n8Nooploop2023-08-25T13:43:47+08:00
本案例来源于麻省理工学院航空航天学院Jonathan P. How教授课题组发表的论文,作者为Andrew Fishberg:Multi-Agent Relative Pose Estimation with UWB and Constrained Communications(基于UWB和约束通信的多智能体相对位姿估计)。
论文概述:对于在缺乏外部定位基础设施或先验环境知识的情况下操作的任何多机器人系统,代理间相对定位是至关重要的。我们提出了一种新的代理间相对2D姿态估计系统,其中每个参与代理都配备了几个超宽带(UWB)测距标签。先前的工作通常用额外的连续传输数据(如里程计)来补充有噪声的UWB距离测量,使得这些方法随着群大小的增加或通信吞吐量的降低而难以扩展。该方法通过仅使用本地收集的UWB测量而不使用额外传输的数据来解决这些问题。通过在我们提出的优化解决方案中对观测到的测距偏差和系统天线障碍物进行建模,我们的实验结果表明,与另外依赖于连续传输里程计的类似最先进方法相比,平均位置误差得到了改善(同时在其他度量中保持竞争力)。
实施细节:在机器人上安装4个UWB节点,机器人之间的UWB节点相互测距,基于数学几何模型,计算出相对坐标、航向角。机器人平台基于四旋翼无人机,UWB节点基于Nooploop空循环 LinkTrack UWB高精度定位系统,运行于DR Mode分布式测距模式。
在DR Mode中,每一个节点实时测量到其他节点的距离,并接收来自其他节点的数传数据,同时也可以将自身的数据通过通信接口传输给其他节点,实现测距与通信功能。每一个节点输出数据内容中包含统一的系统时间,实现同步授时功能。典型测距精度为10cm,刷新频率高达200Hz。