模型驱动PDR、数据驱动PDR实验效果对比
相比于模型驱动PDR，数据驱动PDR的鲁棒性更强，尤其能够较好的处理转弯，掉头等航向角迅速变化的动作。逐步增加训练epoch能提高模型在复杂运动中的适应能力增加训练数据量，在平端、摆臂等行走状态下，从指标上来看没有明显的精度提高，从视觉效果上来看更加贴近真实情况；增加训练数据量，在T形多种动作切换状态下获取的轨迹长度更加贴近真值。
·
本学期的室内导航位置服务课程结束了，最后有一个结课作业做了一些工作，在这里分享给大家，同时也是自己的一个记录。
主要内容包括以下四个方面：
模型驱动PDR
详细可参考PDR (Pedestrian Dead Reckoning)行人航位推算基本原理及实现
数据驱动PDR
这里使用的是RONIN模型：RoNIN: Robust Neural Inertial Navigation预训练模型测试
实验效果对比
使用自采的三个不同形状数据直线、方形、T形，进行测试。
模型驱动PDR测试效果
数据驱动PDR-RoNIN官方预训练模型
数据驱动PDR-自主训练
总结展望
- 相比于模型驱动PDR，数据驱动PDR的鲁棒性更强，尤其能够较好的处理转弯，掉头等航向角迅速变化的动作。
- 逐步增加训练epoch能提高模型在复杂运动中的适应能力
- 增加训练数据量，在平端、摆臂等行走状态下，从指标上来看没有明显的精度提高，从视觉效果上来看更加贴近真实情况；
- 增加训练数据量，在T形多种动作切换状态下获取的轨迹长度更加贴近真值。
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
2
0- 0
已为社区贡献2条内容
所有评论(0)