基于单目视觉与测距信息的无人机集群定位方法

doi:10.7527/S1000-6893.2024.31281

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于单目视觉与测距信息的无人机集群定位方法

李坤¹^,², 布树辉¹^,²(), 李佳朋¹^,², 王俱博玺¹^,², 韩鹏程¹^,², 李霄翰¹^,², 李浩玮¹^,²

^1.西北工业大学航空学院，西安 710072
^2.飞行器基础布局全国重点实验室，西安 710072

收稿日期:2024-09-27 修回日期:2024-10-17 接受日期:2024-11-22 出版日期:2024-12-12 发布日期:2024-11-29
通讯作者: 布树辉 E-mail:bushuhui@nwpu.edu.cn
基金资助:
国家资助博士后研究人员计划(GZB20240986)

UAV swarm positioning method based on monocular vision and ranging information

Kun LI¹^,², Shuhui BU¹^,²(), Jiapeng LI¹^,², Juboxi WANG¹^,², Pengcheng HAN¹^,², Xiaohan LI¹^,², Haowei LI¹^,²

^1.School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2.National Key Laboratory of Aircraft Configuration Design，Xi’an 710072，China

Received:2024-09-27 Revised:2024-10-17 Accepted:2024-11-22 Online:2024-12-12 Published:2024-11-29
Contact: Shuhui BU E-mail:bushuhui@nwpu.edu.cn
Supported by:
Postdoctoral Fellowship Program of CPS(GZB20240986)

摘要/Abstract

摘要：

无人机集群在低空经济中发挥着关键作用，是推动该领域发展的重要力量。集群定位信息是实现无人机任务协同、资源优化和高效调度的基础，为低空经济的可持续发展提供了支持。在复杂的工作环境中，全球卫星导航系统（GNSS）信号可能受到干扰，使无人机集群难以获取定位信息，进而导致集群丧失协同工作能力。为解决GNSS拒止环境下无人机集群的定位问题，提出了1种融合单目视觉与测距信息的无人机集群定位方法。该方法通过视觉里程计（VO）实现集群内各无人机的自主定位，并设计了1种仅传输必要信息的通信模式，包括视觉关键帧、位姿帧及地图点等信息，以较低的通信带宽将这些数据发送至中心服务器。提出了位姿帧的概念，解决了关键帧不能与测距信息融合的问题——中心服务器基于不同定位地图的关键帧间的共视关系或位姿帧与其对应的测距信息的约束关系将不同的地图对齐，并基于测距信息及视觉信息，将对齐后的地图融合、优化，最终实现集群定位功能。中心服务器完成全局优化后，将修正后的关键帧及地图点信息回传给无人机VO的局部地图，进一步提高了无人机定位精度。通过仿真与实验的方法对提出的定位方法进行验证，实验结果表明：本文方法估计的无人机集群绝对定位误差为0.49 m，定位精度高于当前主流视觉定位方案；估计的无人机集群定位尺度误差为3.2%，解决了单目视觉定位的尺度混淆问题。本方法能够仅基于无人机间的距离信息实现集群定位，消除了集群航迹对共视要求的依赖，为复杂工作场景下无人机集群工作提供定位数据支撑。

关键词: 无人机集群, 视觉定位, 距离测量, 集群定位, 图优化

Abstract:

Unmanned Aerial Vehicle （UAV） swarms play a pivotal role in the low-altitude economy. Accurate swarm positioning information underpins mission coordination， resource optimization， and efficient scheduling among drones， thereby facilitating the sustainable advancement of the low-altitude economy. In complex environments， however， Global Satellite Navigation System （GNSS） signals may be disrupted， rendering it difficult for UAV swarms to obtain accurate positioning data and compromising their ability to function collaboratively. To address this challenge in GNSS-denied environments， this paper presents a UAV swarm positioning method that integrates monocular vision and ranging information. Visual Odometry （VO） is employed to enable autonomous positioning for each UAV within the swarm. A communication framework is designed to transmit only essential data， including visual keyframes， pose frames， and map points， to the central server， thus reducing communication bandwidth. The concept of pose frame is introduced to address the limitation that keyframes cannot fuse with ranging information. The central server aligns maps from different UAVs based on the common view relationships between keyframes or the constraints between pose frames and their corresponding ranging data. The server then fuses and optimizes these maps using both visual and ranging information， achieving accurate swarm positioning. After global optimization， the server sends the corrected keyframe and map point data back to the local map of UAV’s VO to further enhance positioning accuracy. The proposed method is validated through simulations and experiments. Results demonstrate that the swarm positioning error is reduced to 0.49 m， outperforming current state-of-the-art visual positioning methods. Additionally， the scale error is reduced to 3.2%， effectively resolving the problem of scale ambiguity inherent in monocular visual positioning. This method proposed enables precise UAV swarm positioning based solely on inter-UAV ranging information， eliminating the need for shared visual features， and providing robust positioning data for UAV swarms operating in complex environments.

