Neural-Kalman GNSS/INS Navigation for Precision Agriculture
Neural-Kalman GNSS/INS Navigation for Precision Agriculture
复制标题
DOI：
10.1109/icra48891.2023.10161351
复制
发表时间：
2023-05
期刊：
影响因子：
--
通讯作者：
Yayun Du;Swapnil Sayan Saha;S. Sandha;Arthur Lovekin;Jason Wu;S. Siddharth;M. Chowdhary;M. Jawed;M. Srivastava
中科院分区：
文献类型：
--
作者：
Yayun Du;Swapnil Sayan Saha;S. Sandha;Arthur Lovekin;Jason Wu;S. Siddharth;M. Chowdhary;M. Jawed;M. Srivastava
精密农业机器人需要高分辨率的导航解决方案。在本文中，我们引入了一种稳健的神经惯性序列学习方法来跟踪超间歇性GNSS更新的这类机器人。首先，我们提出了一种超轻量级的神经卡尔曼滤波器，它可以跟踪1.4米以内的农业机器人(比同类技术高1.4-5.8倍)，而在2.75米内跟踪，GPS中断20分钟。其次，我们引入了一个用户友好的视频处理工具箱来生成高分辨率(±5厘米)的位置数据，以便在现场微调预先训练的神经惯性模型。第三，介绍了第一个也是最大的(6.5小时、4.5公里、3个阶段)精准农业机器人公共神经惯性导航数据集。数据集、工具箱和代码位于：https://github.com/nesl/agrobot.
Precision agricultural robots require high-resolution navigation solutions. In this paper, we introduce a robust neural-inertial sequence learning approach to track such robots with ultra-intermittent GNSS updates. First, we propose an ultra-lightweight neural-Kalman filter that can track agricultural robots within 1.4 m (1.4–5.8× better than competing techniques), while tracking within 2.75 m with 20 mins of GPS outage. Second, we introduce a user-friendly video-processing toolbox to generate high-resolution (±5 cm) position data for fine-tuning pre-trained neural-inertial models in the field. Third, we introduce the first and largest (6.5 hours, 4.5 km, 3 phases) public neural-inertial navigation dataset for precision agricultural robots. The dataset, toolbox, and code are available at: https://github.com/nesl/agrobot.