A Robust and Modular Multi-Sensor Fusion ApproachApplied to MAV Navigation

众所周知，将来自多个传感器的信息融合用于机器人导航导致增加的鲁棒性和准确性。然而，在现场部署之前准确校准传感器集合以及传感器中断，不同的测量速率和延迟，使得多传感器融合成为挑战。因此，为了简单起见，大多数系统都没有利用所有可用的传感器信息。例如，在需要将机器人从室内转移到室外的任务中，忽视全球定位系统（GPS）信号是常态，这些信号一旦在室外就可以免费获得，而是仅依靠传感器馈送（例如，视觉和激光）连续可用。 当然，这是以牺牲实际部署的稳健性和准确性为代价的。本文介绍了一个通用的框架，称为Multi-Sensor-FusionExtended Kalman Filter（MSF-EKF），能够处理来自理论上无限数量的不同传感器和传感器类型的延迟，相对和绝对测量，允许自我校准传感器套件。MSF-EKF的模块化允许无缝处理附加/丢失的传感器信号的编程操作，同时采用增加了迭代EKF（IEKF）更新的状态缓冲方案，以允许传播的有效再线性化以获得绝对和相对状态更新的近似最佳线性化点。我们使用配备有GPS接收器的微型飞行器（MAV）以及视觉，惯性和压力传感器来演示我们在室外导航实验中的方法。