ランドマークに生じた誤差の累積によるズレの最小化

　ランドマークを用いた自己位置推定では、ランドマークに対する相対位置からの推定を行うが、相対位置計測には誤差が生じ累積することでズレが生じる。そこで、ズレを低減するための手法を検討したい。

カルマンフィルタ

　カルマンフィルタとは、過去の推定値と現在のシステムへの入力およびシステムから計測したシステムの状態を推定する方法である。

カルマンフィルタのアルゴリズムについては、以下を参考にしてください。

Qiita カルマンフィルタ

https://qiita.com/taka_horibe/items/f85553c0ef842658e427

MathWorks カルマンフィルター

https://jp.mathworks.com/discovery/kalman-filter.html

拡張カルマンフィルタ

　一般的に、カルマンフィルタは線形カルマンフィルタを指し、この線形カルマンフィルタを非線形モデルに適用できるよう拡張した拡張カルマンフィルタがある。

拡張カルマンフィルタによる自己位置推定動作の可視化

https://qiita.com/Crafty_as_a_Fox/items/55448e2ed9ce0f340814

拡張カルマンフィルタによる計算については、以下を参考にしてください。

森本祐介, & 滑川徹. (2009, September). A24 拡張カルマンフィルタを用いた移動ロボットの自己位置推定と環境認識 (OS10 分散・協調・フォーメーション). In 「運動と振動の制御」 シンポジウム講演論文集 2009.11 (pp. 220-225). 一般社団法人 日本機械学会.

　拡張カルマンフィルタを用いることで、ノイズの元でも比較的正確な推定が行うことができると考えられる。そのため、拡張カルマンフィルタを用いてランドマークに生じる誤差の累積によるズレを最小化したい。しかし、カルマンフィルタの実装において、特定環境でのノイズ除去の失敗や、推定値のズレなどの問題が生じる。これらの原因は、カルマンフィルタが想定している前提条件にある。推定精度の向上には、運動モデルの非線形性や外れ値などといった想定する仮定を乱す要因の原因を見定める必要がある。