rsasaki0109/kalman_filter_localization_ros2

解決する課題

このプロジェクトは、ロボットや車両のための高精度な位置推定システムを提供し、車両の位置、速度、姿勢（向き）をリアルタイムで推定する問題を解決します。特に、センサーノイズ、GNSSの途切れ（GPS信号の喪失）、IMUのバイアスドリフトなどの課題に対処し、個々のセンサーが故障したり不正確になったりした場合でも、車両が自身の位置を把握できるようにします。

仕組み

このシステムは、誤差状態拡張カルマンフィルタ（ESEKF）を使用して、複数のセンサーからのデータ（GNSS（位置と速度）、IMU（加速度と角速度）、車輪オドメトリ）を融合します。

主な技術的メカニズムは以下の通りです：

• Measurement Replay: 測定値を実際のセンサーのタイムスタンプで融合できるように、巻き戻しと再生を行うエンジンで、遅延を補正します。
• Robust Loss Functions: Huber損失およびCauchy損失を使用して、位置推定を歪ませる可能性のある「外れ値」測定値を無視します。
• Outagesへの対応: 非ホロノミック拘束（NHC）とゼロ速度更新（ZUPT）を統合し、GNSSの途切れの間も精度を維持します。
• Propagation Models: センサーの更新間の状態を計算するために、複数の積分方法（fast、exact、またはlegacy）を提供します。
• Smoothing: オプションの固定ラグRTSスムーザーを使用して、将来のデータを用いて過去の状態を再処理し、非常に高精度な参照軌跡を作成できます。

対象者

• 自律走行車両や地上ロボットを開発しているロボットエンジニア。
• センサー融合および位置推定アルゴリズムに焦点を当てている研究者。
• ナビゲーションスタックにROS 2を使用している開発者。

ハイライト

• マルチセンサー融合: GNSS、IMU、車輪速データを組み合わせます。
• 故障分離: 非有限の値や継続的に拒否されるサンプルを生成するセンサーを自動的に隔離します。
• バイアス推定: ジャイロスコープと加速度計のバイアスを継続的に推定し、補正します。
• 診断ツール: センサー構成の診断用の kf_doctor と、APEおよびRPE誤差を計算するための包括的な評価スイートが含まれています。
• UrbanNavのパフォーマンス: 長時間のGNSS途切れ（最大81.8秒）において、3D RMSEを600メートル以上から3.15メートルに削減できることを実証しました。