Key words: UAV swarm, visual positioning, range measurement, swarm positioning, graph optimization

中图分类号:

V249.32

李坤, 布树辉, 李佳朋, 王俱博玺, 韩鹏程, 李霄翰, 李浩玮. 基于单目视觉与测距信息的无人机集群定位方法[J]. 航空学报, 2025, 46(11): 531281.

Kun LI, Shuhui BU, Jiapeng LI, Juboxi WANG, Pengcheng HAN, Xiaohan LI, Haowei LI. UAV swarm positioning method based on monocular vision and ranging information[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(11): 531281.

图/表 24

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

表 1

表 2

表 3

表 4

表 5

图 9

图 10

图 11

表6

图 12

图 13

图 14

图 15

表7

表8

图 16

参考文献 31

[1]	於志文，孙卓，程岳，等. 智能无人机集群协同感知计算研究综述［J］. 航空学报， 2024， 45（20）： 630912.
	YU Z W， SUN Z， CHENG Y， et al. A review of intelligent UAV swarm collaborative perception and computation［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（20）： 630912 （in Chinese）.
[2]	姜霞，曾宪琳，孙健，等. 多飞行器的分布式优化研究现状与展望［J］. 航空学报， 2021， 42（4）： 524551.
	JIANG X， ZENG X L， SUN J， et al. Research status and prospect of distributed optimization for multiple aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524551 （in Chinese）.
[3]	曾照洋，彭文胜，李云凯，等. 智能无人机集群可靠性技术内涵、发展及挑战［J］. 兵工学报， 2025， 46（3）：3-20.
	ZENG Z Y， PENG W S， LI Y K， et al. Connotation， development and challenges of reliability Technology of intelligent UAV swarm［J］. Acta Armamentarii， 2025， 46（3）： 3-20 （in Chinese）.
[4]	CAUSA F， FASANO G， GRASSI M. GNSS-aware path planning for UAV swarm in complex environments［C］∥ 2019 IEEE 5th International Workshop on Metrology for AeroSpace （MetroAeroSpace）. IEEE， 2019： 661-666.
[5]	OUYANG X F， ZENG F L， LYU 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.
[6]	许勇，颜鸿涛，贾涛，等. 固定翼集群无人机空中模拟对接技术［J］. 航空学报， 2023， 44（5）： 212-228.
	XU Y， YAN H T， JIA T， et al. Aerial simulation docking technology of fixed-wing clustering UAVs［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（5）： 212-228 （in Chinese）.
[7]	WANG S L， ALMANSA C M， QUERALTA J P， et al. UWB-based localization for multi-UAV systems and collaborative heterogeneous multi-robot systems［J］. Procedia Computer Science， 2020， 175： 357-364.
[8]	李昕，孟硕林，黄观文，等. 基于SE（3）-EKF的旋翼无人机GNSS/SINS空中快速对准方法［J］. 中国惯性技术学报， 2023， 31（11）： 1076-1082.
	LI X， MENG S L， HUANG G W， et al. Rapid in-flight alignment method for rotor UAV with GNSS/SINS based on SE（3）-EKF［J］. Journal of Chinese Inertial Technology， 2023， 31（11）： 1076-1082 （in Chinese）.
[9]	周文雅，李哲，许勇，等. 基于双目视觉的无人机编队相对定位算法［J］. 宇航学报， 2022， 43（1）： 122-130.
	ZHOU W Y， LI Z， XU Y， et al. Relative positioning algorithm of UAV formation based on binocular vision［J］. Journal of Astronautics， 2022， 43（1）： 122-130 （in Chinese）.
[10]	SHETTY A， GAO G X. Adaptive covariance estimation of LiDAR-based positioning errors for UAVs［J］. Navigation， 2019， 66（2）： 463-476.
[11]	LUO H J， WEN C Y. A low-cost relative positioning method for UAV/UGV coordinated heterogeneous system based on visual-lidar fusion［J］. Aerospace， 2023， 10（11）： 924.
[12]	LI W J， FU Z Y. Unmanned aerial vehicle positioning based on multi-sensor information fusion［J］. Geo-spatial Information Science， 2018， 21（4）： 302-310.
[13]	YE X Y， SONG F J， ZHANG Z Y， et al. A review of small UAV navigation system based on multisource sensor fusion［J］. IEEE Sensors Journal， 2023， 23（17）： 18926-18948.
[14]	FORSTER C， ZHANG Z C， GASSNER M， et al. SVO： Semidirect visual odometry for monocular and multicamera systems［J］. IEEE Transactions on Robotics， 2017， 33（2）： 249-265.
[15]	MATSUKI H， VON STUMBERG L， USENKO V， et al. Omnidirectional DSO： Direct sparse odometry with fisheye cameras［J］. IEEE Robotics and Automation Letters， 2018， 3（4）： 3693-3700.
