基于图模型的无人集群同步自定位与相对定位

doi:10.7527/S1000-6893.2023.29708

集群智能与协同控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于图模型的无人集群同步自定位与相对定位

熊骏¹^,²(), 解相朋¹, 熊智³, 庄园², 郑宇⁴

^1.南京邮电大学物联网学院，南京 210042
^2.武汉大学测绘遥感信息工程国家重点实验室，武汉 430079
^3.南京航空航天大学自动化学院，南京 211106
^4.中国兵器工业导航与控制技术研究所，北京 100089

收稿日期:2023-10-12 修回日期:2023-11-14 接受日期:2023-12-01 出版日期:2023-12-08 发布日期:2023-12-07
通讯作者: 熊骏 E-mail:xiongjun@njupt.edu.cn
基金资助:
国家自然科学基金(62203228);南京邮电大学引进人才自然科学研究启动基金(NY221137);航空科学基金(ASFC-2022Z0220X9001);武汉大学测绘遥感信息工程国家重点实验室开放研究基金（22P01）;中国博士后科学基金(2023M742216)

Synchronized self⁃localization and relative⁃localization of unmanned swarms based on graph model

Jun XIONG¹^,²(), Xiangpeng XIE¹, Zhi XIONG³, Yuan ZHUANG², Yu ZHENG⁴

^1.College of Internet?of?Things，Nanjing University of Posts and Telecommunications，Nanjing 210042，China
^2.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China
^3.College of Automation，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China
^4.Navigation and Control Technology Research Institute of China North Industries Group Corporation，Beijing 100089，China

Received:2023-10-12 Revised:2023-11-14 Accepted:2023-12-01 Online:2023-12-08 Published:2023-12-07
Contact: Jun XIONG E-mail:xiongjun@njupt.edu.cn
Supported by:
National Natural Science Foundation of China(62203228);Natural Science Research Start-up Foundation of Recruiting Talents of Nanjing University of Posts and Telecommunications(NY221137);Aeronautical Science Foundation of China(ASFC-2022Z0220X9001);Open Research Fund Program of LIESMARS, Wuhan University （22P01）;China Postdoctoral Science Foundation(2023M742216)

摘要/Abstract

摘要：

协同定位是一种在导航基础设施受限环境下提高无人集群定位精度的技术，包含无人载体的自定位和相对定位2方面。其中，自定位用于获取自身绝对位姿，相对定位用于获取载体间的相对位姿。然而，现有协同定位方法通常解决其中一方面问题而忽视另一方面，这不仅限制了协同定位的工程应用价值，也忽视了集群运动与个体运动间约束关系，从而降低协同估计性能。为解决该问题，本文提出了一种可同时进行自定位和相对定位的协同估计方法。以概率约束关系构建概率图模型，用于描述自定位状态、相对定位状态和集群量测间的概率关系；利用高斯信息形式在图模型中进行定位状态边缘概率求解，实现图模型高效计算。实验结果表明，本方法不仅能够实现自定位和相对定位的同步估计，且估计精度优于传统协同定位方法，自定位误差与相对定位误差分别降低59.2%和30.3%，为集群协同导航定位提供了一种新的融合框架。

关键词: 无人集群, 协同定位, 图模型, 相对定位, 自定位

Abstract:

Cooperative localization， including self-localization and relative-localization of unmanned carriers， is a technology that improves the localization accuracy of unmanned swarms in navigation infrastructure-limited environments. Self-localization is used to obtain the absolute pose of oneself， and relative-localization is used to obtain the relative pose between carriers. However， existing cooperative localization methods usually solve one aspect of the problem while ignoring the other， which not only limits the engineering application value of cooperative localization but also ignores the constraint relationship between swarm motion and individual motion； thereby， reducing cooperative estimation performance. To solve this problem， this paper proposes a Simultaneous Self and Relative Localization （SSRL） method that can parallelly perform self-localization and relative-localization of collaborative swarm. A probability graph model is constructed with probability constraint relationships to describe the probability relationship between self-localization states， relative localization states， and swarm measurements. Moreover， Gaussian information form is used to estimate the marginal probability of localization states in the graph model via an efficient approach. The experimental results show that SSRL can not only achieve simultaneous estimation of self-localization and relative-localization， but also has better estimation accuracy than traditional cooperative localization methods. The self-localization error and relative-localization error are reduced by 59.2% and 30.3%， respectively， indicating that SSRL provides a new fusion framework for swarm cooperative localization systems.

