論文の概要: Equivariant Filter for Radar-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2604.23033v1
- Date: Fri, 24 Apr 2026 21:47:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.110286
- Title: Equivariant Filter for Radar-Inertial Odometry
- Title（参考訳）: レーダ慣性オドメトリーのための等変フィルタ
- Authors: Giulio Delama, Jan Michalczyk, Morten Nissov, Martin Scheiber, Alessandro Fornasier, Kostas Alexis, Stephan Weiss,
- Abstract要約: 拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。
このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
- 参考スコア（独自算出の注目度）: 45.85581416235741
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radar-Inertial Odometry (RIO) based on the Extended Kalman Filter (EKF) relies on accurate extrinsic calibration between the radar and the Inertial Measurement Unit (IMU) and is sensitive to disturbances, as large linearization errors can degrade performance or even cause divergence. To address these limitations, this letter proposes an Equivariant Filter (EqF) for RIO based on a Lie group symmetry that geometrically couples navigation states and IMU biases, extending it to incorporate radar-IMU extrinsic calibration and multi-state constraint updates. This equivariant formulation inherently preserves consistency and enhances robustness, enabling reliable state estimation even under poor or completely wrong initialization of calibration states. Real-world experiments on two different Uncrewed Aerial Vehicles (UAVs) show that the proposed EqF-RIO achieves state-of-the-art accuracy under correct extrinsic calibration and offers improved convergence under large calibration errors, where the conventional EKF-RIO fails. Evaluation code is open-sourced.
- Abstract（参考訳）: 拡張カルマンフィルタ(EKF)に基づくレーダー・慣性オドメトリー(RIO)は、レーダーと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存しており、大きな線形化誤差が性能を低下させるか、あるいは分岐を引き起こす可能性があるため、障害に敏感である。
これらの制限に対処するため、この手紙は、航法状態とIMUバイアスを幾何学的に結合するリー群対称性に基づくRIOの等価変分フィルタ(EqF)を提案し、レーダー-IMU外在キャリブレーションと多状態制約更新を組み込むように拡張する。
この同変の定式化は本質的に一貫性を保ち、ロバスト性を高め、キャリブレーション状態の貧弱さや完全に間違った初期化の下でも信頼性の高い状態推定を可能にする。
2つの異なる無人航空機(UAV)における実世界の実験により、提案されたEqF-RIOは、正極端校正の下で最先端の精度を達成し、従来のEKF-RIOが失敗する大規模な校正誤差下での収束性を向上させることが示されている。
評価コードはオープンソースである。
関連論文リスト
- DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - Radar-Inertial Odometry with Online Spatio-Temporal Calibration via Continuous-Time IMU Modeling [0.0]
レーダー慣性オドメトリー(RIO)は、困難条件下での視覚およびLiDARベースのオドメトリーの強力な代替品として登場した。
本稿では,因子グラフ最適化の定式化において,共同で空間的・時間的キャリブレーションを行うRIOフレームワークを提案する。
提案した加速度と角速度の連続時間表現は,レーダIMU測定の非同期特性を正確に捉える。
論文 参考訳（メタデータ） (2026-03-20T14:00:58Z) - KD-EKF: Knowledge-Distilled Adaptive Covariance EKF for Robust UWB/PDR Indoor Localization [6.004649968619912]
屋内でのローカライゼーションは、センチメートルレベルの精度と低レイテンシを提供する。
非視界条件下では測定信頼性が著しく低下する。
慣性測定ユニット(IMU)をベースとしたPDR(Pedestrian Dead Reckoning)は,インフラストラクチャフリーな動作推定を提供する。
論文 参考訳（メタデータ） (2026-03-06T03:12:52Z) - How IMU Drift Influences Multi-Radar Inertial Odometry for Ground Robots in Subterranean Terrains [16.196972581962342]
レジリエンスな局所化とマッピングのためのIMUバイアス推定器を組み合わせた2段階MRIOフレームワークを提案する。
コスト効率のよいFMCWレーダーと異なるIMUをまたいで精度を維持し、PixhawkとVectorNavのような高品位のユニットで弾力性を示す。
提案フレームワークは,ロボットの推定翻訳および回転変位を利用して,レーダのみのマッピングを支援する。
論文 参考訳（メタデータ） (2026-02-27T17:15:50Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization [13.338971590090898]
AIMSは、退化環境における頑健な四足歩行ロボットの局所化のための適応型LiDAR-IMU-leg odometry fusion法である。
狭い廊下環境において得られた結果から,提案手法は最先端手法と比較して,局所化精度とロバスト性を向上させることが示された。
論文 参考訳（メタデータ） (2026-01-04T15:21:52Z) - Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。
学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。
また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
論文 参考訳（メタデータ） (2025-02-14T03:26:57Z) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。
我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。
全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
論文 参考訳（メタデータ） (2023-06-29T01:20:44Z) - Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。
このアプローチは校正手順を冗長にし、即時光の交換を可能にする。
焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
論文 参考訳（メタデータ） (2020-10-08T18:34:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。