《利用相对距离测量技术的无人机蜂群协作绘图》最新98页论文

在过去的十年中，无人驾驶飞行器（UAV）的使用领域完全爆炸式增长。如今，它们被用于执行监视任务和检查人们难以到达的地方。为了提高执行这类任务的效率和稳健性，可以使用合作无人机群。然而，这对使用哪些解决方案来定位和导航智能体提出了新的要求。本论文研究、实施和评估了无人机群相对定位和绘图的解决方案。

报告研究并介绍了通过使用扩展卡尔曼滤波器（EKF）融合智能体之间的速度数据和成对距离测量来估计相对位置的系统。在现有估计相对位置方法的基础上开发了一种滤波器，并对其进行了修改，以包括星座中所有可用的成对距离，从而使定位精度提高了 47%。此外，还开发了一种多维缩放（MDS）初始化程序，能够非常准确地确定蜂群内的初始相对位置，帮助 EKF 几乎瞬间收敛。此外，还开发并测试了另一种使用 MDS 坐标估计值作为输入的 EKF。

无人机配备了测距探测器，可测量四个方向与墙壁的距离。距离数据被插入一个网格，将环境离散化。在绘制环境地图时，采用了一种方法来考虑无人机位置的不确定性，从而改进了结果。对蜂群绘制地图的两种方法进行了测试，结果表明它们适用于不同的设置。如果蜂群中的无人机具有共同的坐标系，无人机就会更新相同的网格并绘制地图。如果无人机的坐标系不同，则分别创建地图，然后合并。一般来说，协作构建地图的方法性能更好，而且不需要复杂的地图合并解决方案。要合并地图，需要一个成本函数来衡量地图的匹配程度。我们对三种不同的成本函数进行了比较和评估。使用已知的全局位置和相对姿态估计值，对探索环境的蜂群的映射器进行评估。

事实证明，在将相对姿态估计值输入绘图系统时，利用已有的定位滤波器所实现的精度足以生成分辨率为十厘米的地图。在模拟环境中可以实现更高的制图分辨率，但需要更多的计算时间，因此没有进行测试。