An Adaptive Sliding Window Estimator for Positioning of Unmanned Aerial Vehicle Using a Single Anchor

要約

オンボードの光学慣性オドメトリと組み合わせたシングルレンジアンカーを使用した位置特定は、無人航空機の位置測定のための多次元測定を提供する軽量ソリューションを提供します。
残念ながら、このような軽量センサーの性能は動的環境によって変化し、動的モデルの忠実度も環境の空気の流れによって大きく影響されます。
この課題に対処するために、状態、ノイズ共分散行列、空気抵抗を同時に推定する推定信頼性評価器を備えた適応スライディング ウィンドウ推定器を提案します。
空気抵抗効果は、まず事後状態と共分散に基づいて評価されます。
次に、拡張カルマン フィルターが多次元測定を前処理し、履歴情報を継承するように設計されています。
続いて、逆ウィシャート平滑器を使用して事後状態と共分散行列を推定します。
潜在的な乖離をさらに抑制するために、推定誤差を推測する信頼性評価器が考案されています。
さらに、誤差の伝播に基づいて各センサーの忠実度を判断します。
標準環境と過酷な環境の両方で広範な実験が実施され、提案された方法の適応性と堅牢性が実証されています。
二乗平均平方根誤差は 0.15 m に達し、最先端のアプローチを上回ります。

要約(オリジナル)

Localization using a single range anchor combined with onboard optical-inertial odometry offers a lightweight solution that provides multidimensional measurements for the positioning of unmanned aerial vehicles. Unfortunately, the performance of such lightweight sensors varies with the dynamic environment, and the fidelity of the dynamic model is also severely affected by environmental aerial flow. To address this challenge, we propose an adaptive sliding window estimator equipped with an estimation reliability evaluator, where the states, noise covariance matrices and aerial drag are estimated simultaneously. The aerial drag effects are first evaluated based on posterior states and covariance. Then, an augmented Kalman filter is designed to pre-process multidimensional measurements and inherit historical information. Subsequently, an inverse-Wishart smoother is employed to estimate posterior states and covariance matrices. To further suppress potential divergence, a reliability evaluator is devised to infer estimation errors. We further determine the fidelity of each sensor based on the error propagation. Extensive experiments are conducted in both standard and harsh environments, demonstrating the adaptability and robustness of the proposed method. The root mean square error reaches 0.15 m, outperforming the state-of-the-art approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google