文献

J-GLOBAL ID：202002288067330936   整理番号：20A0828345

駐車のためのBayes局所化フィルタのための運転条件依存およびモンテカルロシミュレーションに基づく最適化法【JST・京大機械翻訳】

Driving-Condition Dependent and Monte Carlo Simulation-Based Optimization Method for a Bayesian Localization Filter for Parking

著者 (5件)： Brunker Alexander (Department of Parking Systems, Daimler, Sindelfingen, Germany) ,  Paul Moritz K. (Department of Parking Systems, Daimler, Sindelfingen, Germany) ,  Wohlgemuth Thomas (Department of Parking Systems, Daimler, Sindelfingen, Germany) ,  Frey Michael (Institute of Vehicle System Technology, Karlsruhe Institute of Technology, Karlsruhe, Germany) ,  Gauterin Frank (Institute of Vehicle System Technology, Karlsruhe Institute of Technology, Karlsruhe, Germany)
資料名： IEEE Transactions on Intelligent Vehicles  (IEEE Transactions on Intelligent Vehicles)
巻： 5  号： 1  ページ： 139-148  発行年： 2020年 
JST資料番号： W2446A  ISSN： 2379-8858  資料種別： 逐次刊行物 (A)
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： 本論文では,同調パラメータがしばしば経験的に決定され,常に設定されているので,Bayes位置決めフィルタの自動化適応同調のための方法を検討した。この方法を,Odometry2.0推定器と呼ばれる以前に開発されたBayes位置決めフィルタに適用した。そのアーキテクチャは,入力が冗長であるため,異なるデッドレコニングモデルを個別に結合することを可能にする。しかしながら,異なる運転条件(DC)下で,特に駐車時に,モデルは個々の利点と欠点を持つ。そこで,異なるクラスタ分析法を検討し,駐車操作を異なる有用なセグメントに自動的に分割し,DC依存最適化を可能にした。次のステップにおいて,これらのセグメントと統計誤差と係数モデルは,モンテカルロシミュレーション(MCS)のための入力として役立った。誤差モデルはロバストなフィルタ調整を保証するための潜在的なセンサ誤差を提供し,係数モデルは大きなパラメータ空間においてランダムに発見されたフィルタ設定を提供する。最終的に,MCS結果とグランドトルースデータを,最小のモデル誤差でフィルタ調整を見つけるために最適化のために使用する。このようにして見出された適応同調設定の適用は,位置決めフィルタのロバスト性の著しい増加を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  *最適化 ,  位置決め ,  同調 ,  *駐車 ,  計算機アーキテクチャ ,  センサ ,  冗長性 ,  クラスタ分析 ,  ロバスト性 ,  自動化
準シソーラス用語： グランドトゥルース ,  パラメータ空間 ,  デッドレコニング ,  *モンテカルロシミュレーション , 【Automatic Indexing@JST】

分類 (5件)： 電子航法一般  (ND14010O) ,  音声処理  (JE05000E) ,  音響信号処理  (BB03050C) ,  パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 駐車 ,  局所化 ,  モンテカルロシミュレーション ,  最適化