Revisiting multi-GNSS Navigation for UAVs — An Equivariant Filtering Approach

要約

この研究では、無人航空機 (UAV) の状態推定を改善するための慣性航法システムの等変フィルタリングの最近の進歩を調査します。
乗算カルマン フィルター (MEKF) などの従来の最先端の推定方法には、その一貫性、初期状態推定の誤差、および収束性能に関していくつかの制限があります。
等変フィルター (EqF) などの対称ベースの手法は、システムの数学的特性、つまり対称性を利用することで、これらの点に対して大きな利点をもたらします。
これらのフィルターは、エラー定義を通じて、より速い収束率と誤った初期状態推定に対する堅牢性をもたらします。
EqF の有用性を実証するために、屋外ロボット工学における最も一般的なセンサーである全地球測位衛星システム (GNSS) センサーと慣性測定装置 (IMU) とのセンサー融合問題に焦点を当てます。
対称群の半直積を活用してフィルター方程式を導出する、このような EqF の実装を提供します。
現実世界のシナリオにおける EqF の実用的な使いやすさを検証するために、INSANE データセットのすべての屋外実行からのデータを使用してメソッドを評価します。
私たちの結果は、現実世界の環境における EqF のパフォーマンスの向上を実証し、UAV の状態推定を強化する EqF の可能性を強調しています。

要約(オリジナル)

In this work, we explore the recent advances in equivariant filtering for inertial navigation systems to improve state estimation for uncrewed aerial vehicles (UAVs). Traditional state-of-the-art estimation methods, e.g., the multiplicative Kalman filter (MEKF), have some limitations concerning their consistency, errors in the initial state estimate, and convergence performance. Symmetry-based methods, such as the equivariant filter (EqF), offer significant advantages for these points by exploiting the mathematical properties of the system – its symmetry. These filters yield faster convergence rates and robustness to wrong initial state estimates through their error definition. To demonstrate the usability of EqFs, we focus on the sensor-fusion problem with the most common sensors in outdoor robotics: global navigation satellite system (GNSS) sensors and an inertial measurement unit (IMU). We provide an implementation of such an EqF leveraging the semi-direct product of the symmetry group to derive the filter equations. To validate the practical usability of EqFs in real-world scenarios, we evaluate our method using data from all outdoor runs of the INSANE Dataset. Our results demonstrate the performance improvements of the EqF in real-world environments, highlighting its potential for enhancing state estimation for UAVs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google