[論文レビュー] An Invariant-EKF VINS Algorithm for Improving Consistency

Teng Zhang, Kanzhi Wu+3 more|arXiv (Cornell University)|Feb 25, 2017

Robotics and Sensor-Based Localization参考文献 20被引用数 10

ひとこと要約

本稿では、視覚・慣性ナビゲーションシステム（RIEKF-VINS）に右不変誤差拡張カルマンフィルタを提案する。この手法は、重力方向の回転および平行移動という不顕在な変換に対して不変性を保つことで、一貫性を確保する。Lie群の幾何学的構造を用いて誤差状態と不確実性の表現を再定式化することで、従来のEKF-VINSに内在する不一致を解消し、シミュレーションおよび実世界の実験において推定の信頼性を顕著に向上させる。

ABSTRACT

The main contribution of this paper is an invariant extended Kalman filter (EKF) for visual inertial navigation systems (VINS). It is demonstrated that the conventional EKF based VINS is not invariant under the stochastic unobservable transformation, associated with translations and a rotation about the gravitational direction. This can lead to inconsistent state estimates as the estimator does not obey a fundamental property of the physical system. To address this issue, we use a novel uncertainty representation to derive a Right Invariant error extended Kalman filter (RIEKF-VINS) that preserves this invariance property. RIEKF-VINS is then adapted to the multistate constraint Kalman filter framework to obtain a consistent state estimator. Both Monte Carlo simulations and real-world experiments are used to validate the proposed method.

研究の動機と目的

• 不顕在な変換（特に平行移動および重力方向の回転）に対して不変性を保たないため、従来のEKFベースの視覚・慣性ナビゲーションシステム（VINS）では、状態の不確実性が過小評価されるという不一致を是正すること。
• 根本的な問題は、従来のEKFが、不顕在な確率的変換（平行移動および重力軸回転）に対して不変性を欠いていることであると特定すること。
• Lie群SE(3)およびSO(3)上での幾何学的に一貫した誤差表現を用いることで、システムの不変性を維持する右不変誤差拡張カルマンフィルタ（RIEKF-VINS）を構築すること。
• 多状態制約カルマンフィルタ（MSCKF）フレームワークにRIEKF-VINSを統合し、VINS用の整合的状態推定器を構築すること。
• 広範なモンテカルロシミュレーションおよび実世界の実験を通じて、提案手法の妥当性を検証し、ベースラインのEKF-VINSおよびMSCKFと比較して一貫性および精度が向上することを示すこと。

提案手法

• Lie群SE(3)およびSO(3)上での右不変誤差を用いて状態誤差を定式化し、姿勢および方位推定における幾何学的整合性を確保すること。
• 右不変誤差を用いて誤差状態を変換する新しい不確実性表現を導出することで、不顕在変換下での不変性を保証すること。
• 右不変誤差表現を用いてEKFの更新式を修正し、平行移動および重力軸回転に対してフィルタ出力が不変となるようにすること。
• 複数の状態にわたる不変性を維持するために、状態および誤差伝搬を再定義することでRIEKF-VINSフレームワークをMSCKFアーキテクチャに統合すること。
• 連続離散型EKF定式化を維持するため、IMU測定値の事前統合フレームワークを用いること。
• 状態遷移および測定モデルに不変誤差表現を適用し、ヤコビ行列およびゲイン行列が幾何学的に一貫した方法で計算されることを保証すること。

実験結果

リサーチクエスチョン

• RQ1 なぜ広く用いられているにもかかわらず、従来のEKF-VINSは一貫性のない状態推定を生じるのか？
• RQ2 物理系の不変性（特に平行移動および重力軸回転）をEKFベースのVINS推定器でどのように維持できるか？
• RQ3 右不変誤差拡張カルマンフィルタ（RIEKF-VINS）を構築することで、確率的不顕在変換に対してフィルタ出力が不変となるか？
• RQ4 RIEKF-VINSをMSCKFフレームワークに統合することで、標準MSCKFと比較して一貫性および推定精度がどのように向上するか？
• RQ5 実世界およびシミュレーション環境下で、RIEKF-VINSは従来のEKF-VINSに比べて一貫性および精度の面でどの程度優れているか？

主な発見

• 従来のEKF-VINSアルゴリズムは、確率的不顕在変換（平行移動および重力軸回転など）に対して不変性を保てないため、不一致が生じる。
• 提案されたRIEKF-VINSアルゴリズムは、Lie群SE(3)上での右不変誤差表現を用いることで不変性を達成し、これらの変換に対してフィルタ出力が変化しないことを保証する。
• モンテカルロシミュレーションの結果、RIEKF-VINSは一貫性が著しく向上し、実際の推定誤差をより信頼性高く反映する不確実性推定が得られる。
• RIEKF-VINSをMSCKFフレームワークに統合することで、特に長期ナビゲーションシナリオにおいて、より一貫性があり精度の高い推定器が得られる。
• 実世界の実験では、RIEKF-VINSが元のMSCKFおよびConEKF-VINSよりも高い精度を達成し、ドリフトが低減され、不確実性のキャリブレーションが改善されていることが示された。
• 理論的解析により、RIEKF-VINSが決定論的および確率的不顕在変換の両条件下で不変性条件を満たすことが証明され、その一貫性が裏付けられた。