面向资源受限移动机器人的超宽带定位基于学习的偏置校正
机器人学
2020-03-23 v1 机器学习
系统与控制
系统与控制
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。超宽带(UWB)测距是一种有前景的解决方案，与同步定位与建图等替代性最先进方法相比，其成本低、重量轻且计算开销小，特别适用于资源受限的空中机器人。然而，许多商用超宽带无线电提供不准确、有偏置的距离测量。本文中，我们提出一种兼容双向测距和到达时差超宽带定位的偏置校正框架。我们的方法包括两步：(i)统计离群值剔除与(ii)基于学习的偏置校正。该方法可扩展且足够轻量，可部署于纳米四旋翼的微控制器上。以往研究多聚焦于双向测距偏置校正，且未在闭环中使用资源受限机器人实现。实验结果表明，使用我们的方法，定位误差降低约18.5%和48%（分别为 TWR 和 TDoA），且四旋翼仅利用 UWB 的位置信息即可准确跟踪轨迹。
引用
@article{arxiv.2003.09371,
title = {Learning-based Bias Correction for Ultra-wideband Localization of Resource-constrained Mobile Robots},
author = {Wenda Zhao and Abhishek Goudar and Jacopo Panerati and Angela P. Schoellig},
journal= {arXiv preprint arXiv:2003.09371},
year = {2020}
}
备注
6 pages, 8 figures