Intelligent Sensor Modeling and Data Fusion via Neural Network and Maximum Likelihood Estimation

传感器融合 计算机科学 人工智能 估计员 概率逻辑 人工神经网络 似然函数 软传感器 统计模型 特征(语言学) 特征提取 机器人学 自动化 数据建模 模式识别(心理学) 机器学习 数据挖掘 机器人 估计理论 工程类 算法 数学 机械工程 语言学 统计 哲学 过程(计算) 操作系统 数据库
作者
Manish Kumar,Devendra P. Garg,R. Zachery
标识
DOI:10.1115/imece2005-80972
摘要

The major thrust of this paper is to develop a sensor model based on a probabilistic approach that could accurately provide information about individual sensor’s uncertainties and limitations. The sensor model aims to provide a most informative likelihood function that can be used to obtain a statistical and probabilistic estimate of uncertainties and errors due to some environmental parameters or parameters of any feature extraction algorithm used in estimation based on sensor’s outputs. This paper makes use of a neural network that has been trained with the help of a novel technique that obtains training signal from a maximum likelihood estimator. The proposed technique was applied to model stereo-vision sensors and Infra-Red (IR) proximity sensor, and information from these sensors were fused in a Bayesian framework to obtain a three-dimensional occupancy profile of objects in robotic workspace. The capability of the proposed technique in accurately obtaining three-dimensional occupancy profile and efficiently removing individual sensor uncertainties was demonstrated and validated via experiments carried out in the Robotics and Manufacturing Automation (RAMA) Laboratory at Duke University.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
失眠的血茗完成签到,获得积分10
1秒前
Sean发布了新的文献求助10
1秒前
NexusExplorer应助88采纳,获得10
2秒前
2秒前
powozhi13579完成签到,获得积分10
2秒前
2秒前
木子完成签到,获得积分20
3秒前
4秒前
Felixsun发布了新的文献求助10
7秒前
HiQ发布了新的文献求助10
7秒前
666发布了新的文献求助10
8秒前
8秒前
隐形曼青应助啦啦啦啦啦采纳,获得10
10秒前
weiwei完成签到,获得积分10
11秒前
12秒前
等待雪瑶关注了科研通微信公众号
12秒前
13秒前
丰富的听云完成签到,获得积分10
15秒前
jzhou88完成签到,获得积分10
16秒前
HiQ完成签到,获得积分0
16秒前
淡淡紫山完成签到,获得积分10
19秒前
19秒前
xiaowu发布了新的文献求助10
19秒前
水水完成签到,获得积分10
19秒前
Good39发布了新的文献求助10
19秒前
FashionBoy应助Felixsun采纳,获得10
20秒前
21秒前
科研小民工应助不懈奋进采纳,获得30
21秒前
23秒前
浅斟低唱发布了新的文献求助10
24秒前
浅笑完成签到,获得积分10
25秒前
科研通AI5应助Good39采纳,获得10
25秒前
占那个完成签到 ,获得积分10
28秒前
28秒前
该房地产个人的完成签到,获得积分10
29秒前
hyhy发布了新的文献求助10
32秒前
充电宝应助科研通管家采纳,获得10
34秒前
领导范儿应助射天狼采纳,获得10
34秒前
1+1应助科研通管家采纳,获得10
34秒前
田様应助科研通管家采纳,获得30
34秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671635
求助须知:如何正确求助?哪些是违规求助? 3228335
关于积分的说明 9779690
捐赠科研通 2938645
什么是DOI,文献DOI怎么找? 1610206
邀请新用户注册赠送积分活动 760547
科研通“疑难数据库(出版商)”最低求助积分说明 736093