oru.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Improving Gas Tomography With Mobile Robots: An Evaluation of Sensing Geometries in Complex Environments
Örebro universitet, Institutionen för naturvetenskap och teknik. (AASS MRO Lab)ORCID-id: 0000-0002-5973-7424
Örebro universitet, Institutionen för naturvetenskap och teknik. (AASS MRO Lab)ORCID-id: 0000-0003-1662-0960
Örebro universitet, Institutionen för naturvetenskap och teknik. (AASS MRO Lab)ORCID-id: 0000-0001-5061-5474
Örebro universitet, Institutionen för naturvetenskap och teknik. (AASS MRO Lab)ORCID-id: 0000-0003-4026-7490
Visa övriga samt affilieringar
2017 (Engelska)Ingår i: 2017 ISOCS/IEEE International Symposium on Olfaction andElectronic Nose (ISOEN 2017) Proceedings, IEEE, 2017, artikel-id 7968895Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

An accurate model of gas emissions is of high importance in several real-world applications related to monitoring and surveillance. Gas tomography is a non-intrusive optical method to estimate the spatial distribution of gas concentrations using remote sensors. The choice of sensing geometry, which is the arrangement of sensing positions to perform gas tomography, directly affects the reconstruction quality of the obtained gas distribution maps. In this paper, we present an investigation of criteria that allow to determine suitable sensing geometries for gas tomography. We consider an actuated remote gas sensor installed on a mobile robot, and evaluated a large number of sensing configurations. Experiments in complex settings were conducted using a state-of-the-art CFD-based filament gas dispersal simulator. Our quantitative comparison yields preferred sensing geometries for sensor planning, which allows to better reconstruct gas distributions.

Ort, förlag, år, upplaga, sidor
IEEE, 2017. artikel-id 7968895
Nationell ämneskategori
Datavetenskap (datalogi) Robotteknik och automation
Identifikatorer
URN: urn:nbn:se:oru:diva-60646DOI: 10.1109/ISOEN.2017.7968895ISBN: 978-1-5090-2392-9 (digital)ISBN: 978-1-5090-2393-6 (tryckt)OAI: oai:DiVA.org:oru-60646DiVA, id: diva2:1139140
Konferens
2017 ISOCS/IEEE International Symposium on Olfaction and Electronic Nose (ISOEN) 28-31 May 2017 Montreal QC, Canada
Tillgänglig från: 2017-09-06 Skapad: 2017-09-06 Senast uppdaterad: 2019-03-29Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Personposter BETA

Arain, Muhammad AsifFan, HanHernandez Bennetts, VictorSchaffernicht, ErikLilienthal, Achim J.

Sök vidare i DiVA

Av författaren/redaktören
Arain, Muhammad AsifFan, HanHernandez Bennetts, VictorSchaffernicht, ErikLilienthal, Achim J.
Av organisationen
Institutionen för naturvetenskap och teknik
Datavetenskap (datalogi)Robotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 379 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf