liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Utilizing Model Structure for Efficient Simultaneous Localization and Mapping for a UAV Application
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för systemteknik, Reglerteknik. Linköpings universitet, Tekniska högskolan.
Linköpings universitet, Institutionen för datavetenskap, Artificiell intelligens och integrerad datorsystem. Linköpings universitet, Tekniska högskolan.
Visa övriga samt affilieringar
2008 (Engelska)Ingår i: Proceedings of the 2008 IEEE Aerospace Conference, 2008, s. 1-10Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

This contribution aims at unifying two recent trends in applied particle filtering (PF). The first trend is the major impact in simultaneous localization and mapping (SLAM) applications, utilizing the FastSLAM algorithm. The second one is the implications of the marginalized particle filter (MPF) or the Rao-Blackwellized particle filter (RBPF) in positioning and tracking applications. Using the standard FastSLAM algorithm, only low-dimensional vehicle models are computationally feasible. In this work, an algorithm is introduced which merges FastSLAM and MPF, and the result is an algorithm for SLAM applications, where state vectors of higher dimensions can be used. Results using experimental data from a UAV (helicopter) are presented. The algorithm fuses measurements from on-board inertial sensors (accelerometer and gyro) and vision in order to solve the SLAM problem, i.e., enable navigation over a long period of time.

Ort, förlag, år, upplaga, sidor
2008. s. 1-10
Nyckelord [en]
Rao-Blackwellized/marginalized particle filter, Sensor fusion, Simultaneous localization and mapping, Inertial sensors, UAV, Vision
Nationell ämneskategori
Teknik och teknologier Reglerteknik
Identifikatorer
URN: urn:nbn:se:liu:diva-44274DOI: 10.1109/AERO.2008.4526442Lokalt ID: 76152ISBN: 978-1-4244-1487-1 (tryckt)ISBN: 978-1-4244-1488-8 (tryckt)OAI: oai:DiVA.org:liu-44274DiVA, id: diva2:265136
Konferens
2008 IEEE Aerospace Conference, Big Sky, MT, USA, March, 2008
Tillgänglig från: 2009-10-10 Skapad: 2009-10-10 Senast uppdaterad: 2013-02-23

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextRelated report

Personposter BETA

Karlsson, RickardSchön, ThomasTörnqvist, DavidConte, GianpaoloGustafsson, Fredrik

Sök vidare i DiVA

Av författaren/redaktören
Karlsson, RickardSchön, ThomasTörnqvist, DavidConte, GianpaoloGustafsson, Fredrik
Av organisationen
ReglerteknikTekniska högskolanArtificiell intelligens och integrerad datorsystem
Teknik och teknologierReglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 299 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf