杂乱环境中基于UWB到达时间差的不确定性感知高斯混合模型定位
摘要：基于UWB TDOA的定位已成为一种低成本且可扩展的室内定位解决方案。然而，在有障碍物的复杂环境中，UWB TDOA定位的性能下降，这是由于障碍物引起的偏斜和非高斯噪声分布。在这项工作中，我们提出了一个双层优化的联合定位和噪声模型学习算法来解决这个问题。我们使用高斯混合模型（GMM）来近似测量噪声分布。我们明确将估计状态的不确定性纳入GMM噪声模型学习中，称为具有不确定性意识的GMM，以提高噪声建模和定位性能。我们首先在许多模拟场景中评估GMM噪声模型学习和定位性能。然后，我们通过在两个不同的拥挤环境中进行大量的实际实验来证明我们算法的有效性。我们展示了我们的算法利用低成本UWB传感器提供准确的位置估计，不需要对空间中的障碍物有先验知识，并且能够实现对大量UWB无线电的遮挡。
作者：Wenda Zhao, Abhishek Goudar, Mingliang Tang, Xinyuan Qiao, Angela P. Schoellig
论文ID：2307.16848
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-01