时间之问：重新审视递归滤波在多传感器系统时间校准中的使用
系统与控制
2021-11-18 v3 机器人学
系统与控制
摘要
我们在多传感器数据融合背景下考察时间延迟估计（或称时间校准）问题。处理间隔的差异及其他因素通常导致来自不同传感器的测量更新之间存在相对延迟。正确的（最优）数据融合要求相对延迟必须预先已知或在线辨识。文献中近期已有若干利用扩展卡尔曼滤波（EKF）等递归因果滤波器确定延迟的提议。我们仔细审视该表述，并表明当将延迟作为待估参数纳入滤波器状态向量时，EKF（及相关算法）的结构存在根本性问题。这些结构问题进而使递归滤波器易于出现偏差与不一致。我们的理论分析得到仿真研究的支持，后者展示了在滤波器性能方面的后果；尽管滤波器噪声方差的调参可能降低不一致或发散的几率，但潜在的结构隐患依然存在。我们简要建议了在保持递归滤波用于时间校准的计算效率的同时规避标准滤波算法缺陷的途径。
引用
@article{arxiv.2106.00391,
title = {A Question of Time: Revisiting the Use of Recursive Filtering for Temporal Calibration of Multisensor Systems},
author = {Jonathan Kelly and Christopher Grebe and Matthew Giamou},
journal= {arXiv preprint arXiv:2106.00391},
year = {2021}
}
备注
In Proceedings of the IEEE International Conference on Multisensor Fusion and Integration (MFI'21), Karlsruhe, Germany, Sep. 23-25, 2021