[论文解读] Comparison of Extended Kalman Filter and Factor Graph Optimization for GNSS/INS Integrated Navigation System

Weisong Wen, Tim Pfeifer+2 more|arXiv (Cornell University)|Apr 22, 2020

Maritime Navigation and Safety被引用 9

一句话总结

本文比较了在城市峡谷环境中使用扩展卡尔曼滤波（EKF）与因子图优化（FGO）进行GNSS/INS组合定位的性能，结果表明基于FGO的紧密耦合组合方法优于基于EKF的方法。此外，本文利用香港真实城市峡谷数据集，分析了窗口大小对FGO性能的影响。

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.

研究动机与目标

• 评估在复杂城市峡谷环境中，基于EKF与FGO的松耦合与紧密耦合GNSS/INS组合方法的性能。
• 通过详细的对比分析，识别FGO在GNSS/INS组合中相对于EKF的优势。
• 研究优化窗口大小对基于FGO的GNSS/INS性能的影响。
• 分析城市环境中GNSS伪距误差分布与环境条件之间的关系。

提出的方法

• 本研究使用在香港城市峡谷实地采集的真实数据集，评估在真实信号衰落与多径条件下的组合方案性能。
• 采用EKF与FGO实现两种组合架构——松耦合与紧密耦合，以进行对比评估。
• 基于FGO的估计通过将GNSS/INS状态估计建模为滑动窗口内测量值的非线性最小二乘问题来实现。
• 通过将FGO框架退化为类似EKF的估计器，验证其性能增益是否源于优化结构本身。
• 通过改变优化窗口长度，分析窗口大小对定位精度与计算负载的影响。
• 性能评估基于伪距误差分布及城市峡谷中信号遮挡与多径等环境因素。

实验结果

研究问题

• RQ1 在城市峡谷环境中，基于FGO的紧密耦合GNSS/INS组合方法与基于EKF的方法相比表现如何？
• RQ2 在定位精度与鲁棒性方面，FGO相较于EKF的具体性能优势是什么？
• RQ3 优化窗口大小如何影响基于FGO的GNSS/INS组合的精度与效率？
• RQ4 GNSS伪距误差分布及环境条件（如信号遮挡与多径）在多大程度上影响FGO性能？

主要发现

• 在城市峡谷环境中，基于FGO的紧密耦合GNSS/INS组合方法在所有评估方法中实现了最佳的整体定位性能。
• FGO相较于EKF的性能提升归因于其通过滑动窗口内全局优化，能够更有效地处理非线性与多径误差。
• 将FGO估计器退化为类似EKF的结构，证实优化框架本身（而非仅估计模型）对精度提升具有显著贡献。
• FGO中的窗口大小对性能具有非单调影响：窗口过小会限制误差校正能力，而窗口过大则会增加计算负载且无法带来成比例的精度提升。
• 伪距误差分布及环境条件（如信号遮挡与多径）对FGO性能有显著影响，尤其在窗口边界处更为明显。
• 最优窗口大小具有上下文依赖性，需根据信号质量与城市几何结构进行调优，表明实时系统中需采用自适应窗口管理策略。