PIEKF-VIWO: Visual-Inertial-Wheel Odometry using Partial Invariant Extended Kalman Filter

要約

Invariant Extended Kalman Filter (IEKF) は、Visual-inertial Odometry (VIO) にカルマン フィルターの高度な成果として成功裏に適用されており、センサー フュージョンに大きな可能性を示しています。
この論文では、回転速度状態のみをリー群構造に組み込む部分 IEKF (PIEKF) を提案し、それを Visual-Inertial-Wheel Odometry (VIWO) に適用して、位置決めの精度と一貫性を向上させます。
具体的には、車輪の測定値と運動学的制約を組み合わせた回転速度測定モデルを導出します。
このモデルは、フィルターの一貫性に不可欠なホイール オドメーターの 3D 統合と共分散伝播を回避します。
また、位置精度を高めるために平面拘束も導入されています。
速度状態出力を利用した、動的外れ値検出方法が採用されています。
シミュレーションと実際のテストを通じて、アプローチの有効性を検証します。これは、標準の多状態制約カルマン フィルター (MSCKF) ベースの VIWO よりも一貫性と精度が優れています。

要約(オリジナル)

Invariant Extended Kalman Filter (IEKF) has been successfully applied in Visual-inertial Odometry (VIO) as an advanced achievement of Kalman filter, showing great potential in sensor fusion. In this paper, we propose partial IEKF (PIEKF), which only incorporates rotation-velocity state into the Lie group structure and apply it for Visual-Inertial-Wheel Odometry (VIWO) to improve positioning accuracy and consistency. Specifically, we derive the rotation-velocity measurement model, which combines wheel measurements with kinematic constraints. The model circumvents the wheel odometer’s 3D integration and covariance propagation, which is essential for filter consistency. And a plane constraint is also introduced to enhance the position accuracy. A dynamic outlier detection method is adopted, leveraging the velocity state output. Through the simulation and real-world test, we validate the effectiveness of our approach, which outperforms the standard Multi-State Constraint Kalman Filter (MSCKF) based VIWO in consistency and accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google