基于Transformer的轮式里程计误差预测模型

摘要：

针对利用轮式里程计定位时会产生难以预测和多变误差的问题,提出 了使用Transformer神经网络建立轮式里程计误差预测模型,以准确预测变化的里程误差,提高了轮式里程计的定位精度.首先,建立不考虑工况特征和考虑工况特征两种模型.然后,在多种工况下与LSTM模型进行对比实验,结果表明:在常规和挑战性工况下,本文模型相比LSTM模型具有更高的精度、稳定性和可靠性.同时,相比于不考虑工况特征,考虑工况特征能有效提高模型的整体性能.

关键词：车辆工程、自动驾驶、定位、轮式里程计、深度学习、Transformer模型

所属期刊栏目：53

分类号：U469.79(汽车工程)

资助基金：国家自然科学基金U1864206

在线出版日期：2023-05-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：653-662