[16]	MUR-ARTAL R， TARDÓS J D. ORB-SLAM2： An open-source SLAM system for monocular， stereo， and RGB-D cameras［J］. IEEE Transactions on Robotics， 2017， 33（5）： 1255-1262.
[17]	CAMPOS C， ELVIRA R， RODRÍGUEZ J J G， et al. ORB-SLAM3： An accurate open-source library for visual， visual-inertial， and multimap SLAM［J］. IEEE Transactions on Robotics， 2021， 37（6）： 1874-1890.
[18]	MUR-ARTAL R， MONTIEL J M M， TARDÓS J D. ORB-SLAM： A versatile and accurate monocular SLAM system［J］. IEEE Transactions on Robotics， 2015， 31（5）： 1147-1163.
[19]	MUR-ARTAL R， TARDÓS J D. Fast relocalisation and loop closing in keyframe-based SLAM［C］∥ 2014 IEEE International Conference on Robotics and Automation （ICRA）. Piscataway： IEEE Press， 2014： 846-853.
[20]	DUAN C， JUNGINGER S， HUANG J H， et al. Deep learning for visual SLAM in transportation robotics： A review［J］. Transportation Safety and Environment， 2019， 1（3）： 177-184.
[21]	SANSONE F， FRANCESCONI A， OLIVIERI L， et al. Low-cost relative navigation sensors for miniature spacecraft and drones［C］∥ 2015 IEEE Metrology for Aerospace （MetroAeroSpace）. Piscataway： IEEE Press， 2015： 389-394.
[22]	WANG Q Q， CHAN K F， SCHWEIZER K， et al. Ultrasound Doppler-guided real-time navigation of a magnetic microswarm for active endovascular delivery［J］. Science Advances， 2021， 7（9）： eabe5914.
[23]	CHATTERJEE S， CHAKRABORTY S， NATH A， et al. Near-real-time detection of craters： A YOLOv5 based approach［C］∥ 2023 International Conference on Machine Intelligence for GeoAnalytics and Remote Sensing （MIGARS）. Piscataway： IEEE Press， 2023： 1-4.
[24]	熊骏，解相朋，熊智，等. 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（Sup.2）： 729708.
	XIONG J， XIE X P， XIONG Z， et al. Synchronized self-localization and relative-localization of unmanned swarms based on graph model［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（Sup.2）： 729708 （in Chinese）.
[25]	武成锋，程进，郭晓云，等. 飞行器集群协同定位与导航对抗技术发展与展望［J］. 宇航学报， 2022， 43（2）： 131-142.
	WU C F， CHENG J， GUO X Y， et al. Development and prospect of aircraft clusters cooperative positioning and navigation countermeasures technology［J］. Journal of Astronautics， 2022， 43（2）： 131-142 （in Chinese）.
[26]	杜祯强，柴洪洲，向民志，等. UUVs集群协同定位的分散式增广信息滤波方法［J］. 测绘学报， 2022， 51（2）： 182-191.
	DU Z Q， CHAI H Z， XIANG M Z， et al. Decentralized extend information filter for cooperative localization of UUVs［J］. Acta Geodaetica et Cartographica Sinica， 2022， 51（2）： 182-191 （in Chinese）.
[27]	刘俊成，张京娟，冯培德. 基于相互测距信息的机群组网协同定位技术［J］. 北京航空航天大学学报， 2012， 38（4）： 541-545.
	LIU J C， ZHANG J J， FENG P D. Swarming aircraft collaborative localization based on mutual rangings［J］. Journal of Beijing University of Aeronautics and Astronautics， 2012， 38（4）： 541-545 （in Chinese）.
[28]	李坤，布树辉，贾旋，等. 基于惯性导航与数据链的飞机间相对定位方法［J］. 航空学报， 2024， 45（15）： 329594.
	LI K， BU S H， JIA X， et al. Relative aircraft positioning based on inertial navigation and datalink［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（15）： 329594 （in Chinese）.
[29]	于卓静，孙永荣，朱云峰，等. 测角测距信息下的双机协同高精度定位算法［J］. 兵工自动化， 2019， 38（2）： 1-5.
	YU Z J， SUN Y R， ZHU Y F， et al. High precision algorithm of dual-aircraft cooperative locating with angle and distance information［J］. Ordnance Industry Automation， 2019， 38（2）： 1-5 （in Chinese）.
[30]	牛皓飞，蔡庆中，李健，等. 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.
	NIU H F， CAI Q Z， LI J， et al. Method for cooperative navigation in constrained environment based on graph optimization［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（11）： 327342 （in Chinese）.
[31]	BURRI M， NIKOLIC J， GOHL P， et al. The EuRoC micro aerial vehicle datasets［J］. International Journal of Robotics Research， 2016， 35（10）： 1157-1163.

