Fault Detection Algorithm for Gaussian Mixture Noises: An Application in Lidar/IMU Integrated Localization Systems
NAVIGATION: Journal of the Institute of Navigation (2025)
journal
Q1
精选页面

摘要
这篇论文针对 Gaussian-mixture measurement noise 推导 chi-squared fault detector,并在 lidar/IMU localization system 中验证。
重点
- 方法把 GMM 假设下的 EKF residuals 转换成可用 chi-squared statistic 检测的形式。
- CARLA-based lidar/IMU 实验比较 Gaussian 与 Gaussian-mixture detectors 在 step 与 slope failures 下的表现。
图像
在推导 residual transformation 后,论文把方法套用到含 lidar range-bearing measurements 与 IMU propagation 的 EKF-based localization system。

lidar measurement model 定义后续进入 EKF 与 fault-detection statistic 的 residuals。

可控制的 simulation platform 提供可重复的 vehicle motion、map geometry 与可配置的 GMM-distributed noise。

在加入 faults 前,论文先显示 simulated route 中定位误差增加的位置,特别是 feature 较少的大转弯附近。

step-failure experiment 比较 GMM-based statistic 是否比 Gaussian baseline 更稳定检测 shaded failure period。

slope-failure case 测试 fault magnitude 随时间增加时,同一 detector 的检测行为。
