[논문 리뷰] Relative Transformation Estimation Based on Fusion of Odometry and UWB Ranging Data

Thien Hoang Nguyen, Lihua Xie|arXiv (Cornell University)|2022. 02. 01.

Robotics and Sensor-Based Localization인용 수 5

한 줄 요약

이 논문은 로봇 간의 상대적 변환(3D 위치 및 헤딩)을 추정하기 위해 융합된 오도메트리와 초광대역(UWB) 거리 측정 데이터를 사용하는 최적화 기반의 새로운 방법을 제안한다. 이는 이차형 제약 조건이 있는 이차형 프로그래밍(QCQP)과 그의 정수형 프로그래밍(SDP) 근사를 제안하며, 기하학적 조건이 열악하거나 노이즈가 높은 상황에서도 최신 기술보다 뛰어난 성능을 보이며, 센서 오프셋, 이방성, 특이 구성 상태를 모두 처리할 수 있다.

ABSTRACT

In this work, the problem of 4 degree-of-freedom (3D position and heading) robot-to-robot relative frame transformation estimation using onboard odometry and inter-robot distance measurements is studied. Firstly, we present a theoretical analysis of the problem, namely the derivation and interpretation of the Cramer-Rao Lower Bound (CRLB), the Fisher Information Matrix (FIM) and its determinant. Secondly, we propose optimization-based methods to solve the problem, including a quadratically constrained quadratic programming (QCQP) and the corresponding semidefinite programming (SDP) relaxation. Moreover, we address practical issues that are ignored in previous works, such as accounting for spatial-temporal offsets between the ultra-wideband (UWB) and odometry sensors, rejecting UWB outliers and checking for singular configurations before commencing operation. Lastly, extensive simulations and real-life experiments with aerial robots show that the proposed QCQP and SDP methods outperform state-of-the-art methods, especially in geometrically poor or large measurement noise conditions. In general, the QCQP method provides the best results at the expense of computational time, while the SDP method runs much faster and is sufficiently accurate in most cases.

연구 동기 및 목표

• 로봇 간의 상대적 변환(3D 위치 및 헤딩)을 추정하기 위해 현장 내 오도메트리와 상호 로봇 간 UWB 거리 측정 데이터만을 사용하는 문제를 해결한다.
• 이전 방법의 한계를 극복하기 위해 UWB와 오도메트리 간의 공간-시간 센서 오프셋을 고려하고, UWB 이방성을 거부하며, 특이 구성 상태를 탐지한다.
• Cramér-Rao 하한(CRLB)과 피셔 정보 행렬(FIM) 분석을 통해 추정 성능의 이론적 한계를 이론적으로 기반으로 한다.
• 실제 환경 조건(예: 비선형 시선 간섭 및 측정 노이즈)에서도 정확성을 유지하는 실용적이고 강력한 최적화 프레임워크를 개발한다.

제안 방법

• UWB 거리 측정값과 오도메트리 측정값을 동시에 사용하여 위치와 헤딩을 최적화하는 이차형 제약 조건이 있는 이차형 프로그래밍(QCQP) 문제로 상대 변환 추정 문제를 수립한다.
• QCQP에 대해 정수형 프로그래밍(SDP) 근사를 적용하여 계산 속도를 높이며, 최소한의 정확도 손실을 감수하여 극적인 속도 향상을 달성한다.
• 피셔 정보 행렬(FIM)과 그의 행렬식을 유도하여 이론적 추정 한계를 분석하고 센서 구성 설계에 정보를 제공한다.
• 공간-시간 캘리브레이션 단계를 통합하여 UWB와 오도메트리 데이터 스트림 간의 시간 지연을 보정한다.
• 잔차 분석 기반의 이방성 거부 메커니즘을 구현하여 다중 경로 또는 비선형 시선(NLOS) UWB 측정값에 대한 강건성을 향상시킨다.
• FIM 행렬식을 사용한 사전 운영 특이성 검사를 도입하여 기하학적 다양성이 낮은 구성 상태(정확도 저하 유발)를 조기에 탐지한다.

실험 결과

연구 질문

• RQ1 열악한 기하학적 구성 조건 하에서 오도메트리와 UWB 거리 측정의 융합이 4-DoF 상대 변환 추정에 어떻게 향상되는가?
• RQ2 Cramér-Rao 하한(CRLB)으로 정량화된 UWB와 오도메트리 데이터를 사용한 상대 변환 추정의 이론적 성능 한계는 무엇인가?
• RQ3 UWB와 오도메트리 간의 공간-시간 센서 오프셋이 추정 정확도에 미치는 영향은 무엇이며, 효과적으로 보정할 수 있는가?
• RQ4 제안된 QCQP 및 SDP 방법이 고노이즈 또는 비선형 시선 조건 하에서 기존 최신 기술보다 정확도와 강건성 측면에서 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 기하학적 다양성(예: 로봇의 경로 형태)은 추정 성능에 어떤 역할을 하는가? 그리고 열악한 구성 상태는 어떻게 운영 이전에 탐지할 수 있는가?

주요 결과

• QCQP 기반 방법은 평가된 모든 방법 중에서 가장 높은 정확도를 기록하며, 특히 기하학적으로 열악하거나 노이즈가 높은 상황에서 뛰어난 성능을 보였다.
• SDP 근사는 정확도 손실이 극히 미미하면서도 계산 속도가 크게 향상되어 실시간 응용에 적합한 효율적인 대안을 제공한다.
• FIM 행렬식을 통한 이론적 분석은 기하학적 다양성이 낮은 경로(예: 직선)를 따라 이동할 경우 추정 정확도가 크게 저하됨을 확인했다.
• 제안된 방법은 공간-시간 센서 오프셋의 영향을 효과적으로 보완하여, 측정값이 동기화된 것으로 가정하는 방법보다 추정 정확도가 향상됨을 입증했다.
• 잔차 분석 기반의 이방성 거부는 비선형 시선(NLOS) 및 다중 경로 UWB 조건 하에서 강건성을 크게 향상시켰다.
• FIM 행렬식을 활용한 사전 운영 특이성 탐지 기능은 정확도가 떨어지는 구성 상태를 사전에 식별할 수 있게 해주었다.