一种基于神经网络的自动半波形图建模方法,用于在多源室内和室外导航中构建地磁图
Chengsheng Zhan1, Ping Huang2, Bing Xue1
1College of Intelligent Systems Science and Engineering, Harbin Engineering University, Harbin, 150001, China.
这项研究引入了一种新方法,用于使用深度学习来创建精确的地磁图,以自动确定半波色图参数. 这种方法通过克服传统方法的局限性,提高了地磁绘图和导航准确度.
科学领域:
- 地质物理学 地质物理学
- 地磁主义 地磁主义
- 地质统计学 在地质统计学
背景情况:
- 高精度的地磁地图对于导航至关重要.
- 创建这些地图的传统方法依赖于主观的半波色图建模,限制了准确性.
研究的目的:
- 开发一个自动化框架,用于构建地磁图.
- 提高用于导航的地磁绘图的准确性和效率.
主要方法:
- 通过自动半微图制造 (GMAS-K) 框架引入地磁图.
- 通过自动半微图卷积神经网络 (GMAS-CNN) 进行自动半微图参数推断的集成地磁图.
- 采用了一个编码器-解码器架构,具有多个卷积块注意模块 (M-CBAM),用于增强特征表示和跨尺度一致性.
主要成果:
- 与普通战争相比,GMAS-K产生了更平滑,更准确的地磁地图.
- 自动化方法简化了地磁测绘工作流程.
- 在推断半波量图参数方面表现出卓越的性能.
结论:
- 拟议的GMAS-K框架有效地自动创建地磁图.
- 将深度学习与地理统计插值相结合,可以推进地磁绘图和导航.
- 该方法显示了提高导航准确性的巨大潜力.
更多相关视频
06:17Author Spotlight: Investigating the Effects of Mind-Body-Movement Practices on Brain Function
Published on: January 26, 2024
08:57Measuring the Influence of Magnetic Vestibular Stimulation on Nystagmus, Self-Motion Perception, and Cognitive Performance in a 7T MRT
Published on: March 3, 2023
相关概念视频
Field Application of Global Positioning System
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
Errors in Global Positioning System
GIS Software, Hardware, and Sources of GIS Data
Types of Global Positioning System Surveys
Magnetostatic Boundary Conditions
