Achieving collaborative tasks in multi-robot teams requires knowledge of the relative poses of a robot's neighbours. Ultra-wideband (UWB) systems are becoming increasingly popular as a means of inter-robot ranging and communication. A major constraint associated with UWB is that only one pair of UWB transceivers can range at a time to avoid interference, hence hindering the scalability of UWB-based localization and requiring complex scheduling algorithms. In this paper, a novel ranging protocol is proposed that allows all robots to passively listen on neighbouring communicating robots without any hierarchical restrictions on the role of the robots. This is then utilized to allow each robot to obtain more range measurements, broadcast preintegrated inertial measurement unit (IMU) measurements for relative pose state estimation directly on SE2(3), and to propose a simple media-access control (MAC) protocol to avoid interference. Consequently, a simultaneous clock-synchronization and relative-pose estimator (CSRPE) is then formulated using an on-manifold extended Kalman filter (EKF) and is evaluated in simulation using Monte-Carlo runs for up to 7 robots. Additionally, the proposed ranging protocol is implemented in C on custom-made UWB boards fitted to quadcopters, and the proposed filter is then evaluated over multiple experimental trials for 3 quadcopters, yielding up to 55% improvement in localization accuracy when using passive listening.


翻译:实现多机器人团队的协作任务需要了解机器人之间的相对姿态。超宽带(UWB)系统越来越流行作为测距和通信的手段。与UWB相关的一个主要约束是,一次只能测得一对UWB收发器的距离,以避免干扰,因此限制了基于UWB的定位的可扩展性,并需要复杂的调度算法。本文提出了一种新的测距协议,可以使所有机器人都能被动监听相邻的通信机器人,而无需对机器人角色进行层次结构限制。这随后被用于使每个机器人获得更多的距离测量值,直接在SE2(3)上广播预积分惯性测量单元(IMU)的测量值以进行相对位姿状态估计,并提出了一种简单的媒体访问控制(MAC)协议以避免干扰。因此,提出了一种同时进行时钟同步和相对姿态估计器(CSRPE),采用扩展卡尔曼滤波器(EKF)进行流形拟合,并在多达7个机器人的蒙特卡罗实验中进行评估。此外,将所提出的测距协议在定制的UWB板上实现在四轴飞行器上,然后在多个实验试验中评估所提出的滤波器,使用被动监听时精度提高了多达55%。

0
下载
关闭预览

相关内容

机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2023年5月24日
VIP会员
相关VIP内容
机器学习组合优化
专知会员服务
109+阅读 · 2021年2月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Top
微信扫码咨询专知VIP会员