Canvis

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"author\": \"Felix Fr\u00f6hling\", \"author_email\": 
2
  "author": "[{\"author\": \"Felix Fr\u00f6hling\", \"author_email\": 
            
3
\"Felix.Froehling@carissma.eu\"}]",
3
\"Felix.Froehling@carissma.eu\"}]",
            
4
  "author_email": null,
4
  "author_email": null,
            
5
  "creator_user_id": "fd88527d-4fb2-4f5a-8ca5-de730b63d31c",
5
  "creator_user_id": "fd88527d-4fb2-4f5a-8ca5-de730b63d31c",
            
6
  "end_collection_date": "",
6
  "end_collection_date": "",
            
7
  "groups": [
7
  "groups": [
            
8
    {
8
    {
            
9
      "description": "",
9
      "description": "",
            
10
      "display_name": "Datensatz und Dokumente",
10
      "display_name": "Datensatz und Dokumente",
            
11
      "id": "a6939c14-5825-45af-b335-82712b5db05f",
11
      "id": "a6939c14-5825-45af-b335-82712b5db05f",
            
12
      "image_display_url": 
12
      "image_display_url": 
            
13
"https://catalog.savenow.de/base/images/group_icons/dataset.jpg",
13
"https://catalog.savenow.de/base/images/group_icons/dataset.jpg",
            
14
      "name": "dataset",
14
      "name": "dataset",
            
15
      "title": "Datensatz und Dokumente"
15
      "title": "Datensatz und Dokumente"
            
16
    },
16
    },
            
17
    {
17
    {
            
18
      "description": "",
18
      "description": "",
            
19
      "display_name": "Mobilit\u00e4t",
19
      "display_name": "Mobilit\u00e4t",
            
20
      "id": "fb9ec11d-93e2-4708-88a1-25019bb954b5",
20
      "id": "fb9ec11d-93e2-4708-88a1-25019bb954b5",
            
21
      "image_display_url": 
21
      "image_display_url": 
            
22
"https://catalog.savenow.de/base/images/group_icons/mobility.svg",
22
"https://catalog.savenow.de/base/images/group_icons/mobility.svg",
            
23
      "name": "mobility",
23
      "name": "mobility",
            
24
      "title": "Mobilit\u00e4t"
24
      "title": "Mobilit\u00e4t"
            
25
    }
25
    }
            
26
  ],
26
  ],
            
27
  "id": "becd784d-1096-4893-a102-a9d496ef8ae2",
27
  "id": "becd784d-1096-4893-a102-a9d496ef8ae2",
            
28
  "isopen": true,
28
  "isopen": true,
            
29
  "language": "en",
29
  "language": "en",
            
30
  "licence_agreement": [
30
  "licence_agreement": [
            
31
    "licence_agreement_check"
31
    "licence_agreement_check"
            
32
  ],
32
  ],
            
33
  "license_id": "CC0-1.0",
33
  "license_id": "CC0-1.0",
            
34
  "license_title": "Creative Commons Zero (CC0 1.0)",
34
  "license_title": "Creative Commons Zero (CC0 1.0)",
            
35
  "license_url": "https://creativecommons.org/publicdomain/zero/1.0/",
35
  "license_url": "https://creativecommons.org/publicdomain/zero/1.0/",
            
36
  "maintainer": "[{\"Maintainer Email\": 
36
  "maintainer": "[{\"Maintainer Email\": 
            
37
\"eduardo.sanchezmorales@thi.de\", \"maintainer\": \"Alberto Flores 
37
\"eduardo.sanchezmorales@thi.de\", \"maintainer\": \"Alberto Flores 
            
38
Fern\u00e1ndez\", \"phone\": \"\", \"role\": \"contact person\"}]",
38
Fern\u00e1ndez\", \"phone\": \"\", \"role\": \"contact person\"}]",
            
39
  "maintainer_email": null,
39
  "maintainer_email": null,
            
40
  "metadata_created": "2023-11-24T13:31:14.056396",
40
  "metadata_created": "2023-11-24T13:31:14.056396",
            
n
41
  "metadata_modified": "2023-11-24T13:31:14.056402",
n
41
  "metadata_modified": "2023-11-24T13:33:02.341362",
            
