文章:GPS-aided Visual Wheel Odometry
作者:Junlin Song, Pedro J. Sanchez-Cuevas, Antoine Richard and Miguel Olivares-Mendez
编辑:点云PCL
摘要
本文介绍了一种新颖的用于地面机器人的GPS辅助视觉轮速里程计(GPS-VWO)方法。该状态估计算法通过多状态约束卡尔曼滤波器(MSCKF)紧融合了视觉、轮式编码器和GPS测量。为了避免随时间累积的校准误差,所提出的算法在线计算GPS全局坐标系与VWO参考坐标系之间的外参,作为估计过程的一部分。通过可观化分析和使用真实世界的视觉和轮式编码器测量值以及模拟的GPS测量验证,确保了这个外参的收敛性。此外文中提出了一个新颖的理论发现,即对于特定的卡尔曼滤波系统,不可观状态的方差可以收敛到零。我们在大规模城市驾驶场景中对所提出的系统进行了广泛评估。结果表明,通过融合GPS和VWO,实现了比单独使用GPS更准确的定位。外参校准与非校准的比较显示,在线校准显著提高了定位精度。
主要贡献
为了将GPS测量与VWO系统的位置输出相关联,有必要计算或估计这两个参考系的空间转换,本文中将其称为外参,在这项研究中,我们提出了一种基于滤波器的紧耦合的GPS-VWO系统,通过在线空间校准充分利用这些传感器的信息。与空间校准相关的外参的可观性分析表明,将此校准作为可观测变量添加到状态向量中是合理的。空间校准的在线校正提高了定位精度,并避免了随时间拖动大的不确定性。这项工作的贡献总结如下:
实验图集
图1:(a)坐标系。(b)两个差动轮(左右)速度之间的关系。
图2:不同参数化方法的旋转外参校准结果
图3:使用不同方法的距离误差比较,初始偏航误差分别为70.0°和120.0°。
图4:顶部:EVθ − EVθ0 随时间的收敛。底部:实际世界GPS位置协方差在三个方向上的示例。x和y方向上的值相近。
图5:使用不同方法比较对齐轨迹。
图6:随时间推移的距离误差。黄色阴影部分表示GPS至少不可用20秒。
总结
我们提出了一种新颖的基于MSCKF的GPS-VWO系统,该系统以紧密耦合的方式融合了相机、轮式编码器和GPS测量。讨论了GPS全局坐标系与VWO参考坐标系之间外参的可观测性,以决定是否将该参数包含在状态向量中进行在线细化。可观测性分析得出结论,外参的平移部分是不可观测的,而旋转部分在采用1DoF参数化时是可观测的。这一观察结果得到了仿真结果的支持。在多个大规模城市驾驶数据集上的实际实验结果表明,GPS和VWO的融合提供了比单独使用GPS更高的定位精度,而旋转外参的在线校准进一步提高了估计器的定位精度