Efficient Extrinsic Self-Calibration of Multiple IMUs using Measurement Subset Selection

要約

この文書では、迅速な校正パラメータ推定のために測定値のまばらなサブセットを選択するという問題に取り組みます。
これに対する標準的な解決策は、その有用性、つまり事後情報 (測定値あり) と事前情報 (測定値なし) の差があるしきい値を超える場合にのみ測定値を選択することです。
理論的には、パラメーター推定値の関数であるユーティリティは、これまでに選択されたすべての測定値で得られた推定値で評価される必要があるため、新しい測定値ごとに再校正が必要になります。
しかし、我々は、有用性が対象となる多くのシステムのパラメータ推定値の変化に鈍感であると仮説を立て、初期パラメータ推定値で有用性を評価すると、実際には同等の結果が得られることを示唆しています。
我々は、複数の慣性計測ユニット (IMU) の外部校正についてこの仮説を裏付ける証拠を提供し、各測定の再校正を省略することで校正時間が 2 桁短縮されることを示しています。

要約(オリジナル)

This paper addresses the problem of choosing a sparse subset of measurements for quick calibration parameter estimation. A standard solution to this is selecting a measurement only if its utility — the difference between posterior (with the measurement) and prior information (without the measurement) — exceeds some threshold. Theoretically, utility, a function of the parameter estimate, should be evaluated at the estimate obtained with all measurements selected so far, hence necessitating a recalibration with each new measurement. However, we hypothesize that utility is insensitive to changes in the parameter estimate for many systems of interest, suggesting that evaluating utility at some initial parameter guess would yield equivalent results in practice. We provide evidence supporting this hypothesis for extrinsic calibration of multiple inertial measurement units (IMUs), showing the reduction in calibration time by two orders of magnitude by forgoing recalibration for each measurement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google