基于学习的偏置校正用于资源受限移动机器人的到达时间差超宽带定位
机器人学
2021-03-03 v1 机器学习
摘要
准确的室内定位是许多机器人应用（从仓库管理到监测任务）的关键使能技术。基于超宽带（UWB）到达时间差（TDOA）的定位是一种有前景的轻量、低成本方案，可扩展至大量设备——使其特别适合资源受限的多机器人应用。然而，由于显著的测量偏置与离群值，标准商用 UWB 无线电的定位精度通常不足。在本快报中，我们通过提出一个鲁棒 UWB TDOA 定位框架来解决这些问题，该框架包括（i）基于学习的偏置校正与（ii）基于 M 估计的鲁棒滤波以处理离群值。我们方法的关键特性在于（i）学习到的偏置可泛化至不同 UWB 锚点布置，且（ii）该方法计算效率足够高，可在资源受限硬件上运行。我们在 Crazyflie 纳米四旋翼上演示了该方法。实验结果表明，所提仅依赖机载 IMU 与 UWB 的定位框架，相比无偏置补偿的基线方法，平均实现了 42.08% 的定位误差降低（在三种不同锚点布置下）。我们还展示了使用我们 UWB TDOA 定位方法在四旋翼上的自主轨迹跟踪。
引用
@article{arxiv.2103.01885,
title = {Learning-based Bias Correction for Time Difference of Arrival Ultra-wideband Localization of Resource-constrained Mobile Robots},
author = {Wenda Zhao and Jacopo Panerati and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2103.01885},
year = {2021}
}
备注
8 pages, 9 figures, accepted for publication on the IEEE Robotics and Automation Letters and presentation at ICRA 2021