42
  "name": "generation-of-correction-data-for-autonomous-driving",
42
  "name": "generation-of-correction-data-for-autonomous-driving",
            
43
  "notes": "Abstract: A highly accurate reference vehicle state is a 
43
  "notes": "Abstract: A highly accurate reference vehicle state is a 
            
44
requisite for the evaluation and validation\r\nof Autonomous Driving 
44
requisite for the evaluation and validation\r\nof Autonomous Driving 
            
45
(AD) and Advanced Driver Assistance Systems (ADASs). This 
45
(AD) and Advanced Driver Assistance Systems (ADASs). This 
            
46
highly\r\naccurate vehicle state is usually obtained by means of 
46
highly\r\naccurate vehicle state is usually obtained by means of 
            
47
Inertial Navigation Systems (INSs) that obtain\r\nposition, velocity, 
47
Inertial Navigation Systems (INSs) that obtain\r\nposition, velocity, 
            
48
and Course Over Ground (COG) correction data from Satellite Navigation 
48
and Course Over Ground (COG) correction data from Satellite Navigation 
            
49
(SatNav).\r\nHowever, SatNav is not always available, as is the case 
49
(SatNav).\r\nHowever, SatNav is not always available, as is the case 
            
50
of roofed places, such as parking structures,\r\ntunnels, or urban 
50
of roofed places, such as parking structures,\r\ntunnels, or urban 
            
51
canyons. This leads to a degradation over time of the estimated 
51
canyons. This leads to a degradation over time of the estimated 
            
52
vehicle state.\r\nIn the present paper, a methodology is proposed that 
52
vehicle state.\r\nIn the present paper, a methodology is proposed that 
            
53
consists on the use of a Machine Learning\r\n(ML)-method (Transformer 
53
consists on the use of a Machine Learning\r\n(ML)-method (Transformer 
            
54
Neural Network\u2014TNN) with the objective of generating highly 
54
Neural Network\u2014TNN) with the objective of generating highly 
            
55
accurate\r\nvelocity correction data from On-Board Diagnostics (OBD) 
55
accurate\r\nvelocity correction data from On-Board Diagnostics (OBD) 
            
56
data. The TNN obtains OBD data as input\r\nand measurements from 
56
data. The TNN obtains OBD data as input\r\nand measurements from 
            
57
state-of-the-art reference sensors as a learning target. The results 
57
state-of-the-art reference sensors as a learning target. The results 
            
58
show that\r\nthe TNN is able to infer the velocity over ground with a 
58
show that\r\nthe TNN is able to infer the velocity over ground with a 
            
59
Mean Absolute Error (MAE) of 0.167 km/h (0.046 m/s) when a database of 
59
Mean Absolute Error (MAE) of 0.167 km/h (0.046 m/s) when a database of 
            
60
3,428,099 OBD measurements is considered. The accuracy decreases to 
60
3,428,099 OBD measurements is considered. The accuracy decreases to 
            
61
0.863 km/h (0.24 m/s) when only 5000 OBD measurements are used. Given 
61
0.863 km/h (0.24 m/s) when only 5000 OBD measurements are used. Given 
            
62
that the obtained accuracy\r\nclosely resembles that of 
62
that the obtained accuracy\r\nclosely resembles that of 
            
63
state-of-the-art reference sensors, it allows INSs to be provided with 
63
state-of-the-art reference sensors, it allows INSs to be provided with 
            
64
accurate\r\nvelocity correction data. An inference time of less than 
64
accurate\r\nvelocity correction data. An inference time of less than 
            
65
40 ms for the generation of new correction\r\ndata is achieved, which 
65
40 ms for the generation of new correction\r\ndata is achieved, which 
            
66
suggests the possibility of online implementation. This supports a 
66
suggests the possibility of online implementation. This supports a 
            
67
highly\r\naccurate estimation of the vehicle state for the evaluation 
67
highly\r\naccurate estimation of the vehicle state for the evaluation 
            
