[论文解读] Fusing Odometry, UWB Ranging, and Spatial Detections for Relative Multi-Robot Localization

Xianjia Yu, Catalano, Iacopo+4 more|arXiv (Cornell University)|Apr 13, 2023

Indoor and Outdoor Localization Technologies被引用 5

一句话总结

本文提出了一种基于粒子滤波的相对多机器人定位系统，融合了机器人间UWB测距、机载航位推算以及双目摄像头的协同空间检测。结果表明，即使仅使用单个UWB距离测量值，结合航位推算与基于LSTM的误差校正，也能实现精确的相对状态估计，优于多边定位方法，并在低功耗平台上实现了实时性能，定位误差低于15厘米。

ABSTRACT

This letter presents a cooperative relative multi-robot localization design and experimental study. We propose a flexible Monte Carlo approach leveraging a particle filter to estimate relative states. The estimation can be based on inter-robot Ultra-Wideband (UWB) ranging and onboard odometry alone or dynamically integrated with cooperative spatial object detections from stereo cameras mounted on each robot. The main contributions of this work are as follows. First, we show that a single UWB range is enough to estimate the accurate relative states of two robots when fusing odometry measurements. Second, our experiments also demonstrate that our approach surpasses traditional methods, namely, multilateration, in terms of accuracy. Third, to further increase accuracy, we allow for the integration of cooperative spatial detections. Finally, we show how ROS 2 and Zenoh can be integrated to build a scalable wireless communication solution for multi-robot systems. The experimental validation includes real-time deployment and autonomous navigation based on the relative positioning method. It is worth mentioning that we also address the challenges for UWB-ranging error mitigation for mobile transceivers. The code is available at https://github.com/TIERS/uwb-cooperative-mrs-localization.

研究动机与目标

• 开发一种灵活、无需基础设施的多机器人相对定位方法，最大限度降低传感器成本与复杂度。
• 仅使用每对机器人一个UWB距离测量值，实现精确的相对状态估计，克服传统多边定位方法的局限性。
• 通过基于LSTM的校准模型，利用距离和姿态信息，减少移动机器人场景中UWB测距误差。
• 在环境特征可检测时，动态集成双目摄像头的协同空间检测结果，以提升定位精度。
• 在基于ROS 2与Zenoh的嵌入式平台上实现并验证系统，支持跨多机器人平台的可扩展通信。

提出的方法

• 采用顺序蒙特卡洛（粒子滤波）框架，通过融合航位推算、UWB距离测量与协同空间检测结果，估计相对机器人状态。
• UWB测距数据通过为每对机器人单独训练的长短期记忆（LSTM）网络进行预处理，利用距离和机器人偏航角作为输入，预测并校正个体测距误差。
• 采用共享的二维偏航参考坐标系，所有机器人初始化时具有相同的朝向，以简化相对状态对齐。
• 当两个或更多机器人检测到同一环境物体时，将其三维位姿作为粒子滤波中的相对约束进行集成。
• 系统在ROS 2上部署，并使用Zenoh实现跨多机器人平台的低延迟、可扩展无线通信。
• 粒子滤波通过一组加权粒子表示可能的相对状态，其似然度基于UWB距离、航位推算与空间检测残差计算。

实验结果

研究问题

• RQ1 仅使用每对机器人一个UWB距离测量值，是否能够实现精确的相对状态估计，而无需依赖多边定位？
• RQ2 基于LSTM的误差校正模型在实时场景中对移动收发器的UWB测距误差减少效果如何？
• RQ3 在环境特征可检测时，集成双目摄像头的协同空间检测能在多大程度上提升相对定位精度？
• RQ4 与传统的基于多边定位的方法相比，所提方法在精度与计算效率方面表现如何？
• RQ5 该系统在低功耗嵌入式平台上的实时性能与资源利用率如何？

主要发现

• 所提出的仅使用单个UWB距离的粒子滤波方法（PF U）相比多边定位方法，显著降低了绝对定位误差（APE），证明在融合航位推算后，单个距离测量已足够。
• 引入基于LSTM的UWB误差校正后（PF UL），APE相比未经校正的UWB数据最高可降低40%，中位APE降至0.1094米。
• 加入协同空间检测后（PF ULV），APE进一步降低至0.10125米，表明在环境特征可检测时，精度有明显提升。
• 系统在Intel PC、Jetson Nano与Raspberry Pi 4B平台上均实现实时性能，CPU使用率低于24%，内存占用低于500 MB。
• 自主导航的绝对轨迹误差（ATE）约为0.0872米，表明基于相对定位具有优异的路径跟踪能力。
• ROS 2与Zenoh的集成实现了可扩展的低延迟通信，支持在异构计算平台间实现实时部署。