Loosely Coupled Factor Graph Optimization for Pseudolite-Augmented Navigation

Riepilogo Tecnico: Ottimizzazione di Grafo dei Fattori Accoppiata in Modo Lasco per la Navigazione Potenziata da Pseudoliti

Enunciato del Problema
La localizzazione accurata è fondamentale per i veicoli autonomi, tuttavia le prestazioni del Sistema Globale di Navigazione Satellitare (GNSS) si degradano frequentemente in ambienti come tunnel e canyon urbani a causa di ostruzioni del segnale, multipercorso e interruzioni. Sebbene la fusione del GNSS con Unità di Misurazione Inerziale (IMU) costituisca un approccio standard per mitigare tali problemi, i dati IMU soffrono di deriva senza correzioni frequenti. Gli pseudoliti (PL), che trasmettono segnali simili al GNSS, offrono una soluzione per migliorare la disponibilità del segnale e la geometria in ambienti degradati. Tuttavia, i metodi di integrazione esistenti per GNSS e PL si basano prevalentemente sulla stima dei Minimi Quadrati (LS) e spesso non riescono a incorporare i dati IMU. Inoltre, a conoscenza degli autori, nessun lavoro precedente ha integrato gli PL con altri sensori utilizzando l'Ottimizzazione del Grafo dei Fattori (FGO), un framework noto per la sua capacità di sfruttare misurazioni storiche ed eseguire ottimizzazioni iterative.

Metodologia
Il documento propone un framework di Ottimizzazione del Grafo dei Fattori (FGO) accoppiato in modo lasco (LC) progettato per fondere misurazioni GNSS, PL e IMU.

• Definizione dello Stato: Lo stato del sistema al tempo $t_i$ include la matrice di rotazione ($R^e_b$), la posizione ($p^e_b$), la velocità ($v^e_b$) e i bias per l'accelerometro ($b_a$) e il giroscopio ($b_g$).
• Formulazione dei Fattori:
  • Fattore IMU Preintegrato: Modella il moto tra stati consecutivi utilizzando la preintegrazione IMU, tenendo conto dei residui di rotazione, velocità e posizione.
  • Fattore Bias IMU: Modella l'evoluzione temporale dei bias dell'accelerometro e del giroscopio.
  • Fattore Posizione GNSS/PL: Utilizza una soluzione standard dei Minimi Quadrati derivata dalle misurazioni combinate di pseudodistanza GNSS e PL per stimare la posizione dell'antenna. Questa posizione è quindi correlata allo stato IMU tramite una trasformazione del braccio di leva.
• Struttura del Grafo: Il grafo dei fattori aggiunge nodi di stato e fattori di misurazione man mano che arrivano nuovi dati GNSS/PL. Le misurazioni IMU ad alta frequenza tra le epoche GNSS/PL vengono preintegrate in singoli fattori che collegano gli stati. Un fattore a priori vincola lo stato iniziale.
• Ottimizzazione: Il sistema risolve per la stima a posteriori massima (MAP) minimizzando la somma degli errori quadratici derivanti dal fattore a priori, dai fattori di posizione e dai fattori IMU.

Configurazione Sperimentale
Il framework è stato validato utilizzando dati reali raccolti in un parcheggio presso l'Università delle Forze Armate di Monaco di Baviera.

• Hardware: Un rover equipaggiato con un'antenna GNSS/PL multibanda e un IMU MEMS. Due trasmettitori PL hanno irradiato segnali simili a Galileo E1BC.
• Scenario: Per emulare condizioni di GNSS degradato, l'esperimento ha utilizzato solo i quattro satelliti GPS con elevazione più alta in una finestra di 80 secondi.
• Configurazioni: Lo studio ha confrontato le prestazioni attraverso quattro configurazioni di segnale: solo GPS, GPS + 1 PL (PL01), GPS + 1 PL (PL02) e GPS + 2 PL.
• Baseline: L'approccio FGO proposto è stato confrontato con un metodo LS standard (senza IMU) e con una baseline GNSS-IMU.

Risultati Chiave
La valutazione dimostra che il framework FGO supera costantemente i metodi LS standard in tutte le configurazioni di segnale:

• Riduzione dell'Errore: FGO ha ottenuto una riduzione del 22,8% al 41,3% dell'errore 3D medio rispetto a LS. Nell'errore 2D, i miglioramenti sono variati dal 11,9% al 21,1%.
• Qualità della Traiettoria: FGO ha prodotto traiettorie più lisce e ha mostrato una ridotta sensibilità al rumore di misurazione rispetto a LS, in particolare nello scenario solo GPS dove l'osservabilità è limitata.
• Impatto degli Pseudoliti: L'inclusione dei trasmettitori PL ha ulteriormente migliorato l'accuratezza di posizionamento rispetto a una baseline GNSS-IMU. Tuttavia, l'entità del miglioramento dipendeva dalla disposizione geometrica dei trasmettitori.
  • La configurazione GPS+2PL ha prodotto la migliore accuratezza 3D (PDOP più basso).
  • La configurazione GPS+PL02 ha raggiunto l'errore 2D più basso, nonostante avesse un VDOP (Vertical DOP) peggiore rispetto al caso singolo PL01.
• Correlazione DOP: Sebbene le tendenze della Diluizione della Precisione (DOP) siano generalmente allineate con le prestazioni di posizionamento, gli autori notano che la DOP da sola non determina completamente l'accuratezza, poiché fattori come il multipercorso e il bias dell'orologio influenzano anch'essi l'errore finale.

Significato e Affermazioni
Il documento afferma di presentare la prima integrazione di Pseudoliti con altri sensori utilizzando l'Ottimizzazione del Grafo dei Fattori. Il significato primario di questo lavoro risiede nella validazione dell'efficacia dell'FGO per la navigazione assistita da PL in ambienti con visibilità satellitare limitata. I risultati confermano che un framework FGO accoppiato in modo lasco può fondere robustamente dati GNSS, PL e IMU per migliorare significativamente l'accuratezza di posizionamento rispetto ai metodi LS tradizionali. Gli autori concludono che, sebbene la configurazione geometrica degli PL influenzi i guadagni specifici, l'approccio rappresenta una soluzione praticabile per migliorare la robustezza della navigazione in ambienti GNSS degradati. Il lavoro futuro è identificato nell'investigare un'integrazione accoppiata in modo stretto per migliorare ulteriormente robustezza e accuratezza.