positionsuppskattning

Positionsuppskattning är processen att bestämma positionen hos ett objekt eller ett system relativt en referensram genom att kombinera mätningar från flera sensorer med en modell av rörelsen. Den används inom navigering, robotik, geodesi och förstärkt verklighet och kan avse lokalisation i en känd miljö eller att uppskatta en okänd karta genom SLAM.

Tillståndsvektorn i positionsuppskattning inkluderar vanligtvis position och hastighet, orientering (t.ex. riktningsvinkel och kvaternion eller Euler-vinklar) samt modell- eller sensorbiaser. En rörelsemodell beskriver hur tillståndet förändras över tiden, medan en mätmodell kopplar sensorutgångar till tillståndet.

Beräkningen av tillståndet sker vanligtvis som ett sannolikhetsbaserat problem. Vanliga metoder är Kalman-filter och dess varianter (EKF, UKF) för linjära eller svagt ickelinjära modeller, samt partikelfilter för starkt ickelinjära problem. I SLAM används ofta grafbaserade optimeringar för att kombinera mått över tid och samtidigt bygga en karta. Sensorfusion samordnar data från GPS, IMU, odometry, kameror, LiDAR, radar och liknande källor.

Utmaningar inkluderar sensorbrus, biaser och drift, tidsstämplingsfel, ocklusion och i fallet med enbart en kamera skalförändringar. Dålig observabilitet kan kräva loop closure i SLAM eller användning av externa referenssystem. Bedömning av kvalitet görs ofta med mått som RMSE och kovariansuppskattningar, samt konfidensintervall och jämförelser mot oberoende mätningar.