[論文レビュー] FootSLAM meets Adaptive Thresholding

Johan Wahlström, Andrew Markham+1 more|arXiv (Cornell University)|Nov 1, 2019

Indoor and Outdoor Localization Technologies参考文献 33被引用数 4

ひとこと要約

本論文では、FootSLAMのポーズ推定を疑似真値として用いることで、自己完結的で最尤推定に基づく適応型しきい値設定手法を、インertial navigationにおけるゼロ速度検出に提案する。FootSLAMが生成するパーティクル重みを用いて尤度関数を近似することで、真値データ、補助センサ、ユーザ入力なしにZUPTのしきい値をキャリブレーション可能であり、歩行速度の変動下でも固定しきい値手法と比較して水平方向誤差の中央値を50%以上低減した。

ABSTRACT

Calibration of the zero-velocity detection threshold is an essential prerequisite for zero-velocity-aided inertial navigation. However, the literature is lacking a self-contained calibration method, suitable for large-scale use in unprepared environments without map information or pre-deployed infrastructure. In this paper, the calibration of the zero-velocity detection threshold is formulated as a maximum likelihood problem. The likelihood function is approximated using estimation quantities readily available from the FootSLAM algorithm. Thus, we obtain a method for adaptive thresholding that does not require map information, measurements from supplementary sensors, or user input. Experimental evaluations are conducted using data with different gait speeds, sensor placements, and walking trajectories. The proposed calibration method is shown to outperform fixed-threshold zero-velocity detectors and a benchmark using a speed-based threshold classifier.

研究の動機と目的

• 地図やインfrastrctureなしに、準備のない屋内環境でゼロ速度検出のしきい値を自己完結的かつ大規模にキャリブレーションする手法の欠如に対処すること。
• ZUPT支援型インertial navigationにおけるしきい値キャリブレーションに、真値データ、補助センサ、ユーザ入力への依存を排除すること。
• 歩行速度、センサ配置、歩行面などの動的要因に事前にキャリブレーションを行わずとも適応可能な手法を開発すること。
• しきい値最適化の過程でFootSLAMの出力を信頼できる代替真値とみなすことにより、リアルタイムかつ自律的なキャリブレーションを可能にすること。

提案手法

• スレッド推定の尤度を用いて、しきい値キャリブレーションを最尤推定問題として定式化する。
• Pose推定の過程で生成されるFootSLAMのパーティクル重みを用いて、尤度関数を近似する。
• 外部の真値を必要とせず、FootSLAMの出力を用いて、異なるしきい値の尤度を評価する。
• 軌跡における一貫性のあるヘキサゴン遷移の尤度を最大化するように、しきい値最適化を実行する。
• キャリブレーション中にFootSLAMの収束を保証し、安定かつ一貫性のある歩行パターンを維持することで、信頼性の高い推定を実現する。
• ナビゲーションパイプラインにキャリブレーションプロセスを統合し、オンラインで適応型のしきい値設定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 真値データ、補助センサ、ユーザ入力なしに、ゼロ速度検出のしきい値をキャリブレーション可能か？
• RQ2 FootSLAMのポーズ推定は、しきい値キャリブレーションにおける信頼できる真値の代替として機能するか？
• RQ3 本手法は、歩行速度やセンサ配置の変動下でも、固定しきい値手法や速度ベースのしきい値分類器を上回る性能を示すか？
• RQ4 再キャリブレーションなしに、歩行モード、歩行面、センサ配置の変化に適応可能か？
• RQ5 内部的一致性に基づくFootSLAMの軌跡推定のみで、安定的かつ正確なキャリブレーションが可能か？

主な発見

• 提案手法の適応型しきい値設定により、歩行速度の変動下でも固定しきい値検出器と比較して、水平位置誤差の中央値が50%以上低減した。
• 本手法は、多様な歩行軌跡およびセンサ配置下で、ベンチマークの速度ベースしきい値分類器を上回った。
• 真値データ、補助センサ、ユーザ入力なしに安定した性能を達成したキャリブレーションプロセスが実現された。
• 自己キャリブレーションの性質のおかげで、歩行速度、センサ配置、歩行面の変化に対しても、本手法は頑健であった。
• キャリブレーション中にFootSLAMが収束したことで、信頼性の高い尤度近似が可能となり、その出力を疑似真値として使用する妥当性が裏付けられた。
• 本手法により、インfrastrctureが利用できない緊急現場や屋外環境など、準備のない環境でもキャリブレーションが可能となった。