Key words: unmanned swarm, cooperative localization, graph model, relative-localization, self-localization

中图分类号:

V249.3

熊骏, 解相朋, 熊智, 庄园, 郑宇. 基于图模型的无人集群同步自定位与相对定位[J]. 航空学报, 2023, 44(S2): 729708-729708.

Jun XIONG, Xiangpeng XIE, Zhi XIONG, Yuan ZHUANG, Yu ZHENG. Synchronized self⁃localization and relative⁃localization of unmanned swarms based on graph model[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(S2): 729708-729708.

图/表 12

图 1

表 1

符号定义

符号	定义
$R$	无人载体集合
$L$	地标集合
$C i (t)$	t时刻与载体i有量测关系的其他载体集合
$s i (t)$	t时刻载体i的自定位状态（节点）
$r i j (t)$	t时刻载体i、j的相对定位状态（节点）
$u ˜ i (t)$	t时刻载体i的自身运动量测
$z ˜ i j (t)$	t时刻载体i获得相对于其他载体、地标j的量测
$M i t$	t时刻载体i的运动量测功能节点
$L l j t$	t时刻载体i关于地标j的相对量测功能节点
$F j t$	t时刻由载体j自定位状态构成的量测功能节点
$C i j t$	t时刻载体i、j相对运动约束功能节点
$R i j t$	t时刻载体i、j相对量测功能节点
$η$	信息向量
$Λ$	信息矩阵
$J$	雅各比矩阵
$m s i t → X$	由状态节点 $s i (t)$ 广播至因子 $X$ 的消息
$m X → s i t$	状态节点 $s i (t)$ 接收的来自因子 $X$ 的消息

