Discrete EKF with pairwise Time Correlated Measurement Noise for Image-Aided Inertial Integrated Navigation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. An image-aided inertial navigation implies that the errors of an inertial navigator are estimated via the Kalman filter using the aiding measurements derived from images. The standard Kalman filter runs under the assumption that the process noise vector and measurement noise vector are white, i.e. independent and normally distributed with zero means. However, this does not hold in the image-aided inertial navigation. In the image-aided inertial integrated navigation, the relative positions from optic-flow egomotion estimation or visual odometry are pairwise correlated in terms of time. It is well-known that the solution of the standard Kalman filter becomes suboptimal if the measurements are colored or time-correlated. Usually, a shaping filter is used to model timecorrelated errors. However, the commonly used shaping filter assume that the measurement noise vector at epoch k is not only correlated with the one from epoch k – 1 but also with the ones before epoch k – 1 . The shaping filter presented in this paper uses Cholesky factors under the assumption that the measurement noise vector is pairwise time-correlated i.e. the measurement noise are only correlated with the ones from previous epoch. Simulation results show that the new algorithm performs better than the existing algorithms and is optimal.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle