Pseudo-Outlier Method in Vision-Aided Navigation System Using Prior Information

Abstract

In this work, we proposed an algorithm designed for realistic vision-aided navigation systems. Random sample consensus, the most popularly used algorithm for vision-aided navigation systems, is not properly operated in real-world situations with pseudo-outliers like a moving object taking a large part of the image. The proposed method was designed to replace the conventional algorithm using prior information from an additional reliable sensor. We evaluated the proposed algorithm in a simulation to verify that it can filter out the large moving feature group like bus or truck and can achieve better performance than the conventional algorithm. We also applied our algorithm to a vision-aided wheel odometry system with a multi-state constraint Kalman filter in a real-time system. The results demonstrate that the proposed algorithm prevents the malfunction of the classic algorithm and improves the accuracy of position estimation, especially when there is a pseudo-outlier.

이 논문에서는 실제적인 영상 보조 항법 시스템에 적용하기 위한 알고리즘을 제안하였다. 영상 보조 시스템에서 가장 많이 사용하는 무작위 추출 컨센서스의 경우 움직이는 물체와 같은 수도-아웃라이어 때문에 실제 세상에 적용하기 힘들다. 제안한 알고리즘은 이와 같은 기존 방법의 문제를 해결하고자 고안되었으며, 시스템을 운용하는 센서로부터 사전 정보를 받아 이용한다. 큰 물체가 화면의 대부분을 가리는 경우에 적절하게 행동하는지 판별하기 위해 시뮬레이션 시행하여 확인하였다. 제안된 알고리즘을 검증하고자 휠 오도메트리와 자이로스코프 및 영상을 결합한 다중상태조건 칼만 필터 시스템을 이용하여 실제 취득한 데이터에 적용하였다. 기존 알고리즘이 오동작하는 수도-아웃라이어가 있는 경우에도 제안한 알고리즘은 적절하게 동작하였으며, 궤적 추정의 정확도가 향상되는 것을 확인하였다.