1.论文信息
-
论文标题：Saying goodbyes to rotating your phone: Magnetometer calibration during SLAM
-
作者：Ilari Vallivaara, Yinhuan Dong, Tughrul Arslan
-
作者单位：爱丁堡大学
-
论文链接：https://arxiv.org/pdf/2409.01242
2.摘要
虽然室内定位仍然更普遍地使用Wi-Fi定位，但使用磁场特征作为替代或辅助信息来源已经变得广为人知并得到利用。磁力计偏差在磁场导航和SLAM中带来了重大挑战。传统上，磁力计通过使用标准球体或椭球体拟合方法以及要求用户手动操作，例如将智能手机以8字形旋转来进行校准。这并不总是可行的，特别是当磁力计附着在重或快速移动的平台，或者用户行为无法可靠控制时。最近的研究提出了在定位过程中使用地图数据进行标定。本文更进一步，验证了不需要预先收集的地图；相反，标定可以作为SLAM过程的一部分完成。提出的解决方案使用了一个分解粒子滤波器，该滤波器除了磁场图之外还分解出校准。该方法使用智能手机数据和办公室环境中的移动机器人数据进行了验证。结果支持了在SLAM期间可以实现与手动标定相当的磁力计校准精度的说法。此外，当在手动校准之上使用该方法时，似乎略微改进了手动校准，这表明有潜力整合各种校准方法。
3.实验仿真验证
4.总结 & 展望
在未来的工作中，我们计划研究校准搜索空间和残差。我们目前使用卡尔曼滤波器（KF）的方法是基础的，并且可能通过适当的分析和引入更复杂的滤波器（例如，无迹卡尔曼滤波器（UKF）或扩展卡尔曼滤波器（EKF））来改进。有信息的偏差初始化可以改善滤波器收敛，我们可以采取措施避免发散状态。粒子滤波器（PF）似然函数可以根据偏差不确定性进行自适应调整。还有一种众包式方法的可能性，即以前收集的地图数据用作SLAMnC的起点。它也可以与SLAC结合使用，以处理动态偏差。在更全面的数据集上测试提出的方法，并有适当的真值也是必要的。
我们提出了SLAMnC，这是一种基于RBPF的SLAM方法，用于偏差估计，它一致地估计磁力计偏差，而不需要显式标定动作。尽管有其局限性和直接的公式，初步结果非常有希望，并为进一步研究提供了一个很好的起点，以消除手动标定的需要。
更多优质内容，请关注公众号：智驾机器人技术前线
本文仅做学术分享，如有侵权，请联系删文！
标签：偏差,滤波器,磁力计,校准,标定,SLAM From： https://blog.csdn.net/techflowai/article/details/142499242