Range-Visual-Inertial Sensor Fusion for Micro Aerial Vehicle Localization and Navigation

我们提出了一种基于固定滞后平滑器的传感器融合架构，以利用基于距离的传感器和视觉惯性测量（VIO）的互补优势进行定位。我们使用两个固定滞后平滑器（FLS）来分离精确的状态估计和高速姿态生成，以进行闭环控制。第一个FLS结合超宽带（UWB）基于距离的测量和VIO来估计机器人轨迹和影响杂乱环境下距离测量的任何系统偏差。第二个FLS估计对VIO的平滑校正，以生成高速姿态估计，用于在线控制。所提出的方法轻量化，可以在计算受限的微型飞行器（MAV）上运行。我们通过在多个真实杂乱室内环境中进行动态轨迹的闭环飞行测试来验证我们的方法。我们的方法使用现成的传感器实现了分米至亚分米级的定位精度，并使用最小调整的开源控制器实现了分米级的跟踪精度。

本文旨在利用基于固定滞后平滑器的传感器融合架构，结合范围传感器和视觉惯性测量（VIO）的互补优势，用于定位。论文试图解决如何在复杂环境中实现高精度的机器人定位和控制的问题。

本文提出了一种轻量级的方法，使用两个固定滞后平滑器（FLS）来解耦准确的状态估计和高速率姿态生成，以进行闭环控制。第一个FLS将超宽带（UWB）测距和VIO结合起来，以估计机器人轨迹和影响杂乱环境中测距测量的任何系统偏差。第二个FLS估计平滑的VIO校正，以生成高速率的姿态估计，用于在线控制。

本文的亮点包括：使用轻量级方法实现高精度的机器人定位和控制；在多个真实世界的杂乱室内环境中进行了闭环飞行测试，并实现了亚分米级的定位精度和分米级的跟踪精度；使用了商用传感器和开源控制器。

最近的相关研究包括：'A Survey of Range Sensors in Robotics'、'Visual-Inertial Navigation: A Concise Review'、'A Survey of Unmanned Aerial Vehicles (UAVs) for Traffic Monitoring'等。