Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization

要約

本研究では、協調ローカライゼーションと相対姿勢推定の可観測性解析に焦点を当て、マルチロボットのローカライゼーションの問題に取り組む。協調定位では、通信ネットワークとメッセージパッシングにより各ロボットの情報を強化する。ターゲットロボットからのオドメトリデータをエゴロボットに送信することができれば、両ロボットの直線速度がゼロでない限り、レンジオンリーまたはベアリングオンリーの測定により、両ロボットの相対姿勢推定の可観測性を達成することができる。ターゲットロボットからのオドメトリデータが直接送信されず、エゴロボットによって推定される場合、相対姿勢推定の観測可能性を確保するためには、レンジとベアリングの両方の測定が必要です。ROS/Gazeboシミュレーションのために、4つのセンシングと通信の構造を検討した。異なるロバスト損失関数（スライディングウィンドウのバッチサイズを変化させたフィルタリングとスムージング）を用いた拡張カルマンフィルタリング（EKF）とポーズグラフ最適化（PGO）推定を推定精度の観点から比較する。ハードウェア実験では、UWBモジュールを搭載した2台のTurtlebot3を実際のロボット間相対姿勢推定に使用し、EKFとPGOの両方を適用してその性能を比較する。

要約(オリジナル)

In this study, we address multi-robot localization issues, with a specific focus on cooperative localization and observability analysis of relative pose estimation. Cooperative localization involves enhancing each robot’s information through a communication network and message passing. If odometry data from a target robot can be transmitted to the ego robot, observability of their relative pose estimation can be achieved through range-only or bearing-only measurements, provided both robots have non-zero linear velocities. In cases where odometry data from a target robot are not directly transmitted but estimated by the ego robot, both range and bearing measurements are necessary to ensure observability of relative pose estimation. For ROS/Gazebo simulations, we explore four sensing and communication structures. We compare extended Kalman filtering (EKF) and pose graph optimization (PGO) estimation using different robust loss functions (filtering and smoothing with varying batch sizes of sliding windows) in terms of estimation accuracy. In hardware experiments, two Turtlebot3 equipped with UWB modules are used for real-world inter-robot relative pose estimation, applying both EKF and PGO and comparing their performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL