Graph-Based vs. Error State Kalman Filter-Based Fusion Of 5G And Inertial Data For MAV Indoor Pose Estimation

要約

5G の新しい無線到達時間 (ToA) データは、超小型航空機 (MAV) の屋内位置特定に革命を起こす可能性があります。
ただし、さまざまなネットワーク設定下でのパフォーマンス、特にリアルタイム位置特定のために IMU データと組み合わせた場合のパフォーマンスについては、これまで十分に調査されていません。
この研究では、このギャップに対処するために、エラー状態カルマン フィルター (ESKF) とポーズ グラフ最適化 (PGO) アプローチを開発します。
私たちは、見通し線 (LOS) 内の 5G 基地局を使用した現実的なシナリオで、リアルタイム MAV 位置特定のための派生アプローチのパフォーマンスを体系的に評価し、この領域における 5G テクノロジーの可能性を実証します。
位置特定アプローチを実験的にテストして比較するために、シミュレートされた非常に現実的な 5G ToA 測定を使用して、視覚慣性オドメトリ用の EuRoC MAV ベンチマーク データセットを強化します。
私たちの実験結果は、さまざまな基地局数やネットワーク構成を含むさまざまなネットワーク設定が ToA ベースの MAV 位置特定パフォーマンスに及ぼす影響を包括的に評価します。
この調査結果は、5G ToA 測定を使用したシームレスで堅牢な位置特定の有望な結果を示しており、5 つの 5G 基地局を備えたグラフベースのフレームワーク内で軌道全体にわたって 15 cm の精度を達成し、ESKF の場合は最大 34 cm の精度を達成しました。
ベースのローカリゼーション。
さらに、両方のアルゴリズムの実行時間を測定し、どちらもリアルタイム実装に十分な速度であることを示します。

要約(オリジナル)

5G New Radio Time of Arrival (ToA) data has the potential to revolutionize indoor localization for micro aerial vehicles (MAVs). However, its performance under varying network setups, especially when combined with IMU data for real-time localization, has not been fully explored so far. In this study, we develop an error state Kalman filter (ESKF) and a pose graph optimization (PGO) approach to address this gap. We systematically evaluate the performance of the derived approaches for real-time MAV localization in realistic scenarios with 5G base stations in Line-Of-Sight (LOS), demonstrating the potential of 5G technologies in this domain. In order to experimentally test and compare our localization approaches, we augment the EuRoC MAV benchmark dataset for visual-inertial odometry with simulated yet highly realistic 5G ToA measurements. Our experimental results comprehensively assess the impact of varying network setups, including varying base station numbers and network configurations, on ToA-based MAV localization performance. The findings show promising results for seamless and robust localization using 5G ToA measurements, achieving an accuracy of 15 cm throughout the entire trajectory within a graph-based framework with five 5G base stations, and an accuracy of up to 34 cm in the case of ESKF-based localization. Additionally, we measure the run time of both algorithms and show that they are both fast enough for real-time implementation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google