Recent advancements in non-linear filtering techniques provide for an opportunity to improve and rid past consistency issues in large scale simultaneous localization and mapping based on the extended Kalman filter as the chosen optimization method. This is important for the multitude of industries that rely on such algorithms when the Global Positioning System or other means of extracting absolute measurements of one's whereabouts is not available. Especially in robotics and augmented reality is exact and reliable localization information crucial for operation as well as acquiring the structure of the environment.
In this study, the invariant extended Kalman filter is rigorously investigated for its ability to correctly model uncertainty of the estimated states by avoiding the unfortunate mathematical properties of the current state of the art implementations of filter-based simultaneous localization and mapping; that is, the need to linearize around the true trajectory but as this information is obviously unknown, one must evaluate the linearization around the estimate instead which can lead to inconsistencies.
This enables robust and consistent fusing of local maps via the means of the information filter formulation which will save tremendous computational effort and reduce memory requirements. In order to use the non-linear uncertainty presentation for local mapping a novel extension of the framework of local mapping using the extended information filter is presented and tested in simulation and on a real data set using a camera and inertial measurements.
최근 비선형 필터링 기술의 발전은 확장칼만필터를 기반으로 하는 대규모 동시적 위치추정 및 지도작성 기술(SLAM: simultaneous localization and mapping)에서 일관성 문제를 개선할 수 있는 기회를 제공한다. 이는 GPS를 비롯한 자신의 절대적 위치를 추정하지 못하여 SLAM을 사용하는 수많은 산업에서 중요한 역할을 한다. 특히 로보틱스나 증강현실과 같은 분야에서 정확한 위치추정과 주위 환경에 대한 정보를 얻는 것이 필수적이다.
필터기반 SLAM에서 불확실한 위치정보를 사용하여 시스템을 선형화를 해야하는데 이는 일관성 문제로 이어지게 된다. 본 연구에서는, 불변 확장칼만필터를 이용하여 추정 된 상태의 불확실성을 정확하게 모델링 하였다.
정보 필터공식을 이용하여 강인하게 로컬 맵을 정합하였고, 연산량을 효과적으로 줄였다. 로컬 매핑에서 비선형 불확실성의 표현을 사용하기 위해 확장 정보필터를 사용한 로컬 매핑 프레임워크를 제안하였고 카메라 와 관성 측정 데이터를 이용한 시뮬레이션을 통하여 제안하는 알고리즘을 검증한다.
