Chemnitz UT: ETIT: Automation Technology: Research Projects: Vehicle Localization
Study in Chemnitz. To know what is good.
Robust Satellite-based Vehicle Localization in Urban Environments
Introduction
A common challenge for vehicle localization based on global navigation satellite systems (GNSS) is the multipath problem. This problem occurs for instance in urban areas with high buildings: Although the direct line of sight to a satellite is blocked by a building, its signal may still reach the receiver on the ground via one or several reflections on building structures or the ground. Since the signal path is longer for the reflected signal, ranging errors occur that can either prolongate the observed pseudorange or, due to correlation effects, shorten it.
Multipath effects can also occur when the direct line of sight is free. In this
situation, the signal is received directly, but is also reflected on
a building or another structure in the vicinity of the receiver. Hence the signal
is received multiple times, leading to correlation errors.
The observations that are subject to multipath effects can be
considered outliers that can severely bias the least squares estimate of the
receiver's position. Even a single multipath measurement can lead
to a defective position estimate. The problem gets worse if one considers that
in urban environments not only one, but several satellite observations might be
affected by multipath effects.
Our Approach
Our recent work transfers advances in robust optimization from the field of
SLAM (Simultaneous Localization and Mapping) in robotics to the domain of
GNSS-based localization.
The methods developed there are very versatile and can be applied to other least squares problems where outliers have to be expected. Therefore we could successfully transfer the gained insights from SLAM into the domain of GNSS-based localization.
Our papers (see below) demonstrate how multipath observations can be identified and rejected during the least squares optimization that solves for the position estimate, without additional a priori knowledge or additional sensor information. We provide an introduction to factor graphs and how the GNSS-based localization problem can be expressed using such a graph structure. This will help the reader to understand the key idea of the proposed robust optimization scheme. The image on the right presents results acquired from a real-world dataset and compares our proposed solution against a highly accurate ground truth.
Contact
Please contact Dr. Niko Sünderhauf for any additional information.
Publications
- Sünderhauf, N., Obst, M., Lange, S., Wanielik, G., Protzel, P. (2013). Switchable Constraints and Incremental Smoothing for Online Mitigation of Non-Line-of-Sight and Multipath Effects. Proc. of IEEE Intelligent Vehicles Symposium (IV), Gold Coast, Australia
- Sünderhauf, N., Obst, M., Wanielik, G., Protzel, P. (2012). Multipath Mitigation in GNSS-Based Localization using Robust Optimization. Proc. of IEEE Intelligent Vehicles Symposium (IV), Madrid, Spain.
- Sünderhauf, N., Protzel, P. (2012). Towards Robust Graphical Models for GNSS-Based Localization in Urban Environments. Proc. of the IEEE Intl. Multi-Conference on Systems, Signals and Devices, SSD12, Chemnitz, Germany.
- Sünderhauf, N. (2012). Robust Optimization for Simultaneous Localization and Mapping. PhD Thesis, Chemnitz University of Technology.
Studentische Arbeiten
In diesem Themengebiet haben wir interessante Themen für studentische Abschlussarbeiten zu vergeben (Bachelor, Master, Diplom).
Die satelliten-gestützte Lokalisierung hat sich in den letzten zehn Jahren zu einer echten Alltagsanwendung entwickelt und ist zum Beispiel als Navigationsassistent im Fahrzeug allgegenwärtig. Die durch kostengünstige Empfänger erreichte Positionsgenauigkeit ist in den meisten Fällen ausreichend, um das Fahrzeug Straßen-genau zu lokalisieren. Für eine Fahrspur-genaue Lokalisierung (sog. lane level accuracy) reicht die Genauigkeit jedoch gerade in dicht bebauten Innenstädten noch nicht aus. Der Grund dafür sind sogenannte Mehrwege-Empfangsfehler, die durch die Reflektion von Satellitensignalen an Gebäuden entstehen.
Wir haben einen Ansatz entwickelt, solche Mehrwege-Effekte effektiv zu erkennen und zu eliminieren. Dadurch wird die Positionierung entscheidend verbessert.
In mehreren Bachelor- oder Masterarbeiten wollen wir unser System um weitere wichtige Komponenten ergänzen, um die Positionsgenauigkeit noch zu steigern: - Nutzung von Kartenmaterial Das verfügbare Kartenmaterial stellt eine wichtige Informationsquelle bei der Verbesserung der Positionsbestimmugn dar. Ein Fahrzeug wird sich zum Beispiel meist auf und nicht neben einer Straße befinden und sich auch meist in Richtung der Fahrbahn bewegen usw. Weiterhin können bestimmte Einschränkungen der möglichen Bewegungsgeschwindigkeit abgeleitet werden. In der Arbeit soll also die vom bisher schon vorhandenen Positionierungsmodul berechnete Position mit der Karte (z.B. von OpenStreetMaps) abgeglichen werden, Informationen extrahiert und an das Berechnungsmodul zurückgeleitet werden.
- Nutzung von Bewegungsmodellen Eine weitere Verbesserung der Positionierung ergibt sich, wenn die anhand der GPS-Daten geschätzte Bewegung des Fahrzeugs mit einem Bewegungsmodell abgeglichen werden. Zum Beispiel kann sich ein PKW nicht seitwärts bewegen und nicht beliebig beschleunigen. Verschiedene Bewegungsmodelle (zum Beispiel constant turn rate and velocity, constant turn rate and acceleration) sollen untersucht werden.
- Nutzung von Kamerabildern Immer mehr Fahrzeuge werden zukünftig mit Kameras ausgestattet sein, die von verschiedenen Assistenzsystemen genutzt werden können. Auch die Genauigkeit der Positionierung kann durch Nutzung der Kamerabilder noch verbessert werden.
