[논문 리뷰] Comparison of Extended Kalman Filter and Factor Graph Optimization for GNSS/INS Integrated Navigation System

Weisong Wen, Tim Pfeifer외 2명|arXiv (Cornell University)|2020. 04. 22.

Maritime Navigation and Safety인용 수 9

한 줄 요약

이 논문은 도시 협곡 환경에서 GNSS/INS 통합을 위한 확장 칼만 필터(EKF)와 인자 그래프 최적화(FGO)를 비교하며, FGO 기반의 타이트하게 결합된 통합 방식이 EKF 기반 방법보다 뛰어난 성능을 보임을 입증한다. 또한 실질적인 홍콩 도시 협곡 데이터셋을 활용해 FGO 성능에 영향을 미치는 윈도우 크기의 영향을 분석한다.

ABSTRACT

The integration of the global navigation satellite system (GNSS) and inertial navigation systems (INS) is extensively studied in the past decades for vehicular navigations, such as unmanned aerial vehicles (UAV) and autonomous driving vehicles (ADV). Conventionally, the two most common integration solutions are the loosely-coupled and the tightly-coupled integration using the extended Kalman filter (EKF). The recently proposed factor graph optimization (FGO) is adopted to integrate GNSS/INS which attracted lots of attention and improved the performance over the existing EKF-based GNSS/INS integrations. However, a comprehensive comparison of those two GNSS/INS integration schemes in the urban canyon is not available. Moreover, the accuracy and efficiency of the FGO-based GNSS/INS integration rely heavily on the size of the window of optimization. Effectively tuning the window size is still an open question. To fill this gap, this paper first evaluates both loosely and tightly-coupled integrations using both EKF and FGO via the challenging dataset collected in the urban canyon of Hong Kong.The results show that the FGO-based tightly-coupled GNSS/INS integration obtains the best performance. The detailed analysis of the results for the advantages of the FGO is also given in this paper by degenerating the FGO-based estimator to an EKF like estimator. More importantly, we analyze the effects of window size against the performance of FGO based on the validated dataset, by considering both the GNSS pseudorange error distribution and environmental conditions.

연구 동기 및 목표

• 어려운 도시 협곡 환경에서 EKF 및 FGO를 사용한 느슨한 결합 및 타이트한 결합 방식의 GNSS/INS 통합 성능 평가
• 세부적인 비교 분석을 통해 FGO가 GNSS/INS 통합에서 EKF보다 가지는 이점 규명
• 최적화 윈도우 크기가 FGO 기반 GNSS/INS 성능에 미치는 영향 조사
• 도시 환경에서 GNSS 가짜거리 오차 분포와 환경 조건 간의 관계 분석

제안 방법

• 실제 도시 협곡 환경에서 수집한 홍콩의 실세계 데이터셋을 사용하여 신호 열악성과 다중 경로 조건 하에서 통합 기법 평가
• 비교 평가를 위해 EKF 및 FGO를 사용한 두 가지 통합 아키텍처—느슨한 결합 및 타이트한 결합—구현
• FGO 기반 추정은 측정치의 슬라이딩 윈도우에 대해 비선형 최소 제곱 문제로 설정된 GNSS/INS 상태 추정 문제로 수행됨
• 최적화 프레임워크의 기여도를 분리하기 위해 FGO 프레임워크를 EKF 유사 추정기로 변환하여 검증
• 최적화 윈도우 길이를 변화시켜 위치 정확도 및 계산 부하를 측정함으로써 윈도우 크기 영향 분석
• 가짜거리 오차 분포 및 도시 협곡의 신호 차단, 다중 경로와 같은 환경 요인을 기반으로 성능 평가

실험 결과

연구 질문

• RQ1 FGO 기반 타이트하게 결합된 GNSS/INS 통합 방식은 도시 협곡 환경에서 EKF 기반 방법과 비교해 어떻게 성능을 냅니까?
• RQ2 위치 정확도 및 내구성 측면에서 FGO가 EKF를 얼마나 뛰어나게 하는가?
• RQ3 최적화 윈도우 크기가 FGO 기반 GNSS/INS 통합의 정확도 및 효율성에 어떻게 영향을 미치는가?
• RQ4 GNSS 가짜거리 오차 분포 및 환경 조건(예: 신호 차단, 다중 경로)이 FGO 성능에 얼마나 큰 영향을 미치는가?

주요 결과

• FGO 기반 타이트하게 결합된 GNSS/INS 통합 방식은 도시 협곡 환경에서 평가된 모든 방법 중에서 가장 뛰어난 종합적 위치 정확도 성능 확보
• FGO가 EKF보다 성능 향상을 보이는 이유는 슬라이딩 윈도우를 기반으로 한 전역 최적화를 통해 비선형성과 다중 경로 오차를 더 효과적으로 처리할 수 있기 때문임
• FGO 추정기를 EKF 유사 구조로 변환함으로써 최적화 프레임워크 자체가 정확도 향상에 기여하며, 단순 추정 모델이 아닌 구조적 특성이 핵심 요소임을 확인
• FGO의 윈도우 크기는 성능에 비단조화적인 영향을 미침: 너무 작은 윈도우는 오차 보정을 제한하고, 너무 큰 윈도우는 정확도 향상에 비례하지 않는 계산 부하 증가 유도
• 가짜거리 오차 분포 및 환경 조건(신호 차단, 다중 경로 등)은 특히 윈도우 경계에서 FGO 성능에 강력한 영향을 미침
• 최적의 윈도우 크기는 맥락에 따라 달라지며, 신호 품질과 도시 기하학적 특성에 따라 조정되어야 하므로 실시간 시스템에서는 적응형 윈도우 관리 필요