Video Experimental Relacionado
Updated: Sep 10, 2025
06:37
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
4.1K
Mejorar la estimación de rumbo en tiempo real para la navegación peatonal mediante el aprendizaje profundo y los
Junhua Ye1, Ahmed Mansour2,3, Fenghua Huang4
1Zhejiang Agriculture and Forestry University, Hangzhou, 310000, China.
Scientific reports
|August 27, 2025
Resumen
La navegación precisa de los peatones se basa en una estimación precisa del rumbo. Este estudio mejora la precisión del rumbo utilizando el aprendizaje profundo para rastrear características visuales, superando las limitaciones de los sensores para mejorar la navegación de teléfonos inteligentes.
Área de la Ciencia:
- Ciencias de la computación
- La robótica
- Ingeniería geomática
Sus antecedentes:
- La precisión de la navegación peatonal basada en teléfonos inteligentes está limitada por el sesgo del sensor, la deriva térmica y el cambio de orientación del dispositivo.
- Los métodos existentes que utilizan recursos generalizados o auxiliares tienen limitaciones en la precisión o las transiciones interiores-exteriores sin costuras.
Objetivo del estudio:
- Mejorar la precisión de la estimación del rumbo para la navegación peatonal basada en teléfonos inteligentes.
- Para hacer frente a los desafíos planteados por las limitaciones de los sensores y las interferencias ambientales.
Principales métodos:
- Aprovechando las mediciones de giroscopio de baja tensión (LVGO) y las características visuales de línea recta auto-reconocidas de las imágenes de la cámara.
- Desarrollo de un enfoque de aprendizaje profundo utilizando una red neuronal convolucional U-Net para el reconocimiento de características visuales y la restricción de dirección.
- Fusión de datos de giroscopio y campo magnético con restricciones de rumbo visuales para mitigar la deriva y el sesgo.
Principales resultados:
- El método propuesto mitiga efectivamente la deriva de los giros acumulados mediante el uso de LVGO y características visuales.
- El seguimiento visual basado en aprendizaje profundo de las características de línea recta mejora la precisión de la estimación del rumbo.
- El método logra un equilibrio entre el retraso en el tiempo de reconocimiento y la precisión, lo que permite un rendimiento sin problemas en tiempo real.
Conclusiones:
- El método mejorado de estimación de rumbo mejora la precisión y la fiabilidad en la navegación peatonal.
- Este enfoque ofrece un potencial significativo para ayudar a las personas con discapacidad visual mediante el aprovechamiento de características como el pavimento táctil.
- Se recomienda realizar pruebas adicionales con usuarios con discapacidad visual para la integración de aplicaciones.
