[논문 리뷰] Review of Factor Graphs for Robust GNSS Applications

Shounak Das, Ryan J. Watson외 1명|arXiv (Cornell University)|2021. 12. 14.

Indoor and Outdoor Localization Technologies인용 수 10

한 줄 요약

이 논문은 도시 환경에서 GNSS 위치 측정에 대해 인자 그래프를 강력한 프레임워크로 평가하며, 반복적이고 희소 최적화 및 강력한 비용 함수를 통해 전통적인 EKF 방법보다 뛰어난 성능을 보임을 보여준다. 인자 그래프는 과거 및 현재 관측값의 재가중을 통해 다중경로 오차와 이방성 측정값을 더 잘 다룰 수 있으며, iSAM2와 같은 증분 스무딩을 통해 실시간 성능을 달성할 수 있다.

ABSTRACT

Factor graphs have recently emerged as an alternative solution method for GNSS positioning. In this article, we review how factor graphs are implemented in GNSS, some of their advantages over Kalman Filters, and their importance in making positioning solutions more robust to degraded measurements. We also talk about how factor graphs can be an important tool for the field radio-navigation community.

연구 동기 및 목표

• 어려운 환경에서 전통적인 칼만 필터링 대비 인자 그래프의 장점을 평가하기 위해.
• 측정값의 동적 재가중을 가능하게 함으로써 인자 그래프가 다중경로 및 이방성에 대한 강건성을 향상시키는 방식을 보여주기 위해.
• iSAM2와 같은 증분 스무딩 방법이 인자 그래프를 실시간 GNSS 응용에 가능하게 하는지 보여주기 위해.
• GNSS 및 라디오 항법에서 인자 그래프의 도입을 권장하여 다른 센서 및 기회 신호와의 더 밀접한 통합을 가능하게 하기 위해.
• GNSS 관측치의 비정규 분포 오차를 완화하기 위해 인자 그래프 내에서 강력한 추정 기법(예: GNC 및 M-추정기)의 역할을 부각시키기 위해.

제안 방법

• 변수 노드(예: 위치, 시계 오차)와 요소 노드(예: GNSS 측정값)로 구성된 이분 그래프를 사용하여 GNSS 상태 추정을 최대 사후 확률(MAP) 문제로 모델링한다.
• 지역적 확률 제약 조건의 조합으로 구성된 비선형 비용 함수의 최적화 문제로 공식화하며, 이는 가우스-뉴턴 또는 레벤버그-마르카르트 방법을 통해 해결한다.
• M-추정기 방식을 통해 강력한 비용 함수(예: 허버, 코시, 라플라스)를 적용하여 GNSS 측정값의 이방성 및 다중경로 오차의 영향을 줄인다.
• 비볼록 강력 비용 함수를 최소화하기 위해 점진적 비볼록성(GNC) 프레임워크를 적용하며 국소 최소값을 피하고 문제를 가중 최소 제곱 문제로 재구성한다.
• iSAM2 및 베이즈 트리 구조를 통해 증분 스무딩을 구현하여 새로운 측정값 이후 관련 클리크만 업데이트함으로써 실시간 성능를 유지한다.
• 정보 행렬 및 야코비안 행렬의 희소성 활용을 통해 효율적인 행렬 분해 및 역대입을 실현함으로써 확장 가능한 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 도시 GNSS 환경에서 인자 그래프 최적화는 EKF 대비 정밀도 및 강건성 측면에서 어떻게 비교되는가?
• RQ2 M-추정기 및 GNC와 같은 강력한 추정 기법이 GNSS 인자 그래프에 효과적으로 통합될 수 있는가? 이를 통해 다중경로 및 측정 이방성 오차를 어떻게 완화할 수 있는가?
• RQ3 인자 그래프 최적화의 배치 방식은 표준 칼만 필터링 대비 에포크 간 시간 상관관계를 얼마나 향상시키는가?
• RQ4 iSAM2와 같은 증분 스무딩 방법은 과거 상태의 재최적화를 가능하게 하면서도 실시간 성능를 유지할 수 있는가?
• RQ5 GNSS와 다른 센서 및 기회 신호(예: 이동통신 기지국, LEO 위성)의 통합에 인자 그래프 도입이 가져오는 이점은 무엇인가?

주요 결과

• 인자 그래프는 비선형 모델의 반복적 재선형화를 가능하게 하여 시간 상관관계를 더 잘 활용함으로써 도시 환경에서 표준 EKF를 뛰어넘는 성능을 보인다.
• 허버 및 코시와 같은 강력한 비용 함수를 인자 그래프 내에 적용하면 GNSS 측정값의 다중경로 오차 및 이방성 영향을 크게 감소시킨다.
• GNC 및 M-추정기의 통합은 국소 최소값을 피하고 가중 최소 제곱 프레임워크로 문제를 변환하는 반복적 비볼록 최적화를 가능하게 한다.
• iSAM2는 상태 공간의 일부만 업데이트함으로써 실시간 성능를 확보하여 고동적 GNSS 응용에 적합한 증분 스무딩을 실현한다.
• Google 스마트폰 디시미터 챌린지의 수상자 솔루션은 인자 그래프 프레임워크를 사용하였으며, 실제 다중 환경 GNSS 시나리오에서의 실용적 승리임을 입증한다.
• 인자 그래프를 통해 과거 측정값의 동적 재가중 및 심지어 이방성으로 밝혀진 경우의 제거가 가능하다 — 이는 표준 칼만 필터링에서는 불가능한 일이다.