[논문 리뷰] Graph Optimization Approach to Localization with Range Measurements

Fang Xu, Chen Wang외 2명|arXiv (Cornell University)|2018. 02. 28.

Indoor and Outdoor Localization Technologies인용 수 3

한 줄 요약

이 논문은 초광대역(UWB) 범위 측정을 이용한 그래프 최적화 기반 로컬라이제이션 방법을 제안하여 마이크로 드론을 위한 고정밀, 실시간, 저복잡도 자세 추정을 달성한다. 슬라이딩 윈도우 자세 그래프에서 궤적의 부드러움과 범위 제약 조건을 동시에 강제함으로써 운동 모델에 의존하지 않으며, 이상치 및 일시적 측정 손실 상황에서도 뛰어난 성능을 보이며 기존 방법들보다 크게 슈퍼어리어하며, 특히 비대칭 앵커 분포 하에서 자세 추정에서 두각을 나타낸다.

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.

연구 동기 및 목표

• 실시간, 저전력 마이크로 드론 응용 분야에서 삼각측량의 저정밀도, EKF의 이상치에 대한 민감성, 기계학습 방법의 높은 계산 비용 등의 기존 로컬라이제이션 방법의 한계를 해결한다.
• 필터링 기반 접근법에서 정확한 운동 모델에 의존하는 문제를 해결하기 위해 모델 기반 최적화 프레임워크를 도입한다.
• 실제 구현에서 흔한 비대칭 앵커 분포 조건 하에서도 특히 자세 추정 정확도를 향상시킨다.
• 저복잡도를 유지하면서도 측정 이상치와 일시적 손실에 강건한 실시간 성능을 확보한다.

제안 방법

• 슬라이딩 윈도우 내 자세 집합에 대해 궤적의 부드러움과 범위 측정 제약 조건을 모두 포함하는 자세 그래프를 구축한다.
• 범위 측정 오차와 시간적 부드러움의 오차를 최소화하는 비선형 최소제곱 최적화 문제로 로컬라이제이션 문제를 수립한다.
• 고정 크기의 슬라이딩 윈도우를 사용하여 실시간 성능을 유지하고 메모리 소비를 줄인다.
• 사전 운동 모델이 필요 없이 반복적으로 자세 추정치를 개선하기 위해 가우스-뉴턴 솔버를 적용한다.
• 이상치의 영향을 줄이기 위해 강건한 비용 함수(예: 코시 손실)를 도입한다.
• 복잡한 학습 구성 요소를 피하고 기하 제약 조건과 부드러움 뿐만으로도 이식성과 저계산 복잡도를 확보한다.

실험 결과

연구 질문

• RQ1 모델 기반 그래프 최적화 접근법이 UWB 범위 측정을 이용한 마이크로 드론 응용에서 EKF 및 삼각측량보다 더 높은 로컬라이제이션 정확도를 달성할 수 있는가?
• RQ2 기존 필터링 및 학습 기반 방법과 비교해 복잡한 이상치 및 일시적 신호 손실 상황에서 제안된 방법의 성능은 어떠한가?
• RQ3 비대칭 앵커 분포 조건에서 자세 추정 정확도 향상 정도는 어느 정도인가?
• RQ4 강건성과 정확성을 확보하면서도 실시간 성능과 저복잡도를 유지할 수 있는가?

주요 결과

• 제안된 방법은 확장된 칼만 필터(EKF) 및 삼각측량 기반 접근법보다 뚜렷이 높은 로컬라이제이션 정확도를 달성하며, 특히 자세 방향에서 두각을 나타낸다.
• 측정 이상치와 일시적 신호 손실에 강건하며, 성능 저하 없이 안정적인 성능을 유지한다.
• 매우 낮은 계산 복잡도를 유지하여 마이크로 드론과 같은 저전력 임베디드 시스템에 실시간 배포에 적합하다.
• 슬라이딩 윈도우 최적화 프레임워크는 확장성과 메모리 사용 감소를 보장하여 장기간 운영이 가능하다.
• 기존 기술보다 비대칭 앵커 구성에서 뛰어난 성능을 보이며, 전통적 방법이 기하학적 정밀도 저하(GDOP)로 인해 어려움을 겪는 상황에서 유의미한 개선을 이룬다.
• 정량적 결과는 모든 자세 성분에서 루트 평균 제곱 오차(RMSE)가 상당히 향상되었음을 보여주며, 특히 롤과 피치 추정에서 가장 두드러진 개선을 보였다.