MR-ULINS: A Tightly-Coupled UWB-LiDAR-Inertial Estimator with Multi-Epoch Outlier Rejection

📄 arXiv: 2408.05719v2 📥 PDF

作者: Tisheng Zhang, Man Yuan, Linfu Wei, Yan Wang, Hailiang Tang, Xiaoji Niu

分类: cs.RO, eess.SP

发布日期: 2024-08-11 (更新: 2025-05-28)

备注: 8 pages, 9 figures

期刊: IEEE Robotics and Automation Letters ( Volume: 9, Issue: 12, December 2024)

DOI: 10.1109/LRA.2024.3498780

💡 一句话要点

提出MR-ULINS以解决GNSS拒绝环境中的定位漂移问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: UWB定位 LiDAR 惯性测量 多状态约束卡尔曼滤波 异常值检测 室内导航 机器人定位

📋 核心要点

  1. 现有的UWB-LiDAR集成方法在GNSS拒绝环境中存在定位漂移和鲁棒性不足的问题，尤其在NLOS信号干扰下表现不佳。
  2. 本文提出的MR-ULINS通过在MSCKF框架内紧密集成UWB、LiDAR和IMU测量，精确建模并在线补偿系统范围误差，提升了定位精度。
  3. 实验结果表明，MR-ULINS在复杂室内环境中实现了约0.1米的定位精度，且在线估计和多时期异常值拒绝显著提高了定位性能。

📝 摘要（中文）

本文提出了一种紧密耦合的UWB-LiDAR-惯性估计器MR-ULINS，旨在实现全球导航卫星系统（GNSS）拒绝环境中的无漂移定位。研究中，UWB信号受到系统范围误差和非视距（NLOS）信号的影响，导致鲁棒性降低。MR-ULINS在多状态约束卡尔曼滤波器（MSCKF）框架内，紧密集成了UWB范围、LiDAR帧间和IMU测量。通过精确建模系统范围误差并在线估计和补偿，结合多时期异常值拒绝算法，MR-ULINS在复杂室内环境中实现了约0.1米的定位精度，显示出在LiDAR退化场景和UWB挑战条件下的高精度和鲁棒性。

🔬 方法详解

问题定义：本文旨在解决在GNSS拒绝环境中，UWB-LiDAR集成定位系统因系统范围误差和NLOS信号干扰而导致的定位漂移和鲁棒性不足的问题。

核心思路：MR-ULINS通过在多状态约束卡尔曼滤波器（MSCKF）框架内紧密集成UWB、LiDAR和IMU测量，精确建模系统范围误差并进行在线补偿，同时引入多时期异常值拒绝算法，以提高定位精度和鲁棒性。

技术框架：MR-ULINS的整体架构包括UWB范围测量、LiDAR帧间匹配和IMU数据融合三个主要模块，利用MSCKF进行状态估计和误差补偿。

关键创新：最重要的技术创新在于精确建模系统范围误差并在线估计，同时结合多时期异常值拒绝算法，显著提高了在NLOS条件下的测量一致性和定位精度。

关键设计：在设计中，采用了滑动窗口方法来验证范围测量的一致性，关键参数设置包括误差模型的选择和异常值检测的阈值设定，以确保系统在复杂环境中的稳定性和准确性。

📊 实验亮点

实验结果显示，MR-ULINS在复杂室内环境中实现了约0.1米的定位精度，相较于传统方法，定位精度显著提升。在线估计和多时期异常值拒绝算法的引入，进一步增强了系统在NLOS干扰下的鲁棒性。

🎯 应用场景

该研究的潜在应用领域包括室内导航、无人驾驶、机器人定位等，尤其是在GNSS信号弱或不可用的环境中。MR-ULINS的高精度和鲁棒性使其在实际应用中具有重要价值，能够支持更广泛的自动化和智能化场景。

📄 摘要（原文）

The LiDAR-inertial odometry (LIO) and the ultra-wideband (UWB) have been integrated together to achieve driftless positioning in global navigation satellite system (GNSS)-denied environments. However, the UWB may be affected by systematic range errors (such as the clock drift and the antenna phase center offset) and non-line-of-sight (NLOS) signals, resulting in reduced robustness. In this study, we propose a UWB-LiDAR-inertial estimator (MR-ULINS) that tightly integrates the UWB range, LiDAR frame-to-frame, and IMU measurements within the multi-state constraint Kalman filter (MSCKF) framework. The systematic range errors are precisely modeled to be estimated and compensated online. Besides, we propose a multi-epoch outlier rejection algorithm for UWB NLOS by utilizing the relative accuracy of the LIO. Specifically, the relative trajectory of the LIO is employed to verify the consistency of all range measurements within the sliding window. Extensive experiment results demonstrate that MR-ULINS achieves a positioning accuracy of around 0.1 m in complex indoor environments with severe NLOS interference. Ablation experiments show that the online estimation and multi-epoch outlier rejection can effectively improve the positioning accuracy. Besides, MR-ULINS maintains high accuracy and robustness in LiDAR-degenerated scenes and UWB-challenging conditions with spare base stations.