[论文解读] Relative Transformation Estimation Based on Fusion of Odometry and UWB Ranging Data

Thien Hoang Nguyen, Lihua Xie|arXiv (Cornell University)|Feb 1, 2022

Robotics and Sensor-Based Localization被引用 5

一句话总结

本文提出了一种基于优化的新方法，用于仅使用融合的航位推算（odometry）和超宽带（UWB）测距数据，估计机器人之间的4-自由度相对位姿变换（3D位置和航向角）。该方法引入了一种二次约束二次规划（QCQP）及其半定规划（SDP）松弛形式，相较于现有最先进方法表现更优——尤其在几何构型不佳或噪声较高的情况下——同时能有效处理传感器偏移、异常值及奇异构型问题。

ABSTRACT

In this work, the problem of 4 degree-of-freedom (3D position and heading) robot-to-robot relative frame transformation estimation using onboard odometry and inter-robot distance measurements is studied. Firstly, we present a theoretical analysis of the problem, namely the derivation and interpretation of the Cramer-Rao Lower Bound (CRLB), the Fisher Information Matrix (FIM) and its determinant. Secondly, we propose optimization-based methods to solve the problem, including a quadratically constrained quadratic programming (QCQP) and the corresponding semidefinite programming (SDP) relaxation. Moreover, we address practical issues that are ignored in previous works, such as accounting for spatial-temporal offsets between the ultra-wideband (UWB) and odometry sensors, rejecting UWB outliers and checking for singular configurations before commencing operation. Lastly, extensive simulations and real-life experiments with aerial robots show that the proposed QCQP and SDP methods outperform state-of-the-art methods, especially in geometrically poor or large measurement noise conditions. In general, the QCQP method provides the best results at the expense of computational time, while the SDP method runs much faster and is sufficiently accurate in most cases.

研究动机与目标

• 解决仅使用机器人自身航位推算与机器人间UWB测距数据，估计4-DoF相对位姿变换（3D位置与航向角）的挑战。
• 通过考虑UWB与航位推算之间的时间-空间传感器偏移，拒绝UWB异常值，并检测奇异构型，克服现有方法的局限性。
• 通过Cramér-Rao下界（CRLB）与费舍尔信息矩阵（FIM）分析，建立理论基础，以评估估计性能的理论极限。
• 开发实用且鲁棒的优化框架，在非视 Line-of-Sight（NLOS）传播与测量噪声等真实条件下的表现仍保持高精度。

提出的方法

• 将相对位姿变换估计问题建模为二次约束二次规划（QCQP），联合优化位置与航向角，利用UWB测距与航位推算测量数据。
• 对QCQP应用半定规划（SDP）松弛，以实现更快计算速度，仅损失极小精度，显著提升计算效率。
• 推导费舍尔信息矩阵（FIM）及其行列式，用于分析理论估计极限，并指导传感器配置设计。
• 引入时间-空间标定步骤，以校正UWB与航位推算数据流之间的时间延迟。
• 基于残差分析实现异常值拒绝机制，提升对多径或NLOS UWB测量的鲁棒性。
• 引入基于FIM行列式的预操作奇异构型检测方法，用于识别几何多样性差、导致估计精度下降的配置。

实验结果

研究问题

• RQ1 在几何构型不佳的情况下，所提出的航位推算与UWB测距融合方法如何提升4-DoF相对位姿变换估计性能？
• RQ2 基于Cramér-Rao下界（CRLB）量化，使用UWB与航位推算进行相对位姿变换估计的理论性能极限是什么？
• RQ3 UWB与航位推算之间的时间-空间传感器偏移如何影响估计精度？是否可有效补偿？
• RQ4 在高测量噪声或非视 Line-of-Sight（NLOS）条件下，所提出的QCQP与SDP方法是否能在精度与鲁棒性方面超越现有最先进方法？
• RQ5 几何多样性（如机器人轨迹形状）在估计性能中起什么作用？能否在操作前检测到性能较差的构型？

主要发现

• 基于QCQP的方法在所有评估方法中精度最高，尤其在几何构型差或噪声高的场景下表现优异。
• SDP松弛提供了计算高效的替代方案，精度损失可忽略，适用于实时应用。
• 基于FIM行列式的理论分析表明，当机器人沿几何多样性低的轨迹运动（如直线）时，估计性能显著下降。
• 所提方法成功缓解了时间-空间传感器偏移的影响，相比假设测量同步的方法，显著提升了估计精度。
• 基于残差分析的异常值拒绝机制，在NLOS与多径UWB条件下显著增强了系统鲁棒性。
• 基于FIM行列式的预操作奇异构型检测，可提前识别可能导致估计性能下降的配置。