</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Robotics and Autonomous Systems
ISSN
0921-8890
e-ISSN
—
Svazek periodika
84
Číslo periodika v rámci svazku
October
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
9
Strana od-do
88-96
Kód UT WoS článku
000383526400007
EID výsledku v databázi Scopus
2-s2.0-84991665897