[論文レビュー] Graph Optimization Approach to Localization with Range Measurements

Fang Xu, Chen Wang+2 more|arXiv (Cornell University)|Feb 28, 2018

Indoor and Outdoor Localization Technologies被引用数 3

ひとこと要約

本稿では、超広帯域（UWB）距離測定を用いたグラフ最適化に基づくローカライゼーション手法を提案し、マイクロドローンにおける高精度でリアルタイムかつ低複雑性のポーズ推定を実現する。スライディングウインドウにおけるポーズグラフにおいて、軌跡の滑らかさと距離制約を同時に強制することで、運動モデルへの依存を排除し、外れ値や一時的な測定喪失に対しても頑健な性能を発揮する。特に、実装で一般的な非対称なアンカーデータ配置下でのアイトチュード推定において、既存手法を著しく上回る性能を発揮する。

ABSTRACT

A range-based localization system is proposed based on graph optimization with ultra-wideband (UWB) measurements. There are still multiple issues for existing algorithms to be applied directly in real-time low power systems, especially for micro drones. For instance, the accuracy of triangularization is relatively low since it neglects the time differences of measured distances for position calculation. The filtering methods such as extended Kalman filter (EKF) are sensitive to measurement outliers and need accurate kinetic model. The machine learning methods are computational expensive and performance is unstable in different environments. To overcome the above problems, we propose to construct a joint trajectory smoothness and range constraint in a pose graph, which estimates robot poses over a sliding trajectory window at a single time instant. This removes the dependence on kinetic model and makes the system flexible and portable. Our algorithm is robust to outliers and even short-term measurement loss yet still with very low complexity. Extensive experiments under a variety of scenarios verify its stability and demonstrate a much higher accuracy than existing methods, especially in the attitude direction, which is challenging for existing methods due to an asymmetrical anchor distribution.

研究の動機と目的

• リアルタイムかつ低消費電力なマイクロドローン用途に適した、三角測量による低精度、EKFにおける外れ値への感受性、機械学習手法の高コストといった既存のローカライゼーション手法の限界を解消すること。
• フィルタリングベースの手法における正確な運動モデル依存を克服するため、モデルフリーの最適化フレームワークを導入すること。
• 実際の展開で一般的な非対称アンカーデータ配置下でも、特にアイトチュード推定の精度を向上させること。
• 測定外れ値および一時的な信号喪失に対しても頑健性を確保しながら、埋め込みシステムへの実装に適した低計算コストを維持すること。

提案手法

• スライディングウインドウ内のポーズ群に、軌跡の滑らかさと距離測定制約を組み込んだポーズグラフを構築する。
• 距離測定誤差と時間的滑らかさの誤差を最小化する非線形最小二乗最適化問題としてローカライゼーション問題を定式化する。
• 固定サイズのスライディングウインドウを用いることで、リアルタイム性能を維持するとともに、メモリ消費量を削減する。
• 事前定義された運動モデルを必要とせず、ガウス・ニュートンソルバーを反復的に適用してポーズ推定値を改善する。
• 外れ値の最適化収束への影響を低減するために、ロバストコスト関数（例：カウチ損失）を導入する。
• 複雑な学習部品を避け、幾何的制約と滑らかさにのみ依存することで、ポータビリティと低計算コストを確保する。

実験結果

リサーチクエスチョン

• RQ1 UWB距離測定を用いたマイクロドローン用途において、モデルフリーのグラフ最適化アプローチは、EKFおよび三角測量手法よりも高いローカライゼーション精度を達成できるか？
• RQ2 本手法は、従来のフィルタリング手法および学習ベース手法と比較して、測定外れ値および一時的な信号喪失下でも良好な性能を発揮するか？
• RQ3 非対称なアンカーデータ配置下において、本手法はアイトチュード推定精度をどの程度向上させるか？
• RQ4 本手法は、頑健性と精度を確保しながらも、リアルタイム性能と低計算コストを維持できるか？

主な発見

• 提案手法は、拡張カルマンフィルタ（EKF）および三角測量ベースの手法と比較して、特にアイトチュード方向において顕著に高いローカライゼーション精度を達成する。
• 測定外れ値および一時的な信号喪失に対しても、性能劣化を伴わず安定した性能を示す。
• 非常に低い計算コストで動作するため、マイクロドローンなどの低消費電力埋め込みシステムへのリアルタイム実装に適している。
• スライディングウインドウ最適化フレームワークによりスケーラビリティが確保され、メモリ使用量も削減され、長期運用が可能になる。
• 従来手法が幾何的精度低下（PDOP）の影響を強く受ける非対称アンカーカン figures において、本手法は既存手法を上回る性能を発揮する。
• 定量的評価では、全ポーズ成分における平均二乗誤差（RMSE）に顕著な改善が見られ、特にロールおよびピッチ推定で最大の向上が得られた。