IEEE Open Journal of Vehicular Technology专题文章分享(新一代AGV定位:基于图神经网络的数据融合驱动)
IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊,发表原创高质量论文,涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文,也欢迎以行业为中心的出版物,重点关注研究成果并提出对进行类似研究的人员有用的想法。
第二篇特邀专题文章由来自加泰罗尼亚理工大学、博世集团(Robert Bosch GmbH)以及奥尔堡大学的研究人员共同撰写,提出了一种高效且创新的数据融合方法。该方法基于图神经网络(Graph Neural Network),旨在提升工业环境中目标自动导引车(AGV)的定位精度。
PosGNN: A Graph Neural Network Based Multimodal Data Fusion for Indoor Positioning in Industrial Non-Line-of-Sight Scenarios
Karthik Muthineni; Alexander Artemenko; Daniel Abode; Josep Vidal; Montse Nájar
Published in Volume 7, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11235985
在智能制造场景中,精确定位工厂内的移动设备(如自动导引车,AGV)至关重要。一项极具潜力的技术是超宽带(UWB),它能够非常精确地测量标签与基站之间的距离。然而,工业环境中通常存在诸如机械设备和金属物体等障碍物,这些因素会阻挡信号传输。因此,可与标签(AGV)通信的UWB基站数量可能随时间动态变化,从而导致定位精度出现突降或波动。
为了解决这一问题,我们提出了一种名为PosGNN的新方法。该方法采用图神经网络(Graph …