通过几何流形上的地形辅助多传感器融合实现无人地面车辆的一致性位姿估计
机器人学
2026-01-29 v1
摘要
为提高扩展卡尔曼滤波器在陆地车辆定位中的一致性及长期精度，本文引入了流形误差状态扩展卡尔曼滤波器（M-ESEKF）。通过将机器人位姿表示在降维空间中，该方法确保了在一般光滑曲面上的可行估计，而无需引入可能降低滤波器性能的人为约束或简化。相应的测量模型兼容常见的松耦合和紧耦合传感器模态，并隐式地考虑了地面几何形状。我们通过引入一种新颖的校正方案扩展了该公式，该方案将额外的领域知识嵌入传感器数据，从而提供更精确的不确定性近似并进一步增强滤波器一致性。所提出的估计器被无缝集成到一个经过验证的模块化状态估计框架中，展示了与现有实现的兼容性。跨多种场景和动态传感器配置的大量蒙特卡洛仿真表明，M-ESEKF在一致性和稳定性方面优于经典滤波器公式。此外，它消除了对特定场景参数调整的需求，使其能够应用于各种实际环境。
引用
@article{arxiv.2508.14661,
title = {Consistent Pose Estimation of Unmanned Ground Vehicles through Terrain-Aided Multi-Sensor Fusion on Geometric Manifolds},
author = {Alexander Raab and Stephan Weiss and Alessandro Fornasier and Christian Brommer and Abdalrahman Ibrahim},
journal= {arXiv preprint arXiv:2508.14661},
year = {2026}
}