Constrained Factor Graph Optimization for Robust Networked Pedestrian Inertial Navigation

要約

このホワイトペーパーでは、歩行者のローカリゼーションにおけるネットワーク化された慣性ナビゲーションのための新しい制約因子グラフ最適化（FGO）ベースのアプローチを紹介します。
慣性ナビゲーションソリューションに固有のドリフトを効果的に緩和するために、運動学的制約を非線形最適化フレームワークに直接組み込みます。
具体的には、ゼロ速度の更新（Zupts）、および人間の解剖学的制限に基づくボディマウント慣性測定単位（IMU）間の最大許容距離を表す不平等制約などの等式制約を利用します。
平等制約はエラー因子として簡単に統合されていますが、標準のFGO定式化では不平等制約を明示的に表現することはできません。
これに対処するために、FGOコスト関数に微分可能なソフトマックスベースのペナルティ用語を導入して、不平等の制約をスムーズかつ堅牢に実施します。
提案された制約されたFGOアプローチは、複数のエポックにわたって時間的相関を活用し、最適な状態軌道推定値を一貫して制約満足度を維持します。
実験結果は、この方法が従来のカルマンフィルターアプローチよりも優れていることを確認し、歩行者ナビゲーションの有効性と堅牢性を示しています。

要約(オリジナル)

This paper presents a novel constrained Factor Graph Optimization (FGO)-based approach for networked inertial navigation in pedestrian localization. To effectively mitigate the drift inherent in inertial navigation solutions, we incorporate kinematic constraints directly into the nonlinear optimization framework. Specifically, we utilize equality constraints, such as Zero-Velocity Updates (ZUPTs), and inequality constraints representing the maximum allowable distance between body-mounted Inertial Measurement Units (IMUs) based on human anatomical limitations. While equality constraints are straightforwardly integrated as error factors, inequality constraints cannot be explicitly represented in standard FGO formulations. To address this, we introduce a differentiable softmax-based penalty term in the FGO cost function to enforce inequality constraints smoothly and robustly. The proposed constrained FGO approach leverages temporal correlations across multiple epochs, resulting in optimal state trajectory estimates while consistently maintaining constraint satisfaction. Experimental results confirm that our method outperforms conventional Kalman filter approaches, demonstrating its effectiveness and robustness for pedestrian navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google