Invariant Smoothing for Localization: Including the IMU Biases

要約

この記事では、他の位置特定センサーの支援を受けた IMU を使用したロボット位置特定のためのスムージング (つまり、最適化ベース) 推定手法を調査します。
特に、ロボット工学による非自明なリー群の使用に基づくバリアントであるインバリアント スムージング (IS) に焦点を当てます。
私たちは、最近導入された Two Frames Group (TFG) を研究し、最先端のロボット工学と比較して、IMU バイアスをより適切に考慮するために、それが不変平滑化のフレームワークに適合できることを証明します。
KITTI データセットに基づく実験では、提案されたフレームワークが、いくつかの困難な状況における堅牢性の点で最先端の平滑化手法と比べて優れていることが示されています。

要約(オリジナル)

In this article we investigate smoothing (i.e., optimisation-based) estimation techniques for robot localization using an IMU aided by other localization sensors. We more particularly focus on Invariant Smoothing (IS), a variant based on the use of nontrivial Lie groups from robotics. We study the recently introduced Two Frames Group (TFG), and prove it can fit into the framework of Invariant Smoothing in order to better take into account the IMU biases, as compared to the state-of-the-art in robotics. Experiments based on the KITTI dataset show the proposed framework compares favorably to the state-of-the-art smoothing methods in terms of robustness in some challenging situations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google