Fusión basada en grafos frente a fusión basada en el Filtro de Kalman de Estado de Error para la estimación de pose en interiores de vehículos aéreos micro (MAV) utilizando datos 5G e inerciales

Resumen: Los datos de Tiempo de Llegada (ToA) de 5G New Radio tienen el potencial de revolucionar la localización en interiores para vehículos aéreos micro (MAVs). Sin embargo, su rendimiento bajo diferentes configuraciones de red, especialmente cuando se combina con datos de IMU para localización en tiempo real, no se ha explorado completamente hasta ahora. En este estudio, desarrollamos un Filtro de Kalman de Estado de Error (ESKF) y un enfoque de Optimización de Grafos de Pose (PGO) para abordar esta laguna. Evaluamos sistemáticamente el rendimiento de los enfoques derivados para la localización de MAV en tiempo real en escenarios realistas con estaciones base 5G en Línea de Vista (LOS), demostrando el potencial de las tecnologías 5G en este dominio. Con el fin de probar y comparar experimentalmente nuestros enfoques de localización, aumentamos el conjunto de datos de referencia de MAV EuRoC para odometría visual-inercial con mediciones de ToA 5G simuladas pero altamente realistas. Nuestros resultados experimentales evalúan integralmente el impacto de las diferentes configuraciones de red, incluyendo el número variable de estaciones base y configuraciones de red, sobre el rendimiento de localización de MAV basado en ToA. Los hallazgos muestran resultados prometedores para una localización continua y robusta utilizando mediciones de ToA 5G, logrando una precisión de 15 cm a lo largo de toda la trayectoria dentro de un marco basado en grafos con cinco estaciones base 5G, y una precisión de hasta 34 cm en el caso de la localización basada en ESKF. Además, medimos el tiempo de ejecución de ambos algoritmos y mostramos que ambos son lo suficientemente rápidos para su implementación en tiempo real.