Probabilistic modeling for sensor fusion with inertial measurements
Manon Kok · Linköping studies in science and technology. Dissertations · 2016
In recent years, inertial sensors have undergone major developments.The quality of their measurements has improved while their cost has decreased, leading to an increase in availability.They can be found in stand-alone sensor units, so-called inertial measurement units, but are nowadays also present in for instance any modern smartphone, in Wii controllers and in virtual reality headsets.The term inertial sensor refers to the combination of accelerometers and gyroscopes.These measure the external specific force and the angular velocity, respectively.Integration of their measurements provides information about the sensor's position and orientation.However, the position and orientation estimates obtained by simple integration suffer from drift and are therefore only accurate on a short time scale.In order to improve these estimates, we combine the inertial sensors with additional sensors and models.To combine these different sources of information, also called sensor fusion, we make use of probabilistic models to take the uncertainty of the different sources of information into account.The first contribution of this thesis is a tutorial paper that describes the signal processing foundations underlying position and orientation estimation using inertial sensors.In a second contribution, we use data from multiple inertial sensors placed on the human body to estimate the body's pose.A biomechanical model encodes the knowledge about how the different body segments are connected to each other.We also show how the structure inherent to this problem can be exploited.This opens up for processing long data sets and for solving the problem in a distributed manner.Inertial sensors can also be combined with time of arrival measurements from an ultrawideband (uwb) system.We focus both on calibration of the uwb setup and on sensor fusion of the inertial and uwb measurements.The uwb measurements are modeled by a tailored heavy-tailed asymmetric distribution.This distribution naturally handles the possibility of measurement delays due to multipath and non-line-of-sight conditions while not allowing for the possibility of measurements arriving early, i.e. traveling faster than the speed of light.Finally, inertial sensors can be combined with magnetometers.We derive an algorithm that can calibrate a magnetometer for the presence of metallic objects attached to the sensor.Furthermore, the presence of metallic objects in the environment can be exploited by using them as a source of position information.We present a method to build maps of the indoor magnetic field and experimentally show that if a map of the magnetic field is available, accurate position estimates can be obtained by combining inertial and magnetometer measurements.v Populärvetenskaplig sammanfattningNär regissören Seth MacFarlane animerade teddybjörnen Ted i den storsäljande filmen med samma namn, lånade han ut inte bara sin röst utan också sin kropp till Ted.Genom att montera en mängd sensorer på kroppen, kan man lagra rörelsemönster digitalt, och sedan spela upp dem i exempelvis en animerad teddybjörn.Tekniken har använts inte bara i en stor mängd filmer, utan också av spelindustrin för att utveckla verklighetstrogna avatarer, i medicinsk rehabilitering, och för att analysera och optimera rörelsemönster inom elit-idrott.Denna avhandling behandlar en rad forskningsproblem kring denna typ av sensorer, av exakt samma modell som användes i filmen Ted.Sensorerna som används är en kombination av så kallade tröghetssensorer (eng.inertial sensors) sammansatta i små enheter.Varje enhet mäter acceleration inklusive tyngdaccelerationen med accelerometer och rotationshastigheter med gyroskop.Dessa sensorer kan tillsammans ge information om enhetens orientering och position.Här används även andra sensortyper och annan information, såsom matematiska modeller.Eftersom dessa modeller är en förenkling av verkligheten och sensormätningar aldrig är exakta, vill vi kombinera olika informationskällor, och ange hur mycket vi kan lita på varje källa.Detta kallas sensorfusion och kan göras med probabilistiska modeller som kan representera osäkerhet.En sådan modell som används för att skatta kroppens rörelser är en biomekanisk modell som beskriver kroppens olika delar och hur dessa kan röra sig.I vår modell är dessa kroppsdelar sammankopplade.Vi antar alltså att personen inte förlorar kroppsdelar under experimenten.Denna typ av information kan användas för att animera teddybjörnen Ted eller för att skapa avatarer i dataspel.Om vi även vill att de ska interagera, till exempel hålla hand, behöver vi veta var de är.För att åstadkomma detta kan vi lägga till positionsmätningar.En typ av sensor som ofta kombineras med tröghetssensorer är magnetometrar.Dessa mäter magnetfältet och man kan likna den vid en kompass som tillhandahåller information om sensorns orientering.I denna avhandling används magnetometern även för att bestämma sensorns position.Magnetometern mäter om det finns magnetiskt material i till exempel möbler eller i byggnaden.Denna information kan man använda för att avgöra var i byggnaden sensorn befinner sig.Utvecklingen av tröghetssensorer har gått snabbt de senaste åren.Kvaliteten på mätningarna har ökat samtidigt som kostnaden har minskat, vilket har lett till en ökad tillgänglighet.Idag finns de exempelvis i mobiltelefoner, handkontroller till Wii tv-spel och i virtual reality headsets.Allt detta öppnar upp möjligheter för flera spännande tillämpningar inom detta intressanta forskningsområde.Denna avhandling visar att bra information om orientering och position kan fås genom att kombinera olika sorters mätningar och modeller.Kanske kan det leda till att vi kan animera teddybjörnar i våra egna vardagsrum om några år! vii The quote above symbolizes one of the things that I sometimes forget: I often try to do everything at once.My supervisor, Thomas Schön, has often had to remind me that this is a bad plan and to tell me that I'm "not allowed" to do more things.The reason that I am trying to do all these things, however, is that I enjoy my work so much.The Automatic Control Group at Linköping University is a very inspiring environment and working in the group has been a truly wonderful experience.I am very grateful to Thomas Schön, Fredrik Gustafsson and Svante Gunnarsson for giving me the opportunity to join the group.I am also grateful for the financial support of mc Impulse, a European Commission, fp7 research