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

图像序列	飞行时间/s	轨迹长度/m	飞行速度/（m·s^-1）	光照变换
MH_01	182	80.6	0.44	光亮
MH_02	150	73.5	0.49	光亮
MH_03	132	130.9	0.99	光亮
MH_04	99	91.7	0.93	黑暗
MH_05	111	58.6	0.88	黑暗

算法	均方根绝对轨迹误差E_{RMS AT}/m
算法	MH_01	MH_02	MH_03	MH_04	MH_05
SVO	0.100	0.120	0.410	0.430	0.300
DSO	0.046	0.046	0.172	3.810	0.110
ORB-SLAM2	0.071	0.067	0.071	0.082	0.060
ORB-SLAM3	0.018	0.270	0.028	0.180	0.072
VO节点	0.103	0.940	0.168	0.087	0.076
本文方法	0.073	0.063	0.074	0.081	0.061

算法	定位精度/m
算法	MH_01	MH_02	MH_03	MH_04	MH_05
CCM-SLAM	0.061	0.063	0.048	0.121
单无人机	0.073	0.063	0.074	0.079	0.061
本文方法	0.058	0.061	0.052	0.079	0.051

算法	定位尺度精度/%
算法	MH_01	MH_02	MH_03	MH_04	MH_05
本文方法	1.2	1.7	2.3	1.4	4.2

定位方法	定位误差/m	尺度误差/%
本文方法	0.25	3.7
CCM-SLAM	0.28

基于单目视觉与测距信息的无人机集群定位方法

UAV swarm positioning method based on monocular vision and ranging information

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 24

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价

定位轨迹	定位精度/m
定位轨迹	CMM-SLAM	本文方法
无人机1	0.620	0.410
无人机2	0.440	0.460
无人机3		0.670
集群	0.530	0.490

[1]	施闯, 王智新, 张昊, 李团, 王志鹏. 基于抗差方差分量估计的多系统GNSS定位因子图优化算法[J]. 航空学报, 2025, 46(6): 531623-531623.
[2]	屈若锟, 王致远, 刘晔璐, 李诚龙, 江波. 面向城市空中交通的无人机视觉定位技术[J]. 航空学报, 2025, 46(11): 531168-531168.
[3]	郭廷宇, 闫溟, 解春雷. 聚合-分体飞行器气动特性[J]. 航空学报, 2024, 45(S1): 730596-730596.
[4]	王传云, 苏阳, 王琳霖, 王田, 王静静, 高骞. 面向反制无人机集群的多目标连续鲁棒跟踪算法[J]. 航空学报, 2024, 45(7): 329017-329017.
[5]	蔡云鹏, 周大鹏, 丁江川. 具有防撞安全约束的无人机集群智能协同控制[J]. 航空学报, 2024, 45(5): 529683-529683.
[6]	何明, 陈浩天, 韩伟, 邓成, 段海滨. 无人机仿鸟群协同控制发展现状及关键技术[J]. 航空学报, 2024, 45(20): 29946-029946.
[7]	於志文, 孙卓, 程岳, 郭斌. 智能无人机集群协同感知计算研究综述[J]. 航空学报, 2024, 45(20): 630912-630912.
[8]	李坤, 布树辉, 贾旋, 董逸飞, 陈霖. 基于惯性导航与数据链的飞机间相对定位方法[J]. 航空学报, 2024, 45(15): 329594-329594.
[9]	刘伟, 张琳, 王代强, 孟宪良, 张搏. 激光武器反无人机集群作战运用及关键技术[J]. 航空学报, 2024, 45(12): 329457-329457.
[10]	万宏发, 李姗姗, 蓝朝桢, 向明志. 基于因子图的无人机视觉定位方法[J]. 航空学报, 2023, 44(S1): 727627-727627.
[11]	刘传凯, 雷俊雄, 刘茜, 孙军, 苏建华, 胡晓东, 李东升. 基于逆投影的多椭圆联合快速高精度定位算法[J]. 航空学报, 2023, 44(12): 327731-327731.
[12]	文超, 董文瀚, 解武杰, 蔡鸣, 刘日. 基于回访机制的无人机集群分布式协同区域搜索方法[J]. 航空学报, 2023, 44(11): 327561-327561.
[13]	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.
[14]	苏翎菲, 化永朝, 董希旺, 任章. 人与无人机集群多模态智能交互方法[J]. 航空学报, 2022, 43(S1): 727001-727001.
[15]	刘雷, 刘大卫, 王晓光, 陈俊男, 刘东兴. 无人机集群与反无人机集群发展现状及展望[J]. 航空学报, 2022, 43(S1): 726908-726908.