[论文解读] It is time for Factor Graph Optimization for GNSS/INS Integration: Comparison between FGO and EKF

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

GNSS positioning and interference参考文献 47被引用 17

一句话总结

本文在城市峡谷环境中评估了因子图优化（FGO）与扩展卡尔曼滤波（EKF）在GNSS/INS组合导航中的表现，通过对比分析证明FGO在定位精度和鲁棒性方面表现更优。研究发现，FGO在信号条件恶劣时仍显著优于EKF，并为基于FGO的系统提供了最优窗口尺寸选择的见解。

ABSTRACT

The recently proposed factor graph optimization (FGO) is adopted to integrate GNSS/INS 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 performance 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 evaluates both loosely and tightly-coupled integrations using both EKF and FGO via the challenging dataset collected in the urban canyon. 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, by considering both the GNSS pseudorange error distribution and environmental conditions.

研究动机与目标

• 为城市峡谷条件下因子图优化（FGO）与扩展卡尔曼滤波（EKF）在GNSS/INS组合中的表现提供全面对比。
• 研究窗口尺寸对FGO性能的影响，尤其关注伪距误差分布与环境因素的关系。
• 分析基于FGO与EKF的松耦合与紧耦合组合方案之间的权衡。
• 评估FGO在典型城市环境中GNSS信号质量下降条件下的鲁棒性与定位精度。
• 确定FGO是否可在真实城市场景中有效调优，以超越传统基于EKF的组合方法。

提出的方法

• 本研究使用在具有挑战性的城市峡谷环境中采集的真实数据集，评估基于FGO与EKF的GNSS/INS组合导航性能。
• FGO采用滑动窗口优化框架实现，通过最小化一系列测量值上的非线性代价函数来估计状态。
• FGO公式将GNSS伪距与伪距率测量值，以及INS的惯性测量数据，整合到因子图结构中。
• 基于EKF的组合采用标准的松耦合与紧耦合估计器，使用标准的状态传播与更新步骤。
• 将FGO退化为类似EKF的估计器，以实现直接对比，并隔离优化与滤波本身的影响。
• 性能评估基于不同窗口尺寸与环境条件下的定位误差、一致性与收敛性。

实验结果

研究问题

• RQ1 在城市峡谷环境中，基于FGO的GNSS/INS组合与EKF相比，在定位精度与鲁棒性方面表现如何？
• RQ2 在城市GNSS/INS组合中，FGO的最优窗口尺寸是多少？其在不同信号条件下的性能影响如何？
• RQ3 在多径与非视距条件下，松耦合与紧耦合的FGO与EKF组合方案在性能与稳定性上存在哪些差异？
• RQ4 GNSS伪距误差的分布在多大程度上影响FGO性能？该特性如何用于窗口尺寸的调优？
• RQ5 能否有效将FGO退化为类似EKF的估计器，以验证其优势并理解其性能提升的内在机制？

主要发现

• FGO在定位精度方面始终优于EKF，尤其在多径效应强与非视距信号严重的城市峡谷环境中表现更优。
• FGO的性能对窗口尺寸高度敏感，存在一个在计算负载与估计精度之间取得最佳平衡的最优范围。
• 紧耦合的FGO组合相比松耦合的FGO能提供更优的定位结果，尤其当GNSS伪距误差非高斯分布时更为明显。
• 本研究发现，在测试的城市环境中，窗口尺寸在5至10秒之间时，能实现精度与计算成本的最佳权衡。
• 将FGO退化为类似EKF的估计器，证实FGO的主要性能优势源于滑动窗口上的全局优化，而不仅仅是状态估计本身。
• 信号遮挡与多径等环境因素会显著降低EKF性能，而FGO受其影响较小，这得益于其通过优化可修正历史状态的能力。