李代数中联合分布位姿不确定性的表征
机器人学
2019-06-20 v1
摘要
对位姿不确定性的准确表征对于安全的自主导航至关重要。Smith、Self和Cheeseman（SCC）提出的早期位姿不确定性表征方法使用基于坐标的一阶方法，通过非线性函数（如位姿复合（首尾相接）、位姿求逆和相对位姿提取（尾尾相接））传播不确定性。在特殊欧氏群的李代数中表征不确定性可得到更好的不确定性估计。然而，现有方法假设各个位姿相互独立。由于位姿图中的因子会引入相关性，这一独立性假设通常不符合实际。此外，先前工作主要关注位姿复合操作。本文发展了建模联合分布位姿不确定性的框架，并描述了如何在李代数中表征不确定性的同时执行等价的SCC位姿操作。在模拟与开源数据集上的评估表明，所提方法能得到更准确的不确定性估计。同时发布了配套的C++库实现。此为2019年提交至IEEE TRO论文的预印本。
引用
@article{arxiv.1906.07795,
title = {Characterizing the Uncertainty of Jointly Distributed Poses in the Lie Algebra},
author = {Joshua G. Mangelson and Maani Ghaffari and Ram Vasudevan and Ryan M. Eustice},
journal= {arXiv preprint arXiv:1906.07795},
year = {2019}
}