Trajectory Smoothing Using GNSS/PDR Integration Via Factor Graph Optimization in Urban Canyons

要約

都市部の峡谷における歩行者の正確で円滑なGNSS測位は、マルチパス効果や周囲の建物からの反射による非視野角（NLOS）受信のために、依然として課題となっている。最近開発されたファクターグラフ最適化（FGO）ベースのGNSS測位法は、履歴情報からの測定の冗長性を効果的に利用し、異常値測定に対抗することで、都市GNSS測位を改善する新しい窓を開きました。しかし、残念ながら、FGOに基づくGNSS単独測位は、高度に都市化された地域ではまだ課題が残されています。本論文では、これまでのFGOベースのGNSS測位法の拡張として、FGOの歩行者用推測航法（PDR）モデルの可能性を利用し、都市部の峡谷におけるGNSS単独測位の性能を向上させます。具体的には、PDRアルゴリズムにより、スマートフォンに搭載された慣性計測ユニット（IMU）からの生の加速度計測値に基づいて、歩行者の相対運動を推定する。そして、PDRから得られる生のGNSS疑似距離、ドップラー測定値、相対運動は、FGOを使用して統合されます。歩行者ナビゲーションでは、加速度が小さいことが多いため、ファクターグラフモデルに含まれる状態を滑らかにするために、新しいソフトモーションモデルが提案されている。スマートフォンレベルのGNSS受信機を用いて香港の密集した都市峡谷で収集した2つのデータセットにより、提案手法の有効性をステップバイステップで検証している。従来の拡張カルマンフィルター、いくつかの既存手法、およびFGOベースの統合との比較も示す。その結果、既存のFGOベースのGNSSスタンドアロン測位が、PDRの相対運動推定を高度に補完することが明らかになりました。提案手法により、測位精度と軌道の滑らかさの両方が改善される。

要約(オリジナル)

Accurate and smooth global navigation satellite system (GNSS) positioning for pedestrians in urban canyons is still a challenge due to the multipath effects and the non-light-of-sight (NLOS) receptions caused by the reflections from surrounding buildings. The recently developed factor graph optimization (FGO) based GNSS positioning method opened a new window for improving urban GNSS positioning by effectively exploiting the measurement redundancy from the historical information to resist the outlier measurements. Unfortunately, the FGO-based GNSS standalone positioning is still challenged in highly urbanized areas. As an extension of the previous FGO-based GNSS positioning method, this paper exploits the potential of the pedestrian dead reckoning (PDR) model in FGO to improve the GNSS standalone positioning performance in urban canyons. Specifically, the relative motion of the pedestrian is estimated based on the raw acceleration measurements from the onboard smartphone inertial measurement unit (IMU) via the PDR algorithm. Then the raw GNSS pseudorange, Doppler measurements, and relative motion from PDR are integrated using the FGO. Given the context of pedestrian navigation with a small acceleration most of the time, a novel soft motion model is proposed to smooth the states involved in the factor graph model. The effectiveness of the proposed method is verified step-by-step through two datasets collected in dense urban canyons of Hong Kong using smartphone-level GNSS receivers. The comparison between the conventional extended Kalman filter, several existing methods, and FGO-based integration is presented. The results reveal that the existing FGO-based GNSS standalone positioning is highly complementary to the PDR’s relative motion estimation. Both improved positioning accuracy and trajectory smoothness are obtained with the help of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL