[论文解读] A Scalable Belief Propagation Algorithm for Radio Signal Based SLAM.

Erik Leitinger, Florian Meyer+4 more|arXiv (Cornell University)|Jan 13, 2018

Indoor and Outdoor Localization Technologies参考文献 61被引用 10

一句话总结

本文提出了一种基于信念传播（BP）的可扩展SLAM算法，用于使用超宽带无线电信号进行室内定位，将镜面多径分量（MPCs）建模为位置未知且时变的虚拟锚点（VAs）。通过使用贝叶斯因子图模型和BP进行概率MPC-VA关联与状态估计，该算法在复杂的多径环境中实现了高精度、高鲁棒性的定位，且计算复杂度较低。

ABSTRACT

We present a simultaneous localization and mapping (SLAM) algorithm that is based on radio signals and the association of specular multipath components (MPCs) with geometric features. Especially in indoor scenarios, localization from radio signals is challenging due to diffuse multipath propagation and the unknown MPC-featureassociation. In our approach, specular reflections at flat surfaces (e.g., walls) are described in terms of virtual anchors (VAs). The positions of these VAs are unknown and possibly time-varying. We develop a Bayesian model of the SLAM problem including the unknown MPC-VA association. We represent this model by a factor graph, which enables the use of the belief propagation (BP) scheme for efficient marginalization of the joint posterior distribution. The resulting BP-based SLAM algorithm detects the VAs and estimates the time-varying position of the mobile agent and the possibly time-varying positions of the VAs, thereby leveraging the MPCs in the radio signal for improved accuracy and robustness of agent localization. A core aspect of the algorithm is BP-based probabilistic MPC-VA association. Moreover, for improved initialization of new VA positions, the states of unobserved potential VAs are modeled as a random finite set and propagated in time by means of a zero-measurement probability hypothesis density filter. The proposed BP-based SLAM algorithm has a low computational complexity and scales well in all relevant system parameters. Experimental results using both synthetically generated measurements and realultra-wideband radio signals demonstrate the excellent performance of the algorithm in challenging indoor environments.

研究动机与目标

• 解决使用无线电信号进行室内定位的挑战，其中扩散性多径传播和未知的MPC特征关联会降低定位精度。
• 克服在动态室内环境中将多径分量（MPCs）与墙壁等几何特征关联的困难。
• 开发一种可扩展的SLAM框架，联合估计移动代理的位置以及由镜面反射生成的时变虚拟锚点（VAs）位置。
• 通过随机有限集模型和零测量概率假设密度滤波，实现新虚拟锚点的鲁棒初始化。

提出的方法

• 将镜面多径分量（MPCs）建模为虚拟锚点（VAs），其位置未知且可能随时间变化。
• 将SLAM问题表述为贝叶斯推理任务，使用因子图表示代理与VA状态的联合后验分布。
• 应用信念传播（BP）以高效计算后验边际分布，实现计算复杂度低的可扩展推理。
• 利用BP实现检测到的MPC与VAs之间的概率关联，解决MPC-VA对应关系的不确定性。
• 将未观测到的潜在VAs建模为随机有限集，并使用零测量概率假设密度滤波器随时间传播其状态。
• 将MPC检测与VA状态估计整合到统一的推理框架中，支持实时运行。

实验结果

研究问题

• RQ1 如何有效建模无线电信号中的镜面多径分量，并将其与室内SLAM中的几何特征相关联？
• RQ2 在动态室内环境中，使用信念传播对基于无线电的SLAM的可扩展性与准确性有何影响？
• RQ3 当无测量数据可用时，如何改进新虚拟锚点的初始化？
• RQ4 与传统方法相比，所提算法在存在扩散性多径的情况下，能将定位误差降低多少？
• RQ5 在处理时变VA位置和未知MPC-VA关联的情况下，该算法能否保持低计算复杂度？

主要发现

• 基于BP的SLAM算法在多径密度高的复杂室内环境中实现了高精度与高鲁棒性的定位。
• 使用信念传播可实现联合后验的高效边际化，从而获得低计算复杂度，且在系统参数增加时仍具有良好可扩展性。
• 通过BP实现的概率MPC-VA关联显著提高了虚拟锚点估计与定位精度的可靠性。
• 零测量概率假设密度滤波器可有效初始化新虚拟锚点，即使在缺乏直接观测的情况下亦能实现。
• 使用合成与真实超宽带（UWB）信号的实验结果证实了该算法在定位精度与鲁棒性方面的优越性能。
• 该算法在不同数量的VAs及时间变动态条件下均表现出良好的可扩展性与稳定性，在复杂室内场景中优于基线方法。