通过同时模型选择与状态变量确定进行传感器模型识别

我们提出了一种方法，用于无人看守式的灰箱传感器模型识别，这类模型在机器人领域的定位算法中常见。目标是根据一目录可扩展的预定义传感器模型，确定对未知测量数据时间序列最可能的传感器模型。传感器模型定义可能需要刚体校准的状态以及专用参考系，以基于机器人定位状态复制测量值。引入一种健康指标，用于验证所选过程的结果，以检测假阳性并促进可靠决策。在第二阶段，生成所识别校准状态的初始估计值，评估传感器世界参考系的必要性。随后，将所识别的传感器模型及其参数信息用于参数化和初始化状态估计算法，从而确保新传感器元件的更准确和稳健集成。该方法对希望识别测量来源、传感器校准或传感器参考系的用户非常有帮助。它在模块化多主体场景和运行时通过传感器模态性质而增强的模块化机器人平台中也同样重要。总体而言，本工作旨在为下游应用简化传感器模态性质的集成，并规避定位方法中常见的陷阱。