表 1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

参考文献 21

1	OUYANG X F， ZENG F L， LV D Q， et al. Cooperative navigation of UAVs in GNSS-denied area with colored RSSI measurements［J］. IEEE Sensors Journal， 2021， 21（2）： 2194-2210.
2	NOH Y， YAMAGUCHI H， LEE U. Infrastructure-free collaborative indoor positioning scheme for time-critical team operations［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2018， 48（3）： 418-432.
3	徐博，王权达，李盛新，等. 基于马氏距离结合自适应滤波的协同定位方法［J］. 中国惯性技术学报， 2021， 29（5）： 617-624.
	XU B， WANG Q D， LI S X， et al. Cooperative location method based on Mahalanobis distance and adaptive filter［J］. Journal of Chinese Inertial Technology， 2021， 29（5）： 617-624 （in Chinese）.
4	HUANG Y L， ZHANG Y G， XU B， et al. A new adaptive extended Kalman filter for cooperative localization［J］. IEEE Transactions on Aerospace and Electronic Systems， 2018， 54（1）： 353-368.
5	陈明星，熊智，刘建业，等. 基于因子图的无人机集群分布式协同导航方法［J］. 中国惯性技术学报， 2020， 28（4）： 456-461.
	CHEN M X， XIONG Z， LIU J Y， et al. Distributed cooperative navigation method of UAV swarm based on factor graph［J］. Journal of Chinese Inertial Technology， 2020， 28（4）： 456-461 （in Chinese）.
6	WU X W， XIAO B， WU C H， et al. Factor graph based navigation and positioning for control system design： A review［J］. Chinese Journal of Aeronautics， 2022， 35（5）： 25-39.
7	XU H Y， WANG C C， BO Y M， et al. An aerial and ground multi-agent cooperative location framework in GNSS-challenged environments［J］. Remote Sensing， 2022， 14（19）： 5055.
8	WYMEERSCH H， LIEN J， WIN M Z. Cooperative localization in wireless networks［J］. Proceedings of the IEEE， 2009， 97（2）： 427-450.
9	XIONG J， XIONG Z， DING Y M， et al. Multihypothesis Gaussian belief propagation for radio ranging-based localization and mapping［J］. IEEE Transactions on Instrumentation and Measurement， 2022， 71： 1-13.
10	RANGAN S， SCHNITER P， FLETCHER A K. Vector approximate message passing［C］∥ 2017 IEEE International Symposium on Information Theory （ISIT）. Piscataway： IEEE Press， 2017： 1588-1592.
11	王小刚. 非线性滤波方法在无人机相对导航上的应用研究［D］. 哈尔滨：哈尔滨工业大学， 2010.
	WANG X G. Research on application of nonlinear filtering method in relative navigation of UAV［D］.Harbin： Harbin Institute of Technology， 2010 （in Chinese）.
12	CHAKRABORTY A， SHARMA R， BRINK K. Cooperative localization for multi-rotor UAVs［C］∥ Proceedings of the AIAA Scitech 2019 Forum. Reston： AIAA，2019.
13	熊骏，熊智，于永军，等. 超宽带测距辅助的无人机近距离相对导航方法［J］. 中国惯性技术学报， 2018， 26（3）： 346-351.
	XIONG J， XIONG Z， YU Y J， et al. Close relative navigation algorithm for unmanned aerial vehicle aided by UWB relative measurement［J］. Journal of Chinese Inertial Technology， 2018， 26（3）： 346-351 （in Chinese）.
14	DE PONTE MÜLLER F. Survey on ranging sensors and cooperative techniques for relative positioning of vehicles［J］. Sensors， 2017， 17（2）： 271.
15	WU H， WU P F， SHI Z S， et al. An aerial ammunition ad hoc network collaborative localization algorithm based on relative ranging and velocity measurement in a highly-dynamic topographic structure［J］. Defence Technology， 2023， 25： 231-248.
16	XU H， WANG L Q， ZHANG Y C， et al. Decentralized visual-inertial-UWB fusion for relative state estimation of aerial swarm［C］∥ 2020 IEEE International Conference on Robotics and Automation （ICRA）. Piscataway： IEEE Press， 2020： 8776-8782.
17	SUDDERTH E B， IHLER A T， ISARD M， et al. Nonparametric belief propagation［J］. Communications of the ACM， 2010， 53（10）： 95-103.
18	ORTIZ J， EVANS T， DAVISON A J. A visual introduction to gaussian belief propagation ［DB/OL］. arXiv preprint： 2107.02308， 2021.
19	DAVISON A J， ORTIZ J. Future mapping 2： Gaussian belief propagation for spatial AI ［DB/OL］. arXiv preprint：1910.14139， 2019.
20	LEUNG K Y， HALPERN Y， BARFOOT T D， et al. The UTIAS multi-robot cooperative localization and mapping dataset［J］. The International Journal of Robotics Research， 2011， 30（8）： 969-974.
21	ALAM N， DEMPSTER A G. Cooperative positioning for vehicular networks： Facts and future［J］. IEEE Transactions on Intelligent Transportation Systems， 2013， 14（4）： 1708-1717.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	王鼎, 尹洁昕, 张欣光, 郑娜娥. 一种基于加权多维标度分析的多个非相关源TDOA/FDOA协同定位方法[J]. 航空学报, 2023, 44(7): 327105-327105.
[2]	沈博, 武文亮, 杨刚, 周兴社. 基于群体OODA的无人集群系统智能评价模型及方法[J]. 航空学报, 2023, 44(14): 328003-328003.
[3]	牛皓飞, 蔡庆中, 李健, 杨功流. 基于图优化的通信受限环境下协同导航方法[J]. 航空学报, 2023, 44(11): 327342-327342.
[4]	刘闯, 鱼小军, 张婷, 朱豪坤. 无人集群装备仿真试验关键技术现状及趋势[J]. 航空学报, 2022, 43(S1): 726919-726919.
[5]	向锦武, 董希旺, 丁文锐, 索津莉, 沈林成, 夏辉. 复杂环境下无人集群系统自主协同关键技术[J]. 航空学报, 2022, 43(10): 527570-527570.
[6]	钟日进, 陈琪锋. 利用集群内测距和对目标测向的协同定位方法[J]. 航空学报, 2020, 41(S1): 723768-723768.
[7]	张峰. 一种IRST双机协同被动探测机动目标定位新方法[J]. 航空学报, 2020, 41(2): 322988-322988.
[8]	卢虎, 蒋小强, 闵欢. 具有通信约束的分布式SOR多智能体轨迹估计算法[J]. 航空学报, 2019, 40(10): 323056-323056.
[9]	郭云飞, 张沛男, 才智. 基于DP-SA的机载外辐射源无源协同定位[J]. 航空学报, 2018, 39(7): 321835-321835.
[10]	杜彦伸, 魏平, 张花国. 一种新的基于TDOA与GROA的无源定位算法[J]. 航空学报, 2015, 36(9): 3034-3040.
[11]	陈浩;李军;景宁;刘湘辉;唐宇. 电磁探测卫星星上自主规划模型及优化算法[J]. 航空学报, 2010, 31(5): 1045-1053.
[12]	康荣杰;焦宗夏;Jean Charles Mare;尚耀星;吴帅. 电动静液作动器非线性框图建模与鲁棒控制方法[J]. 航空学报, 2009, 30(3): 518-525.

基于图模型的无人集群同步自定位与相对定位

Synchronized self⁃localization and relative⁃localization of unmanned swarms based on graph model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 21

相关文章 12

编辑推荐

Metrics

本文评价