FEJ-VIRO: A Consistent First-Estimate Jacobian Visual-Inertial-Ranging Odometry这篇论文是发表在2022年IROS上的一篇文章,这篇文章基于MSCKF进行改进,添加了UWB传感器;提出了一种用于初始化UWB锚点和状态增强的长短滑动窗口策略;推导了视觉惯性紧耦合优化- range估计器的可观测性分析,指出了理想情况下VIRO存在的4个不可观测方向并提出了一种FEJ - VIRO框架,扩展了FEJ技术以保持一致性,从而显著提高了估计精度。
一、问题背景
本文的应用背景是live operation of robotic systems的情况,要求高稳定性;目的是终端实现自主定位,对计算效率与成本要求高;VIO系统有累计漂移误差。结合超宽带( Ultra Wideband,UWB )测量是一种很有前途的解决方案,可以低成本地部署在室内和室外环境中。本文主要针对UWB锚节点位置未知且在运行过程中需要同时估计的情况进行研究。
二、主要假设
1、假设环境中有三个位置未知的UWB锚点。
2、基于MSCKF的基本假设。
三、理论流程
1、状态估计器设计
a.状态向量
(1)k时刻的状态向量矩阵
(2)k时刻的IMU状态向量
(3)k时刻的UWB锚点在全局帧中的位置表示
(4)IMU位姿短窗
(5)IMU位姿长窗
((4)、(5)用于估计UWB锚点位置)
b.IMU传播
c.相机测量模型
d.UWB测距更新
(1)基于IMU得到的载体位置,经过变换后得到载体上的UWB传感器位置,将其减去UWB锚点的全局位置得到载体与UWB锚点间的距离:(这里并没有用到UWB传感器的真实测量值)
(2)锚点与锚点之间的距离:
(3)得到雅可比矩阵用于EKF更新
e.UWB和相机时间同步
2、UWB初始化
长短窗内有n个IMU位姿,可以建立如下方程组:(这里我有个问题没解决:这里的dri是否和上面的d(1)的dri不一样,因为如果一样是由IMU得到的话这个方程组就是左右一样了,这里的dri是载体UWB直接的测量值吗?我猜测是和上面不一样的,上面之所以直接用IMU算得的,因为那就是最优值了这里的测量值也是朝那个逼近。)
由于上述方程组总是病态,建立如下优化问题,使用高斯牛顿法求解,从而得到锚点全局位置:
通过线性化估计该初始化方法的协方差矩阵如下 :
3、一致性分析(这里没太看懂)
定理1:由定理1可知,由于全局平移和偏航旋转是不可观测的,采用视觉-惯性-测距估计器无法实现无漂移状态估计。但是可以通过多传感器融合算法来提高估计精度。
定理2:定理2指出,如果在最新的估计状态下对测距测量模型进行线性化,VIRO系统会获得关于全局偏航方向的虚假信息,从而导致估计器的不一致性。
为了设计一致状态估计器,我们需要迫使估计模型(实际案例)的不可观测子空间与理想情况相同,从而防止虚假信息增益,减少不一致性。在基于EKF的VIO中也存在不一致性问题,并且已经提出了几种设计一致性滤波器的方法,如第一估计雅可比( FEJ )思想[ 27 ]和OC方法[ 28 ]。在本文中,我们将传统的FEJ扩展到VIRO系统中,通过在第一次估计的机器人位姿和UWB锚点位置处评估测量雅克比矩阵。我们遵循[ 27 ]的方法对IMU的传播和视觉更新进行FEJ。随着这些变化,实际情况下的可观测性矩阵O的零空间保持与理想情况下相同。
四、实验方案
基于OpenVINS进行实现。
1、仿真实验
该文扩展了Open - VINS提供的仿真实用程序,额外模拟了3个UWB锚节点的测距测量,噪声密度为0.15 m,偏差为- 0.75 m。为了验证不一致性问题,在三个不同的仿真数据集上测试了所提出的VIRO,并评估了它们的归一化估计误差平方和。
为了进一步评估所提出的长短窗口结构,将其与仅使用短滑动窗口的方法进行UWB初始化的比较。(见图FEJ-VIRO-S)
当在当前状态估计下对测距测量模型进行线性化时,不可观测方向的数量从4个减少到3个,其中关于引力的旋转变为(错误)可观测。为了进一步验证理论,绘制了在三个模拟数据集上测试的VIRO和FEJ - VIRO (如下图)的3 - σ界限。由图可知,在UWB锚点初始化后,VIRO估计的z轴旋转3 - σ (不确定度)迅速减小。然而,已经证明视觉惯性测距估计器关于重力的旋转是不可观测的,因此VIRO对估计的z轴旋转是过度自信的。而过度自信是导致不一致性的主要原因。
2、真实场景实验验证定位效果
使用南洋理工VIRAL数据集,比较了openvins、VINS-Fusion、VIRO、VIRO(FEJ)四种定位方案的效果。
五、创新总结
提出了一种用于初始化UWB锚点和状态增强的长短滑动窗口策略;推导了视觉惯性紧耦合优化- range估计器的可观测性分析,指出了理想情况下VIRO存在的4个不可观测方向提出了一种FEJ - VIRO框架,扩展了FEJ技术以保持一致性,从而显著提高了估计精度。
滤波器的方法计算效率高,稳定性高,适用于针对UWB锚点位置未知且在作业过程中需要同时估计的情况。直接EKF更新操作来融合UWB测量会导致不一致性,这篇文章解决了不一致性的问题。
主要创新点就是两点:UWB锚点估计,FEJ技术保持滤波器融合一致性。