UWB测距+视觉 一种新的多机器人协同定位算法解决方案 哈工大HITCSC团队

­­ ­ ­ ­ ­ ­ ­ 通过什么样的技术实现全天候下的蜂群编队的定位？基于低成本的UWB测距、定位技术（LinkTrack UWB高精度定位系统）与主动视觉，如何实现多台无人机的协同定位？对于EKF的协同定位(CL)的一致性问题，如何消除由于不可观测子空间错误降维引起的不一致性。哈工大HITCSC团队的郝宁博士的研究成果将提供一种新的思路，论文：KD-EKF: A Kalman Decomposition Based Extended Kalman Filter for Multi-Robot Cooperative Localization（文末附下载链接）。
­­ ­ ­ ­ ­ ­ ­ 本文从卡尔曼分解的角度研究了基于EKF的协作定位(CL)的一致性问题，该方法将可观测状态和不可观测状态进行分解，并对它们进行个别处理。首次明确地从状态传播和测量雅可比矩阵中分离和识别了导致不可观测子空间维数减少的误差差异项。我们证明了误差差异项导致全局方向被错误地可观测，进而导致状态估计不一致。提出了一种名为基于卡尔曼分解的EKF (KD-EKF)的CL算法来提高一致性。其关键思想是在转换后的坐标系中使用卡尔曼可观测规范形式进行状态估计。通过抵消误差差异项，可以确保适当的可观测性属性。更重要的是，修改后的状态传播和测量雅可比矩阵与在当前最佳状态估计下线性化非线性CL系统完全等效。因此，消除了由于不可观测子空间错误降维引起的不一致性。KD-EKF CL算法在蒙特卡罗模拟和真实世界实验中得到了广泛验证，并在准确性和一致性方面表现出比最先进算法更好的性能。
­­ ­ ­ ­ ­ ­ ­ 为了展示KD-EKF算法，文章中设计了一个由三个自主研发的空中机器人Hunter 2.0组成的多机器人系统。每个机器人配备了一个APM飞行控制器、一个Jetson NX嵌入式计算机、一个WIFI通信模块、一个Nooploop UWB模块和两个鱼眼相机。机载UWB模块和鱼眼相机（具有高达200°的超广视野）被用于测量机器人之间的相对位置。具体而言，文中实现了基于YOLOv5的目标检测器来提供相对方位观测。检测算法在机载计算机上以2Hz的频率运行。结合UWB模块的测距观测，可以获得机器人之间的相对位置。此外，采用基于优化的视觉惯性状态估计器来感知每个机器人的线性和角速度。机器人之间的相对位置和每个机器人的自身运动信息被发送到一个集中式服务器进行协同定位。此外，为了评估定位结果，使用Norkov运动捕捉系统跟踪每个机器人的真实位置和姿态信息。
参考资料

HITCSC团队所提供素材

论文链接：https://arxiv.org/pdf/2210.16086.pdf