Optimal Spatial-Temporal Triangulation for Bearing-Only Cooperative Motion Estimation

要約

視覚ベースの協調運動推定は、空中目標追跡の協調など、多くのマルチロボット システムにとって重要な問題です。
この問題は、方位のみの協調動作推定として定式化できます。この場合、視覚測定は、カメラからターゲットを指す方位ベクトルとしてモデル化されます。
軸受のみの協調推定に対する従来のアプローチは、主に分散カルマン フィルタリング (DKF) フレームワークに基づいています。
この論文では、分散再帰最小二乗法に基づく、時空間三角測量と呼ばれる新しい最適な方位のみの協調推定アルゴリズムを提案します。これは、分散推定器を設計するための DKF よりも柔軟なフレームワークを提供します。
アルゴリズムの設計には、利用可能なすべての情報と特定の三角形分割の幾何学的制約が完全に組み込まれています。
その結果、このアルゴリズムは、数値シミュレーションによって検証されたように、精度と収束速度の両方の点で、最先端の DKF アルゴリズムよりも優れた推定性能を備えています。
提案されたアルゴリズムの指数関数的収束を厳密に証明します。
さらに、実際の困難な条件下で提案されたアルゴリズムの有効性を検証するために、我々はビジョンベースの協調空中目標追跡システムを開発しました。これは、我々の知る限り、そのような完全自律システムとしてはこれまでのところ初めてのものです。

要約(オリジナル)

Vision-based cooperative motion estimation is an important problem for many multi-robot systems such as cooperative aerial target pursuit. This problem can be formulated as bearing-only cooperative motion estimation, where the visual measurement is modeled as a bearing vector pointing from the camera to the target. The conventional approaches for bearing-only cooperative estimation are mainly based on the framework distributed Kalman filtering (DKF). In this paper, we propose a new optimal bearing-only cooperative estimation algorithm, named spatial-temporal triangulation, based on the method of distributed recursive least squares, which provides a more flexible framework for designing distributed estimators than DKF. The design of the algorithm fully incorporates all the available information and the specific triangulation geometric constraint. As a result, the algorithm has superior estimation performance than the state-of-the-art DKF algorithms in terms of both accuracy and convergence speed as verified by numerical simulation. We rigorously prove the exponential convergence of the proposed algorithm. Moreover, to verify the effectiveness of the proposed algorithm under practical challenging conditions, we develop a vision-based cooperative aerial target pursuit system, which is the first of such fully autonomous systems so far to the best of our knowledge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google