CT-UIO: Continuous-Time UWB-Inertial-Odometer Localization Using Non-Uniform B-spline with Fewer Anchors

要約

アンカーが少ないウルトラワイドバンド（UWB）ベースのポジショニングは、特にエネルギー制約の条件下で、近年、重要な研究関心を集めています。
ただし、ほとんどの既存の方法は、個別の時間表現と滑らかさの前提に依存して、ロボットのモーション状態を推測します。
このホワイトペーパーでは、アンカーが少ない不均一なBスプラインフレームワークを利用して、効率的なUWB-inertial-ODEMEMOMERのローカリゼーションシステムを紹介します。
従来の均一なBスプラインベースの連続時間方法とは異なり、不均一な連続時間軌道表現のための適応結節スパン調整戦略を導入します。
これは、移動速度に基づいて動的に制御ポイントを調整することによって達成されます。
IMUおよび走行距離データの効率的な融合を可能にするために、イノベーションベースの適応推定で改善された拡張カルマンフィルター（EKF）を提案して、短期の正確な動きを提供します。
さらに、少数の条件下で完全に観察可能なUWBローカリゼーションシステムを達成するという課題に対処するために、複数の仮説に基づく仮想アンカー（VA）生成法が提案されています。
バックエンドでは、グローバルな軌道推定のための適応スライドウィンドウを備えたCT-UIO因子グラフを提案します。
廊下および展示ホールのデータセットで実施された包括的な実験は、提案されたシステムの高い精度と堅牢なパフォーマンスを検証します。
この作業のコードベースとデータセットは、https://github.com/jasonsun623/ct-uioでオープンソースを施されます。

要約(オリジナル)

Ultra-wideband (UWB) based positioning with fewer anchors has attracted significant research interest in recent years, especially under energy-constrained conditions. However, most existing methods rely on discrete-time representations and smoothness priors to infer a robot’s motion states, which often struggle with ensuring multi-sensor data synchronization. In this paper, we present an efficient UWB-Inertial-odometer localization system, utilizing a non-uniform B-spline framework with fewer anchors. Unlike traditional uniform B-spline-based continuous-time methods, we introduce an adaptive knot-span adjustment strategy for non-uniform continuous-time trajectory representation. This is accomplished by adjusting control points dynamically based on movement speed. To enable efficient fusion of IMU and odometer data, we propose an improved Extended Kalman Filter (EKF) with innovation-based adaptive estimation to provide short-term accurate motion prior. Furthermore, to address the challenge of achieving a fully observable UWB localization system under few-anchor conditions, the Virtual Anchor (VA) generation method based on multiple hypotheses is proposed. At the backend, we propose a CT-UIO factor graph with an adaptive sliding window for global trajectory estimation. Comprehensive experiments conducted on corridor and exhibition hall datasets validate the proposed system’s high precision and robust performance. The codebase and datasets of this work will be open-sourced at https://github.com/JasonSun623/CT-UIO.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google