[논문 리뷰] An Invariant-EKF VINS Algorithm for Improving Consistency

Teng Zhang, Kanzhi Wu외 3명|arXiv (Cornell University)|2017. 02. 25.

Robotics and Sensor-Based Localization참고 문헌 20인용 수 10

한 줄 요약

이 논문은 시각-자이로스코프 항법 시스템(VINS)을 위한 右-불변 오차 확장 칼만 필터(RIEKF-VINS)를 제안한다. 이는 스 tochastic unobservable 변환—특히 중력 방향에 대한 회전과 평행 이동—에 대해 불변성을 유지함으로써 일관성을 보장한다. 리만 기하학을 활용해 오차 상태와 불확실성 표현을 재구성함으로써 RIEKF-VINS는 기존 EKF-VINS에서 나타나는 본질적인 일관성 결여 문제를 제거하여 시뮬레이션 및 실제 실험에서 추정 신뢰도를 크게 향상시킨다.

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.

연구 동기 및 목표

• 관성 기반 시각 항법 시스템(EKF 기반 VINS)에서 상태 불확실성이 관측 불가능한 변환에 대해 불변성을 유지하지 못함에 따라 과소 추정되는 일관성 문제를 해결한다.
• 핵심 문제점이 관성 기반 시스템에서 스 tochastic unobservable 변환—즉, 평행 이동과 중력 축 도전에 대해 불변성을 유지하지 못하는 기존 EKF의 결함에 있음을 규명한다.
• 리만 군 SE(3) 및 SO(3) 상에서 기하학적으로 일관된 오차 표현을 사용해 시스템의 불변성을 유지하는 右-불변 오차 EKF(RIEKF-VINS)를 개발한다.
• 다중 상태 제약 칼만 필터(MSCKF) 아키텍처에 RIEKF-VINS를 통합하여 VINS용 일관된 상태 추정기 구현을 목표로 한다.
• 광범위한 몬테카를로 시뮬레이션과 실제 실험을 통해 제안된 방법을 검증하여 기존 EKF-VINS 및 MSCKF 대비 개선된 일관성과 정확도를 입증한다.

제안 방법

• 리만 군 SE(3) 및 SO(3) 상에서 右-불변 오차를 사용해 상태 오차를 재구성함으로써 자세 및 방향 추정의 기하학적 일관성을 확보한다.
• 오차 상태를 右-불변 오차를 사용해 변환하는 새로운 불확실성 표현을 유도하여 관측 불가능한 변환에 대해 불변성 성질을 유지한다.
• 오차 표현을 右-불변 오차로 수정함으로써 EKF 업데이트 식을 재구성하여, 이동 및 중력축 도전에 대해 필터 출력이 불변하게 유지되도록 보장한다.
• 다중 상태를 포함한 시스템에서 불변성을 유지하기 위해 상태 및 오차 전파를 재정의함으로써 RIEKF-VINS 아키텍처를 MSCKF 아키텍처에 통합한다.
• 지속-이산 EKF 설정에서 일관성을 유지하기 위해 IMU 측정치의 프리인테그레이션 프레임워크를 활용한다.
• 상태 전이 모델 및 측정 모델에 불변 오차 표현을 적용하여 자코비안 및 이득 행렬이 기하학적으로 일관되게 계산되도록 보장한다.

실험 결과

연구 질문

• RQ1 왜 널리 사용되는 기존 EKF-VINS는 불일관성 추정을 초래하는가?
• RQ2 물리 시스템의 불변성—특히 평행 이동 및 중력 축 도전에 대해—을 EKF 기반 VINS 추정기에서 어떻게 유지할 수 있는가?
• RQ3 스 tochastic unobservable 변환에 대해 필터 출력이 불변하게 유지되는 右-불변 오차 EKF(RIEKF-VINS)를 구성할 수 있는가?
• RQ4 RIEKF-VINS를 MSCKF 아키텍처에 통합하면 기존 MSCKF 대비 일관성과 추정 정확도가 어떻게 향상되는가?
• RQ5 실제 환경 및 시뮬레이션 조건에서 RIEKF-VINS는 기존 EKF-VINS 대비 일관성과 정확도 측면에서 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• 기존 EKF-VINS 알고리즘은 스 tochastic unobservable 변환—예를 들어 평행 이동 및 중력 축 도전—에 대해 불변성을 유지하지 못함에 따라 불일관성 발생한다.
• 제안된 RIEKF-VINS 알고리즘은 리만 군 SE(3) 상에서 右-불변 오차 표현을 사용함으로써 이러한 변환에 대해 필터 출력이 변화하지 않도록 보장하여 불변성을 달성한다.
• 몬테카를로 시뮬레이션 결과, RIEKF-VINS는 일관성 면에서 뚜렷한 향상을 보였으며, 실제 추정 오차를 더 신뢰할 수 있는 방식으로 불확실성 추정치를 반영한다.
• RIEKF-VINS를 MSCKF 아키텍처에 통합함으로써 장기 항법 시나리오에서 더욱 일관되고 정확한 추정기가 도출되었다.
• 실제 실험 결과, RIEKF-VINS는 원본 MSCKF 및 ConEKF-VINS보다 더 높은 정확도를 확보하였으며, 드리프트가 감소하고 불확실성 캘리브레이션 성능이 향상되었다.
• 이론적 분석을 통해 RIEKF-VINS가 결정론적 및 확률적 관측 불가능한 변환 모두에 대해 불변 조건을 만족함을 증명하여 일관성의 타당성을 입증하였다.