[论文解读] UTIL: An Ultra-wideband Time-difference-of-arrival Indoor Localization Dataset

Wenda Zhao, Abhishek Goudar+2 more|arXiv (Cornell University)|Mar 28, 2022

Indoor and Outdoor Localization Technologies被引用 7

一句话总结

本论文提出了UTIL数据集，这是一个在复杂室内环境中使用低成本DWM1000模块收集的全面的UWB TDOA室内定位数据集，涵盖多种视距（LOS）和非视距（NLOS）条件。数据集包含信噪比（SNR）、功率差异和原始TDOA测量值的标识数据，以及150分钟的真实四旋翼飞行数据，结合多模态传感器融合（IMU、光学流、ToF、真值数据），用于在动态和遮挡条件下评估基于TDOA的3D定位性能。

ABSTRACT

Ultra-wideband (UWB) time-difference-of-arrival (TDOA)-based localization has emerged as a promising, low-cost, and scalable indoor localization solution, which is especially suited for multi-robot applications. However, there is a lack of public datasets to study and benchmark UWB TDOA positioning technology in cluttered indoor environments. We fill in this gap by presenting a comprehensive dataset using Decawave's DWM1000 UWB modules. To characterize the UWB TDOA measurement performance under various line-of-sight (LOS) and non-line-of-sight (NLOS) conditions, we collected signal-to-noise ratio (SNR), power difference values, and raw UWB TDOA measurements during the identification experiments. We also conducted a cumulative total of around 150 minutes of real-world flight experiments on a customized quadrotor platform to benchmark the UWB TDOA localization performance for mobile robots. The quadrotor was commanded to fly with an average speed of 0.45 m/s in both obstacle-free and cluttered environments using four different UWB anchor constellations. Raw sensor data including UWB TDOA, inertial measurement unit (IMU), optical flow, time-of-flight (ToF) laser altitude, and millimeter-accurate ground truth robot poses were collected during the flights. The dataset and development kit are available at https://utiasdsl.github.io/util-uwb-dataset/.

研究动机与目标

• 解决在复杂环境中公开、全面的UWB TDOA室内定位基准数据集缺乏的问题。
• 利用SNR和功率差异等低层次信号度量，表征在不同视距（LOS）和非视距（NLOS）条件下UWB TDOA测量的性能。
• 提供来自定制四旋翼的实地飞行数据，以评估在动态、障碍物丰富的室内场景中TDOA定位的鲁棒性。
• 支持对UWB TDOA系统在非高斯、有偏和NLOS污染测量条件下的误差建模、异常值检测和改进估计算法的研究。
• 支持在多种锚点配置和环境条件下，集中式与分布式TDOA定位模式的开发。

提出的方法

• 在障碍物（纸板、金属、木材、塑料和泡沫）存在的情况下，使用DWM1000模块在受控的LOS和NLOS场景中收集UWB TDOA标识数据。
• 记录低层次信号度量，包括信噪比（SNR）、功率差异值和原始TDOA测量值，以表征不同传播条件下测量行为的特性。
• 在无障碍物和复杂环境两种条件下，使用四种不同的UWB锚点配置，对定制四旋翼以约0.45 m/s的速度进行实地飞行实验。
• 融合原始传感器数据，包括UWB TDOA、惯性测量单元（IMU）、光学流、飞行时间（ToF）激光高度计以及动作捕捉系统提供的毫米级真值数据。
• 在集中式和分布式TDOA模式下收集数据，以评估不同定位架构下的性能差异。
• 将数据集划分为两部分：(i) 用于测量特性表征的标识数据集；(ii) 用于3D位姿估计性能基准测试的飞行数据集。

实验结果

研究问题

• RQ1 在真实室内环境中，LOS和NLOS条件如何影响UWB TDOA测量精度、SNR和功率差异？
• RQ2 不同障碍物材料（如金属、木材、泡沫）对UWB信号传播和TDOA测量质量有何影响？
• RQ3 UWB锚点配置的选择如何影响在复杂室内环境中定位的精度和鲁棒性？
• RQ4 在动态和遮挡飞行条件下，集中式与分布式TDOA定位模式的性能特征是什么？
• RQ5 多径效应和NLOS效应在真实机器人运动过程中，对UWB TDOA测量中的系统性偏差和非高斯噪声的影响程度如何？

主要发现

• 在NLOS条件下，UWB TDOA测量表现出显著退化，动态NLOS场景中观察到信号阻塞和不一致的误差。
• 静态障碍物（如金属和木箱）会持续扭曲TDOA测量，导致测距估计中存在持久偏差。
• DWM1000模块在NLOS条件下表现出系统性测量偏差，特定m2配置下的中位数TDOA误差最高达0.613 μs。
• 飞行数据显示，TDOA误差在不同锚点配置间存在差异，其中配置#4在复杂环境下的中位数误差更高（例如，在4.2条件下为0.766 μs）。
• 该数据集表明，测量噪声和偏差是非高斯且时变的，尤其是在动态NLOS环境中，这需要先进的滤波和异常值检测技术。
• 将UWB TDOA与IMU、光学流和ToF数据结合，可实现毫米级精度的真值位姿估计，验证了该数据集在高精度定位基准测试中的实用性。