Cascade IPG Observer for Underwater Robot State Estimation

要約

このペーパーでは、慣性状態推定のための新しいカスケード非線形オブザーバーフレームワークを紹介します。
外部のローカリゼーションが利用できない場合、またはセンサーの停止が発生した場合の中間状態推定の問題に取り組みます。
提案されたオブザーバーは、最近開発された繰り返しの前処理勾配降下（IPG）アルゴリズムに基づいた2つの非線形オブザーバーで構成されています。
最初のオブザーバーがQuaternionベースのIPGであるIMU前統合モデルを介して入力を取得します。
最初のオブザーバーの出力は、2番目のオブザーバーの入力であり、速度とその結果、位置を推定します。
提案されたオブザーバーは、公共の水中データセットとロボットプラットフォームを使用した実際の実験で検証されています。
推定は、拡張カルマンフィルター（EKF）および不変拡張カルマンフィルター（INEKF）と比較されます。
結果は、私たちの方法が、位置の精度と低い分散に関するこれらの方法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 presents a novel cascade nonlinear observer framework for inertial state estimation. It tackles the problem of intermediate state estimation when external localization is unavailable or in the event of a sensor outage. The proposed observer comprises two nonlinear observers based on a recently developed iteratively preconditioned gradient descent (IPG) algorithm. It takes the inputs via an IMU preintegration model where the first observer is a quaternion-based IPG. The output for the first observer is the input for the second observer, estimating the velocity and, consequently, the position. The proposed observer is validated on a public underwater dataset and a real-world experiment using our robot platform. The estimation is compared with an extended Kalman filter (EKF) and an invariant extended Kalman filter (InEKF). Results demonstrate that our method outperforms these methods regarding better positional accuracy and lower variance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google