Distributed Invariant Kalman Filter for Cooperative Localization using Matrix Lie Groups

要約

この論文では、複数の移動ロボットのグループが、搭載センサーからの測定値と他のロボットからの共有情報を使用して共同で自身の位置を特定する、マルチロボット システムの協調位置特定 (CL) の問題を研究します。
3 次元環境における CL 問題を解決するために、リー群理論に基づいた新しい分散不変カルマン フィルター (DInEKF) を提案します。
状態推定時の線形化に基づいてヤコビアンを計算する標準の EKF とは異なり、DInEKF は行列リー群でロボットの運動モデルを定義し、状態推定に依存しないヤコビアンの利点を提供します。
これにより、推定の一貫性が大幅に向上します。
さらに、提案されたアルゴリズムは完全に分散されており、各ロボットの自我運動の測定値と、ワンホップ通信の近隣ロボットから受信した情報のみに依存します。
提案されたアルゴリズムの有効性は、モンテカルロ シミュレーションと現実世界の実験の両方で検証されています。
結果は、提案された DInEKF が、精度と一貫性の両方の点で標準の分散 EKF よりも優れていることを示しています。

要約(オリジナル)

This paper studies the problem of Cooperative Localization (CL) for multi-robot systems, where a group of mobile robots jointly localize themselves by using measurements from onboard sensors and shared information from other robots. We propose a novel distributed invariant Kalman Filter (DInEKF) based on the Lie group theory, to solve the CL problem in a 3-D environment. Unlike the standard EKF which computes the Jacobians based on the linearization at the state estimate, DInEKF defines the robots’ motion model on matrix Lie groups and offers the advantage of state estimate-independent Jacobians. This significantly improves the consistency of the estimator. Moreover, the proposed algorithm is fully distributed, relying solely on each robot’s ego-motion measurements and information received from its one-hop communication neighbors. The effectiveness of the proposed algorithm is validated in both Monte-Carlo simulations and real-world experiments. The results show that the proposed DInEKF outperforms the standard distributed EKF in terms of both accuracy and consistency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google