[論文レビュー] Relative Transformation Estimation Based on Fusion of Odometry and UWB Ranging Data

Thien Hoang Nguyen, Lihua Xie|arXiv (Cornell University)|Feb 1, 2022

Robotics and Sensor-Based Localization被引用数 5

ひとこと要約

本稿では、融合されたオドメトリと超広帯域（UWB）距離測定データを用いて、ロボット間の4自由度相対変換（3次元位置およびヘディング）を推定する、新しい最適化ベースの手法を提案する。四次制約付き二次計画問題（QCQP）とその半正定値プログラミング（SDP）緩和を導入し、幾何的配置が悪い場合やノイズが多い状況でも、最先端の手法を上回る性能を発揮する。また、センサのオフセット、外れ値、特異的配置に対しても対応可能である。

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.

研究の動機と目的

• ロボット間の4自由度相対変換（3次元位置およびヘディング）を、オンボードオドメトリとロボット間UWB距離測定のみを用いて推定する課題に対処すること。
• UWBとオドメトリの間の空間的・時間的センサオフセットを考慮することで、先行研究の限界を克服し、UWBの外れ値を除外し、特異的配置を検出すること。
• Cramér-Rao下界（CRLB）とフィッシャー情報行列（FIM）の分析を用いて、推定性能の理論的限界を理論的基盤として提供すること。
• 非直線視線伝搬や測定ノイズといった現実世界の条件でも、精度を維持できる実用的で頑健な最適化フレームワークを開発すること。

提案手法

• UWB距離測定とオドメトリ測定を統合して、相対変換推定問題を四次制約付き二次計画問題（QCQP）として定式化し、位置とヘディングを同時に最適化する。
• 計算を高速化するためにQCQPに対する半正定値プログラミング（SDP）緩和を適用し、わずかな精度損失を犠牲にすることで大幅な高速化を実現する。
• 理論的推定限界を分析し、センサ構成設計に役立てるために、フィッシャー情報行列（FIM）とその行列式を導出する。
• UWBとオドメトリのデータストリーム間の時間遅延を補正するための空間的・時間的キャリブレーションステップを組み込む。
• 残差解析に基づく外れ値除外機構を実装し、多径や非直線視線（NLOS）UWB測定に対する頑健性を向上させる。
• FIM行列式を用いた事前操作の特異性チェックを導入し、幾何的多様性が低い構成（推定精度を低下させる）を事前に検出する。

実験結果

リサーチクエスチョン

• RQ1 提案手法によるオドメトリとUWB距離測定の統合は、幾何的配置が悪い状況下でも、4自由度相対変換推定の性能をどのように向上させるか？
• RQ2 Cramér-Rao下界（CRLB）を用いて、UWBとオドメトリを用いた相対変換推定の理論的性能限界はどの程度か？
• RQ3 UWBとオドメトリの間の空間的・時間的センサオフセットは推定精度にどのように影響し、効果的に補正可能か？
• RQ4 提案されたQCQPおよびSDP手法は、高ノイズや非直線視線条件下でも、既存の最先端手法を精度および頑健性の面で上回ることができるか？
• RQ5 幾何的多様性（例：ロボットの軌道形状）は推定性能にどのような役割を果たし、悪い構成は事前にどのように検出可能か？

主な発見

• QCQPに基づく手法は、評価されたすべての手法の中で最高の精度を達成しており、特に幾何的配置が悪い場合や高ノイズ環境下で顕著な優位性を示す。
• SDP緩和は、わずかな精度損失で計算が著しく高速化されるため、リアルタイム応用に適した効率的代替手法である。
• FIM行列式を用いた理論的分析により、ロボットが低幾何的多様性（例：直線軌道）を描く場合、推定性能が著しく低下することが確認された。
• 提案手法は、測定が同期していると仮定する手法と比較して、空間的・時間的センサオフセットの影響を効果的に低減し、推定精度を向上させた。
• 残差解析に基づく外れ値除外は、非直線視線（NLOS）および多径UWB環境下での頑健性を顕著に向上させた。
• FIM行列式を用いた事前操作の特異性検出により、推定性能が著しく低下する可能性のある構成を事前に特定できるようになった。