多IMU铰接刚体系统的扩展位姿估计的不变卡尔曼滤波
本研究提出了一种用于多IMU铰接刚体系统的扩展位姿估计的不变卡尔曼滤波方法。通过引入相对L扩展位姿这一李群表示，并结合迭代不变扩展卡尔曼滤波（IterIEKF），该方法有效处理了关节运动学约束，在UR5e机器人和人体腿部验证中，均方根误差降低至少50%。
来源arXiv Robotics作者: Sven Goffin, C\'edric Schwartz, Silv\`ere Bonnabel, Olivier Br\"uls, Pierre Sacr\'e
在机器人技术和人体运动分析领域，准确估计由多个惯性测量单元（IMU）构成的铰接刚体系统的扩展位姿（包括方向、速度和位置）是一项关键挑战。传统的不变扩展卡尔曼滤波器（IEKF）虽能对单个刚体提供收敛保证和不可观测性下的一致性，但直接应用于关节式系统时却面临困难：刚体间的位姿耦合阻碍了直接应用，而如何将关节运动学约束纳入不变滤波框架仍是一个开放问题。
为了填补这一空白，研究者引入了相对L扩展位姿——一种针对运动学树系统设计的李群表示。通过在每个刚体上安装一个IMU，该表示实现了群仿射动力学，并允许以不变形式表达关节约束。这些约束被作为无噪声伪测量集成到迭代不变扩展卡尔曼滤波器（IterIEKF）中，从而保留了不变滤波的收敛和一致性保证。
该方法在UR5e工业机器人和人体腿部数据集上进行了验证。结果显示，所提出的IterIEKF在所有测试场景中均优于标准EKF、迭代EKF以及基于绝对位姿的IterIEKF基线算法。它不仅在更少的迭代次数内收敛，而且运行间的变异性更低，均方根误差（RMSE）显著降低。与第二优的滤波器相比，误差削减幅度至少达到50%，证明了该方法在复杂铰接系统中的有效性和鲁棒性。
这一成果为多IMU铰接系统的精确位姿估计提供了新的有效解决方案，有望推动机器人操控、外骨骼控制以及人体运动捕捉等领域的发展。该论文由Sven Goffin等人撰写，已提交至arXiv，论文编号为2606.25083。