[论文解读] Accurate 3D Localization for MAV Swarms by UWB and IMU Fusion

Jiaxin Li, Yingcai Bi+4 more|arXiv (Cornell University)|Jul 28, 2018

Indoor and Outdoor Localization Technologies参考文献 14被引用 10

一句话总结

本文提出了一种基于扩展卡尔曼滤波（EKF）的融合算法，结合超宽带（UWB）测距与惯性测量单元（IMU）数据，实现在无GPS环境下的80Hz、高精度三维微小型飞行器（MAV）蜂群定位。该方法实现了亚米级精度且延迟接近零，显著优于纯EKF在精度和响应速度方面的表现，已在室内VICON环境和真实展览厅环境中通过6架MAV蜂群测试得到验证。

ABSTRACT

Driven by applications like Micro Aerial Vehicles (MAVs), driver-less cars, etc, localization solution has become an active research topic in the past decade. In recent years, Ultra Wideband (UWB) emerged as a promising technology because of its impressive performance in both indoor and outdoor positioning. But algorithms relying only on UWB sensor usually result in high latency and low bandwidth, which is undesirable in some situations such as controlling a MAV. To alleviate this problem, an Extended Kalman Filter (EKF) based algorithm is proposed to fuse the Inertial Measurement Unit (IMU) and UWB, which achieved 80Hz 3D localization with significantly improved accuracy and almost no delay. To verify the effectiveness and reliability of the proposed approach, a swarm of 6 MAVs is set up to perform a light show in an indoor exhibition hall. Video and source codes are available at https://github.com/lijx10/uwb-localization

研究动机与目标

• 为解决纯UWB系统在MAV蜂群定位中存在高延迟和低带宽的局限性，以及IMU系统在长期运行中出现的漂移问题。
• 开发一种适用于室内无GPS环境、可控制高速MAV蜂群的实时、高更新率定位系统。
• 通过EKF框架融合UWB测距数据与IMU惯性数据，提升定位精度与稳定性。
• 在受控环境（VICON）与真实环境（新加坡樟宜展览中心）中，通过多MAV协同操作验证系统性能。

提出的方法

• 采用扩展卡尔曼滤波（EKF）联合估计MAV的位置、速度及IMU偏差，输入为UWB测距数据与IMU加速度计/陀螺仪数据。
• 利用TDMA/CDMA协议实现UWB双向测距，确保MAV（移动节点）与固定锚点之间精确且同步的距离测量。
• 采用创新阈值法，有效剔除密集环境中因多径效应或信号遮挡导致的异常UWB测量值。
• EKF状态向量包含三维位置、三维速度及IMU偏差状态，用于建模并校正传感器漂移与偏差。
• 通过精确锚点布置建立坐标系，采用北-西-上（NWU）坐标系，确保锚点布局形成操作区域的凸包。
• 算法运行频率为80Hz，实现极低延迟的实时控制，对蜂群协同至关重要。

实验结果

研究问题

• RQ1 通过EKF实现的UWB-IMU融合能否在80Hz下实现MAV蜂群的实时三维定位，且延迟接近零？
• RQ2 在室内环境中，所提出的EKF融合方法相较于纯EKF在精度与延迟方面表现如何？
• RQ3 在真实室内环境中，面对信号遮挡与多径干扰，该融合算法在多大程度上能保持定位精度？
• RQ4 该系统能否在无GPS或VICON支持的大规模室内环境中，实现多架MAV的稳定、协同飞行？

主要发现

• 在VICON测试中，融合EKF的最大定位误差为0.39 m，平均误差为0.16 m，显著优于纯EKF的0.71 m与0.30 m。
• 融合EKF表现出接近零延迟，而纯EKF在估计位置与VICON真实值之间存在500ms延迟，无法用于实时控制。
• 在樟宜展览中心的实际演示中，系统成功支持6架MAV蜂群的稳定悬停与协同飞行，视频证据显示轨迹清晰稳定。
• 通过创新阈值法，系统有效拒绝了错误的UWB测量值，即使在其他MAV造成信号遮挡时仍能保持准确的位置估计。
• 估计的IMU偏差表现出合理的量级与变化趋势，表明EKF能正确建模并补偿飞行过程中的传感器偏差。
• 尽管存在多台UWB设备与WiFi信号的电磁干扰，该融合算法在复杂电磁环境中仍保持了出色的鲁棒性。