Joint Magnetometer-IMU Calibration via Maximum A Posteriori Estimation

Probleemstelling

Magnetometers en Inertial Measurement Units (IMU's) zijn essentieel voor toepassingen zoals robotica, augmented reality en navigatie. Echter, de nauwkeurigheid van deze sensoren (vooral in consumentenklasse) wordt beïnvloed door sensorfouten zoals bias, schalingsfactoren en niet-orthogonale asjes. Daarnaast zijn magnetometers zeer gevoelig voor magnetische verstoringen door ferromagnetische materialen.

Traditionele kalibratiemethoden behandelen vaak sensoren individueel, wat leidt tot fouten in de uitlijning van de coördinatenstelsels tussen de sensoren. Voor systemen met meerdere sensoren is kruis-sensor kalibratie noodzakelijk. Bestaande in-situ methoden (kalibratie zonder extra apparatuur) vallen vaak in twee categorieën:

1. Statische methoden: Vereisen dat de sensor in discrete posities wordt geplaatst (tijdrovend en beperkt in oriëntatiebereik).
2. Dynamische methoden: Laten de sensor bewegen. Twee toonaangevende methoden zijn:
   • Kok et al. [10]: Formuleert het probleem als Maximum Likelihood (ML) met een Extended Kalman Filter (EKF). Dit is nauwkeurig maar computatie-intensief omdat het numerieke afgeleiden vereist (door het EKF meerdere keren te draaien).
   • Wu et al. [12]: Gebruikt een Maximum A Posteriori (MAP) schatting met een EKF, maar schat alleen de huidige oriëntatie, niet de volledige traject. Dit is sneller, maar de nauwkeurigheid is gevoelig voor de keuze van linearisatiepunten.

Het doel van dit artikel is een methode te ontwikkelen die een betere balans biedt tussen kalibratie-nauwkeurigheid en rekenkracht.

Methodologie

De auteurs stellen een nieuwe joint MAP-schatting (Maximum A Posteriori) voor. In tegenstelling tot eerdere methoden, behandelen ze zowel de kalibratieparameters ($\theta$) als de volledige oriëntatietrajectorie ($x_{0:T}$) als onbekenden die gelijktijdig worden geschat.

Kernpunten van de methode:

1. Gecombineerde Posterior: Het probleem wordt geformuleerd als het maximaliseren van de gezamenlijke posterior $p(\theta, x_{0:T} | y_{1:T}, \tilde{u}_{0:T-1})$. Dit leidt tot een eenvoudigere objectief functie dan bij de ML-methode van Kok et al.
2. Analytische Afgeleiden: Door de specifieke formulering kunnen analytische afgeleiden (Jacobians) worden afgeleid. Dit elimineert de noodzaak voor numerieke differentiatie, wat de rekentijd drastisch verlaagt.
3. Optimalisatie op Mannigvuldigheden: De optimalisatie wordt uitgevoerd op de manifold $SO(3)$ (rotaties) met behulp van het Gauss-Newton-algoritme. De kostenfunctie omvat termen voor accelerometer, magnetometer en gyroscoopmetingen, inclusief IMU-preintegratie voor efficiëntie bij verschillende sample rates.
4. Initialisatie: De methode gebruikt een robuuste initialisatieprocedure, inclusief intrinsieke en extrinsieke kalibratie van de magnetometer en schatting van de gyroscoop-bias vanuit stationaire data.

Belangrijkste Bijdragen

1. Nieuwe Kalibratiemethode: Een MAP-gebaseerde methode voor gezamenlijke kalibratie die de volledige oriëntatietrajectorie en parameters gelijktijdig schat.
2. Theoretische Analyse: Een vergelijking van de voorgestelde methode met bestaande state-of-the-art methoden (Kok et al. en Wu et al.) binnen hetzelfde MAP-raamwerk, inclusief analyse van de onderliggende aannames en asymptotische complexiteit.
3. Uitgebreide Validatie: Een empirische evaluatie op zowel gesimuleerde als real-world datasets, waarbij de prestaties worden vergeleken in termen van nauwkeurigheid (RMSE) en rekentijd.
4. Open Source: De datasets en algoritmen zijn openbaar beschikbaar gemaakt voor reproduceerbaar onderzoek.

Resultaten

De prestaties zijn getest op gesimuleerde data en een real-world experiment met een array van 1 IMU en 30 magnetometers.

• Nauwkeurigheid: De voorgestelde methode bereikte de laagste Root Mean Square Error (RMSE) voor de geschatte kalibratieparameters. In vergelijking met de andere methoden werd de kalibratenauwkeurigheid met 20–30% verbeterd.
• Rekenefficiëntie:
  • De methode is aanzienlijk sneller dan de methode van Kok et al. (de meest nauwkeurige concurrent).
  • In een real-world experiment werden 30 magnetometer-IMU-paren gekalibreerd in minder dan twee minuten op een standaard laptop.
  • Dit is één orde van grootte (10x) sneller dan de implementatie van de state-of-the-art methode van Kok et al.
• Navigatieprestaties: Wanneer de gekalibreerde data werd gebruikt in een magnetisch-veld-gesteunde inertiale navigatiesysteem (MAINS), leverde de voorgestelde methode een positieprestatie op die vergelijkbaar was met die van de meest nauwkeurige state-of-the-art methode, en aanzienlijk beter dan de methode van Wu et al.
• Robuustheid: De methode bleek robuust tegenover kleine initialisatiefouten in de gyroscoop-bias en presteerde goed bij verschillende sample-rate verhoudingen tussen IMU en magnetometer.

Betekenis en Conclusie

Deze paper introduceert een betrouwbare en effectieve oplossing voor het gezamenlijk kalibreren van magnetometer-IMU paren. De belangrijkste doorbraak is het bereiken van superieure nauwkeurigheid zonder in te leveren op snelheid.

Terwijl eerdere nauwkeurige methoden (zoals die van Kok et al.) te traag waren voor praktische toepassingen vanwege numerieke differentiatie, en snellere methoden (zoals die van Wu et al.) minder nauwkeurig waren door EKF-benaderingen, biedt deze nieuwe MAP-methode het beste van beide werelden. Het maakt snelle, in-situ kalibratie mogelijk voor grote arrays van sensoren, wat essentieel is voor toepassingen zoals gedistribueerde sensornetwerken, robotica en hoogwaardige navigatiesystemen.