車載慣性データセット

科学分野:

• ロボット工学および自律システム
• センサーフュージョンおよびナビゲーション

背景:

• 慣性センサーは車両ナビゲーションに不可欠ですが、シャーシへの取り付けは大幅なドリフトにつながります。
• 車輪取り付け慣性センサーは、シャーシ取り付けセンサーと比較してドリフトの軽減が改善されています。
• 公開されているデータセットの欠如は、車輪取り付け慣性センシングの研究開発を妨げています。

研究 の 目的:

• 車輪取り付け慣性センサーの公開データセットのギャップに対処する、車輪取り付け慣性（WMI）データセットを導入すること。
• 車輪取り付け慣性センサーデータを利用するアルゴリズムの開発および検証のための包括的なリソースを提供すること。

主な方法:

• 2つの異なるプラットフォームを使用してデータを記録しました。1つは5つのIMUを備えた全方向ロボット、もう1つは9つのIMUを備えた乗用車です。
• 各プラットフォームに、すべての車輪に取り付けられた慣性測定ユニット（IMU）を装備しました。
• 各IMUあたり64.04分の記録を収集し、すべてのセンサーにわたって合計490分に達し、関連する真実の軌道データも収集しました。

主要な成果:

• WMIデータセットは、車両の車輪に取り付けられた複数のIMUからの同期データで構成されています。
• データセットには、センサーフュージョンおよびナビゲーションアルゴリズム開発に不可欠な真実の軌道が含まれています。
• このリソースは、車輪取り付け慣性センサーのモデルベースおよびデータ駆動型アプローチの両方の評価を容易にします。

結論:

• WMIデータセットは、車両ナビゲーションのための慣性センシングの分野に貴重な貢献をします。
• 研究者は、位置推定および状態推定の改善のための高度なアルゴリズムを開発およびテストできます。
• このデータセットの利用可能性は、自律システムおよびロボット工学におけるイノベーションを加速します。