[論文レビュー] Augmenting Inertial Motion Capture with SLAM Using EKF and SRUKF Data Fusion Algorithms

Mohammad Mahdi Azarbeik, Hamidreza Razavi+2 more|arXiv (Cornell University)|Feb 16, 2023

Hand Gesture Recognition Systems参考文献 20被引用数 4

ひとこと要約

本論文では、バイオメカニカル制約および垂直基準化を用いて、リンク位置を含むフルボディポーズを推定する、クaternionベースのEKFおよびSRUKF融合フレームワークを提案する。SRUKFはEKFよりも高い精度と滑らかな収束を達成し、1.1°のアイトチュード誤差と5.87 cmの位置誤差を実現するが、計算コストは2.4倍高くなる。

ABSTRACT

Inertial motion capture systems widely use low-cost IMUs to obtain the orientation of human body segments, but these sensors alone are unable to estimate link positions. Therefore, this research used a SLAM method in conjunction with inertial data fusion to estimate link positions. SLAM is a method that tracks a target in a reconstructed map of the environment using a camera. This paper proposes quaternion-based extended and square-root unscented Kalman filters (EKF & SRUKF) algorithms for pose estimation. The Kalman filters use measurements based on SLAM position data, multi-link biomechanical constraints, and vertical referencing to correct errors. In addition to the sensor biases, the fusion algorithm is capable of estimating link geometries, allowing the imposing of biomechanical constraints without a priori knowledge of sensor positions. An optical tracking system is used as a reference of ground-truth to experimentally evaluate the performance of the proposed algorithm in various scenarios of human arm movements. The proposed algorithms achieve up to 5.87 (cm) and 1.1 (deg) accuracy in position and attitude estimation. Compared to the EKF, the SRUKF algorithm presents a smoother and higher convergence rate but is 2.4 times more computationally demanding. After convergence, the SRUKF is up to 17% less and 36% more accurate than the EKF in position and attitude estimation, respectively. Using an absolute position measurement method instead of SLAM produced 80% and 40%, in the case of EKF, and 60% and 6%, in the case of SRUKF, less error in position and attitude estimation, respectively.

研究の動機と目的

• 低価格IMUに起因するドリフトのため、インertial motion capture (IMC) システムが絶対的リンク位置を推定できないという限界を解消すること。
• 外部追跡システムに依存せずに、SLAMとIMUデータを統合して絶対的位置基準を提供すること。
• バイオメカニカル制約を用いて、センサーバイアスと未知のリンク幾何形状を同時に推定するデータ統合フレームワークの開発。
• 高度なカルマンフィルタリング手法（EKFおよびSRUKF）を用いて、ポーズ推定の精度と収束速度を向上させること。
• 多様な人体上肢運動シナリオにおいて、真値光学追跡と比較して性能を評価すること。

提案手法

• 非線形状態推定にクaternionベースの拡張カルマンフィルタ（EKF）および平方根無差分カルマンフィルタ（SRUKF）を採用する。
• SLAMから得られる絶対的位置測定値とIMUデータ、およびバイオメカニカル制約（例：関節制限やセグメント長の関係）を統合する。
• 垂直基準化（例：重力ベクトル）を組み込むことで、姿勢推定の精度を向上させ、ドリフトを低減する。
• 初期位置に関する事前知識がなくても、未知のリンク幾何形状とセンサーバイアスをオンラインで推定する。
• マルチリンクバイオメカニカルモデルを用いて、状態推定中にセグメント間の物理的整合性を保証する。
• SLAM、IMU、キネマティック制約からの測定値を統合する1つのフィルタリングフレームワークとしてのデータ統合パイプラインを実装する。

実験結果

リサーチクエスチョン

• RQ1 SLAMデータは、インertial motion captureを補完して絶対的リンク位置を推定するために効果的か？
• RQ2 EKFとSRUKFは、IMU-SLAM統合において、精度、収束速度、計算コストの観点でどのように比較できるか？
• RQ3 事前知識なしに、融合アルゴリズムが未知のリンク幾何形状とセンサーバイアスをどの程度正確に推定できるか？
• RQ4 バイオメカニカル制約の導入が、ポーズ推定性能にどのように寄与するか？
• RQ5 直接的な絶対位置測定と比較して、SLAMベースの絶対位置決めは、誤差低減の観点でどの程度優れているか？

主な発見

• 提案されたEKFおよびSRUKFアルゴリズムは、それぞれ位置推定で5.87 cm、アイトチュード推定で1.1°の平均誤差を達成した。
• 収束後、SRUKFはEKFに比べて位置推定精度で17%向上、アイトチュード精度で36%向上を達成した。
• SRUKFはEKFに比べて滑らかな応答とより速い収束速度を示したが、計算コストは2.4倍高くなった。
• SLAMを直接的な絶対位置測定に置き換えると、EKFでは位置誤差が80%低減、SRUKFでは60%低減し、アイトチュード誤差もEKFでは40%、SRUKFでは6%低減した。
• 初期位置に関する事前知識がなくても、アルゴリズムは未知のリンク幾何形状とセンサーバイアスを正常に推定できた。
• バイオメカニカル制約の導入により、セグメント間の物理的妥当性が保たれ、推定の安定性と精度が著しく向上した。