Multi-stage Global Sensor Fusion for Navigation using Nonlinear Observers and eXogeneous Kalman Filter

Reduserte kostnader, miniatyrisering og økt tilgjengelighet av avanserte sensorsystemer er en viktig drivkraft og muliggjørende teknologi for nye produkter og tjenester. GPS, kamera, treghetssensorer, trykksensorer, radionavigasjon og magnetiske sensorer kan nå bygges inn i en rekke forskjellige enheter. Kjernen i disse systemene er basert på avansert programvare som kan omsette måledataene til nøyaktige og pålitelige estimater av posisjon, hastighet og orientering. Denne informasjonsprosesseringen avhenger av matematiske modeller av målesystemet og brukeren (for eksempel fartøyets bevegelse), og kalles integrert navigasjon. Prosjektet fokuserer på pålitelighet og ytelse i nye anvendelser gjennom robust og pålitelig prosesseringsarkitekturer, algoritmer og programvare for integrert navigasjon. Prosjektet er rettet mot å etablere fundamentale egenskaper for et nytt teoretisk fundament for integrert navigasjon og vil utvikle et åpent programvaresystem for hurtig prototyping of effektiv implementasjon av navigasjonsløsninger. Eksperimentell utprøving har vært rettet mot nye anvendelser av droner som må navigere under strenge krav til nøyaktighet og robusthet for å oppnå sikkerhet og oppdragets suksess. Dette inkluderer operasjonsbetingelser der satelittnavigasjon ikke er tilgjengelig, slik som industriell inspeksjon nært opp til strukturer som blokkerer eller forstyrrer signalene fra satelittene og når det er dårlig sikt.

The knowledge that is established through this project is of fundamental nature, and it forms a foundation for further theoretical and application-oriented research. This concerns in particular results on global stability and robustness of SLAM and new results on Kalman filtering. The software for state estimation for sensor fusion and navigation is advanced and with high TRL. It is a platform for applied research and has a potential for commercial exploitation. Postdoc and doctoral candidates that were financed by the project have completed successfully and entered into new positions in academic, research and industry.

Reduced cost, miniaturization, and increased availability of advanced sensors systems is a major driving force and enabler for new technology, products and services. GPS, cameras, inertial measurement units, pressure sensors, radio/network positioning, and magnetic sensors can now be embedded into almost any device. At the core of these systems there is advanced software that translates the measurements into accurate and reliable estimates of position, velocity and attitude. This processing depends on mathematical models of the sensor systems and the user (e.g. vehicle motion), and is called navigation sensor fusion. To ensure safety, reliability and performance of emerging applications, the project focuses on more robust and reliable processing architectures, algorithms and software for navigation sensor fusion. A main hypothesis is that the navigation sensor fusion problem can be solved with high accuracy, robustness and reliability using estimators and observers that have individual strong global properties. The underlying theoretical platform for the project is the use of estimator modules having strong global stability properties, in cascaded and weak feedback interconnections that ensures that the total system inherits their strong global stability properties. The project funds two postdoctoral researchers and one doctoral fellow, and is organized in 3 work packages: WP1: Theoretical basis for multi-stage navigation filtering, including a performance-enchancing use of the Kalman-filter where a linear time-varying model is computed by an exogenous nonlinear observer, the eXogenous Kalman Filter (XFK). WP2: Globally stable navigation sensor fusion using nonlinear range and range-rate measurements, including simultaneous localization and mapping. WP3: Open source navigation software based on Matlab GNC toolbox and automatically generated embedded C code. Experimental demonstrators targets emerging applications of unmanned aerial vehicles.