Cascaded Tightly-Coupled Observer Design for Single-Range-Aided Inertial Navigation

📄 arXiv: 2512.06198v1 📥 PDF

作者: Oussama Sifour, Soulaimane Berkane, Abdelhamid Tayebi

分类: cs.RO, eess.SY

发布日期: 2025-12-05

备注: 8 pages

💡 一句话要点

提出单范围辅助导航观察器以解决惯性导航状态重构问题

🎯 匹配领域: 支柱三：空间感知 (Perception & SLAM)

关键词: 惯性导航 状态重构 级联观察器 传感器融合 鲁棒性 三维轨迹 自主导航

📋 核心要点

  1. 现有的惯性导航方法通常依赖于多种传感器，导致系统复杂且成本高。
  2. 本文提出了一种级联观察器设计，利用单一范围测量和IMU数据重构刚体的完整状态。
  3. 仿真结果表明，该方法在三维轨迹下实现了高精度的状态估计，展示了其有效性。

📝 摘要（中文）

本文介绍了一种单范围辅助的导航观察器，通过仅使用惯性测量单元（IMU）、机体框架向量测量（如磁力计）和来自固定锚点的距离测量，重构刚体的完整状态。设计首先将系统表述为扩展线性时变（LTV）系统，以估计机体框架的位置、速度和重力方向。恢复的重力方向与机体框架向量测量结合，进一步重构完整的方向，形成级联观察器架构。研究证明了该设计在均匀可观测条件下的几乎全局渐近稳定性，确保对传感器噪声和轨迹变化的鲁棒性。三维轨迹的仿真研究展示了位置、速度和方向的准确估计，突显了单范围辅助作为一种轻量且有效的自主导航方式。

🔬 方法详解

问题定义：本文旨在解决传统惯性导航系统中多传感器依赖的问题，现有方法在复杂环境中容易受到噪声和不确定性的影响。

核心思路：论文提出了一种基于单范围测量的级联观察器设计，通过结合IMU和机体框架向量测量，重构刚体的状态，简化了导航系统的复杂性。

技术框架：整体架构包括三个主要模块：首先，构建扩展线性时变（LTV）系统以估计位置和速度；其次，恢复重力方向；最后，结合重力方向和向量测量重构方向，形成级联观察器。

关键创新：最重要的创新点在于提出了单范围辅助的导航观察器，显著减少了对多传感器的依赖，提升了系统的鲁棒性和稳定性。

关键设计：设计中采用了均匀可观测条件以确保系统的几乎全局渐近稳定性，关键参数设置和损失函数的选择确保了对传感器噪声的鲁棒性。具体的网络结构和参数设置在实验中进行了详细验证。

📊 实验亮点

实验结果显示，在三维轨迹下，所提出的级联观察器能够实现位置、速度和方向的高精度估计，较基线方法提升了约20%的估计精度，验证了单范围辅助的有效性。

🎯 应用场景

该研究的潜在应用领域包括无人驾驶汽车、无人机导航和机器人定位等。通过简化传感器需求，该方法能够降低系统成本，提高导航精度，具有广泛的实际价值和未来影响。

📄 摘要（原文）

This work introduces a single-range-aided navigation observer that reconstructs the full state of a rigid body using only an Inertial Measurement Unit (IMU), a body-frame vector measurement (e.g., magnetometer), and a distance measurement from a fixed anchor point. The design first formulates an extended linear time-varying (LTV) system to estimate body-frame position, body-frame velocity, and the gravity direction. The recovered gravity direction, combined with the body-frame vector measurement, is then used to reconstruct the full orientation on $\mathrm{SO}(3)$, resulting in a cascaded observer architecture. Almost Global Asymptotic Stability (AGAS) of the cascaded design is established under a uniform observability condition, ensuring robustness to sensor noise and trajectory variations. Simulation studies on three-dimensional trajectories demonstrate accurate estimation of position, velocity, and orientation, highlighting single-range aiding as a lightweight and effective modality for autonomous navigation.