融合 5GNR 到达时间与 IMU 的微型无人机室内定位位姿图优化
机器人学
2023-06-19 v1
摘要
本文探讨了在不同场景与条件下，将 5G 新空口（NR）到达时间（TOA）数据与惯性测量单元（IMU）数据融合用于室内无人机定位的潜力。我们的方法包括执行基于图的优化，以从多传感器测量中估计无人机的位置与姿态。由于缺乏真实世界数据，我们使用 Matlab 5G 工具箱与 QuaDRiGa（准确定性无线信道生成器）信道模拟器，为 EuRoC MAV 室内数据集生成 TOA 测量，该数据集提供 IMU 读数与飞行无人机的真实 6DoF 位姿。因此，我们创建了十二个序列，将 QuaDRiGa 的三种预定义室内场景设置与 2 至 5 个基站天线组合。实验结果表明，在足够数量的基站和高带宽 5G 配置下，位姿图优化方法实现了精确的无人机定位，整体轨迹平均误差小于 15 cm。此外，所采用的基于图的优化算法速度快，可轻松实现于微型无人机（MAV）上的实时位姿跟踪。
引用
@article{arxiv.2306.09826,
title = {Pose Graph Optimization for a MAV Indoor Localization Fusing 5GNR TOA with an IMU},
author = {Meisam Kabiri and Claudio Cimarelli and Hriday Bavle and Jose Luis Sanchez-Lopez and Holger Voos},
journal= {arXiv preprint arXiv:2306.09826},
year = {2023}
}