On State Estimation in Multi-Sensor Fusion Navigation: Optimization and Filtering

要約

知能ロボットの基本的なタスクであるナビゲーション、知覚、意思決定の本質は、必要なシステム状態を推定することです。
その中でも、ナビゲーションは他の上位アプリケーションの基礎であり、複数のセンサーからの測定値を統合することで正確な位置と方向を提供します。
各センサーの観察が適切にモデル化されると、ナビゲーションのためのマルチセンサー融合タスクは、最適化とフィルターという 2 つのアプローチで解決できる状態推定問題に帰着します。
最近の研究では、精度の点で最適化ベースのフレームワークがフィルタリングベースのフレームワークよりも優れていることが示されています。
ただし、どちらの方法も最尤推定 (MLE) に基づいており、同じ線形化点、観測モデル、測定値、およびガウス ノイズの仮定で理論的には同等である必要があります。
このホワイトペーパーでは、最適化ベースとフィルタリングベースの両方のアプローチで利用される理論と既存の戦略を深く掘り下げます。
2 つの方法は理論的には等しいことが実証されていますが、リアルタイム操作では異なる戦略が適用されるため、この等価性は崩れます。
フィルタリングベースのアプローチの既存の戦略を調整することにより、視覚オドメトリ (VO) に基づくモンテカルロ シミュレーションと車両アブレーション実験は、フィルタリングを調整した戦略が厳密に最適化に等しいことを示しています。
したがって、センサーフュージョン問題に関する将来の研究は、状態推定アプローチではなく、センサーフュージョン問題自体のアルゴリズムと戦略に集中する必要があります。

要約(オリジナル)

The essential of navigation, perception, and decision-making which are basic tasks for intelligent robots, is to estimate necessary system states. Among them, navigation is fundamental for other upper applications, providing precise position and orientation, by integrating measurements from multiple sensors. With observations of each sensor appropriately modelled, multi-sensor fusion tasks for navigation are reduced to the state estimation problem which can be solved by two approaches: optimization and filtering. Recent research has shown that optimization-based frameworks outperform filtering-based ones in terms of accuracy. However, both methods are based on maximum likelihood estimation (MLE) and should be theoretically equivalent with the same linearization points, observation model, measurements, and Gaussian noise assumption. In this paper, we deeply dig into the theories and existing strategies utilized in both optimization-based and filtering-based approaches. It is demonstrated that the two methods are equal theoretically, but this equivalence corrupts due to different strategies applied in real-time operation. By adjusting existing strategies of the filtering-based approaches, the Monte-Carlo simulation and vehicular ablation experiments based on visual odometry (VO) indicate that the strategy adjusted filtering strictly equals to optimization. Therefore, future research on sensor-fusion problems should concentrate on their own algorithms and strategies rather than state estimation approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google