68
and validation of AD and ADAS, even in\r\nSatNav-deprived 
68
and validation of AD and ADAS, even in\r\nSatNav-deprived 
            
69
environments.",
69
environments.",
            
n
70
  "num_resources": 0,
n
70
  "num_resources": 1,
            
71
  "num_tags": 1,
71
  "num_tags": 1,
            
72
  "organization": {
72
  "organization": {
            
73
    "approval_status": "approved",
73
    "approval_status": "approved",
            
74
    "created": "2023-06-27T14:06:24.055358",
74
    "created": "2023-06-27T14:06:24.055358",
            
75
    "description": "",
75
    "description": "",
            
76
    "id": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
76
    "id": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
            
77
    "image_url": "2023-06-27-150145.628103THI.jpg",
77
    "image_url": "2023-06-27-150145.628103THI.jpg",
            
78
    "is_organization": true,
78
    "is_organization": true,
            
79
    "name": "technische-hochschule-ingolstadt-thi",
79
    "name": "technische-hochschule-ingolstadt-thi",
            
80
    "state": "active",
80
    "state": "active",
            
81
    "title": "Technische Hochschule Ingolstadt (THI)",
81
    "title": "Technische Hochschule Ingolstadt (THI)",
            
82
    "type": "organization"
82
    "type": "organization"
            
83
  },
83
  },
            
84
  "owner_org": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
84
  "owner_org": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
            
85
  "private": false,
85
  "private": false,
            
86
  "relationships_as_object": [],
86
  "relationships_as_object": [],
            
87
  "relationships_as_subject": [],
87
  "relationships_as_subject": [],
            
t
88
  "resources": [],
t
88
  "resources": [
            
89
    {
            
90
      "allowed_users": "",
            
91
      "cache_last_updated": null,
            
92
      "cache_url": null,
            
93
      "created": "2023-11-24T13:33:02.373196",
            
94
      "datastore_active": false,
            
95
      "description": "Generation of Correction Data for Autonomous 
            
96
Driving by Means of Machine Learning and On-Board Diagnostics",
            
97
      "format": "pdf",
            
98
      "hash": "",
            
99
      "id": "4965f572-c3b3-4f87-9e89-2ff1cd8b707b",
            
100
      "last_modified": "2023-11-24T13:33:02.314454",
            
101
      "metadata_modified": "2023-11-24T13:33:02.354311",
            
102
      "mimetype": "application/pdf",
            
103
      "mimetype_inner": null,
            
104
      "name": "Article",
            
105
      "package_id": "becd784d-1096-4893-a102-a9d496ef8ae2",
            
106
      "position": 0,
            
107
      "resource_type": null,
            
108
      "restricted": "{\"level\": \"public\"}",
            
109
      "size": 13548130,
            
110
      "state": "active",
            
111
      "url": 
            
112
707b/download/generation_of_correction_data_for_autonomous_drivi.pdf",
            
113
      "url_type": "upload"
            
114
    }
            
115
  ],
            
89
  "spatial": "",
116
  "spatial": "",
            
90
  "state": "draft",
117
  "state": "draft",
            
91
  "tags": [
118
  "tags": [
            
92
    {
119
    {
            
93
      "display_name": "Article",
120
      "display_name": "Article",
            
94
      "id": "e80a4ad9-1e6b-48d4-93f9-34e9d89bc67b",
121
      "id": "e80a4ad9-1e6b-48d4-93f9-34e9d89bc67b",
            
95
      "name": "Article",
122
      "name": "Article",
            
96
      "state": "active",
123
      "state": "active",
            
97
      "vocabulary_id": null
124
      "vocabulary_id": null
            
98
    }
125
    }
            
99
  ],
126
  ],
            
100
  "title": "Generation of Correction Data for Autonomous Driving by 
127
  "title": "Generation of Correction Data for Autonomous Driving by 
            
101
Means of Machine Learning and On-Board Diagnostics",
128
Means of Machine Learning and On-Board Diagnostics",
            
102
  "type": "dataset",
129
  "type": "dataset",
            
103
  "url": null,
130
  "url": null,
            
104
  "version": ""
131
  "version": ""
            
105
}
132
}