文献

J-GLOBAL ID：201802262451420124   整理番号：18A0165572

動的共分散推定 ロバストなセンサ融合に対するパラメータフリーアプローチ【Powered by NICT】

Dynamic Covariance Estimation - A parameter free approach to robust Sensor Fusion

著者 (3件)： Pfeifer Tim (Dept. of Electrical Engineering and Information Technology, TU Chemnitz, Germany) ,  Lange Sven (Dept. of Electrical Engineering and Information Technology, TU Chemnitz, Germany) ,  Protzel Peter (Dept. of Electrical Engineering and Information Technology, TU Chemnitz, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MFI  ページ： 359-365  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロボットでは,非線形最小二乗推定は同時位置決めおよびマッピングのための一般的な方法である。残された課題の一つは,測定異常値不一致をもたらすまたは最適化プロセスにおける発散である。最近,最適化バックエンド内の異常値を扱うロバスト状態推定のためのいくつかの方法が存在するが,それらの全ては,各々の新しい実用化を手動でセットされなければならない少なくとも一つの任意の調整パラメータを含んでいる。環境条件の変化の下で,これは貧弱な収束特性と誤った推定につながる可能性がある。この不十分さを克服するために,動的共分散推定と呼ばれるパラメータ自由確率論的基礎に基づく新しいロバストなアルゴリズムを提案した。Gauss最尤推定量の確率的定式化から直接このアルゴリズムを導いた。最適化問題におけるその共分散を含むを通して,最適化は,センサの実際の特性を近似するために強化。最後に,二つの類似した最新のアルゴリズムは,広範なパラメータ調整なしに失敗するような実世界無線位置決め応用上で提案アプローチのロバスト性を証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最適化問題 ,  状態推定 ,  *センサフュージョン ,  最適化 ,  確率論 ,  異常値 ,  最尤法 ,  *共分散 ,  アルゴリズム ,  ロボット ,  *ロバスト性 ,  位置決め ,  最小二乗推定 ,  定式化
準シソーラス用語： *共分散推定 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 共分散推定 ,  ロバスト ,  センサ融合