[论文解读] Omni-swarm: A Decentralized Omnidirectional Visual-Inertial-UWB State Estimation System for Aerial Swarm.

Hao Xu, Yichen Zhang+5 more|arXiv (Cornell University)|Mar 6, 2021

Robotics and Sensor-Based Localization参考文献 37被引用 12

一句话总结

本文提出 Omni-swarm，一种用于 GPS 缺失环境下的空中蜂群的去中心化、全向视觉-惯性-UWB 状态估计系统。通过融合鱼眼 VIO、UWB 测距以及基于图的优化与前向传播，该系统实现了厘米级相对状态精度和全局一致性，支持完全去中心化的无人机间防撞。

ABSTRACT

The decentralized state estimation is one of the most fundamental components for autonomous aerial swarm systems in GPS-denied areas, which still remains a highly challenging research topic. To address this research niche, the Omni-swarm, a decentralized omnidirectional visual-inertial-UWB state estimation system for the aerial swarm is proposed in this paper. In order to solve the issues of observability, complicated initialization, insufficient accuracy and lack of global consistency, we introduce an omnidirectional perception system as the front-end of the Omni-swarm, consisting of omnidirectional sensors, which includes stereo fisheye cameras and ultra-wideband (UWB) sensors, and algorithms, which includes fisheye visual inertial odometry (VIO), multi-drone map-based localization and visual object detector. A graph-based optimization and forward propagation working as the back-end of the Omni-swarm to fuse the measurements from the front-end. According to the experiment result, the proposed decentralized state estimation method on the swarm system achieves centimeter-level relative state estimation accuracy while ensuring global consistency. Moreover, supported by the Omni-swarm, inter-drone collision avoidance can be accomplished in a whole decentralized scheme without any external device, demonstrating the potential of Omni-swarm to be the foundation of autonomous aerial swarm flights in different scenarios.

研究动机与目标

• 解决去中心化空中蜂群状态估计中的可观测性、复杂初始化、低精度及缺乏全局一致性等问题。
• 开发一种完全去中心化的系统，实现在无外部基础设施支持的 GPS 缺失环境下的自主飞行。
• 仅使用机载传感器和无人机间通信，实现多架无人机的高精度相对状态估计。
• 通过去中心化的无人机间定位与避障，支持实时无碰撞导航。
• 在多无人机蜂群操作中，实现全局一致性与厘米级精度。

提出的方法

• 系统采用基于双鱼眼相机和超宽带（UWB）传感器的全向感知前端，实现 360° 感知。
• 使用鱼眼视觉惯性里程计（VIO）从双鱼眼图像和 IMU 数据中估计相对运动。
• 多无人机地图化定位融合 UWB 测距数据与视觉特征，提升相对状态估计精度。
• 基于图的优化框架整合所有无人机的测量数据，并通过前向传播保持实时一致性。
• 后端使用因子图联合优化状态和偏差，确保蜂群范围内全局一致性。
• 视觉目标检测通过识别并跟踪视场内的其他无人机，实现无人机间的相对位姿估计。

实验结果

研究问题

• RQ1 去中心化的全向感知系统是否能在 GPS 缺失的空中蜂群中实现厘米级相对状态估计？
• RQ2 如何在去中心化的视觉-惯性-UWB 状态估计中降低可观测性与初始化复杂度？
• RQ3 在无外部基础设施的完全去中心化蜂群中，能否维持全局一致性？
• RQ4 仅依靠机载传感器与点对点通信，无人机间防撞能力能达到何种程度？
• RQ5 鱼眼 VIO 与 UWB 的融合在动态蜂群飞行中如何提升精度与鲁棒性？

主要发现

• Omni-swarm 在无 GPS 的多无人机操作中实现了厘米级相对状态估计精度。
• 通过基于图的优化与前向传播，系统在蜂群范围内保持了全局一致性。
• 系统实现了无需外部设备或集中控制的完全去中心化无人机间防撞。
• 全向鱼眼相机的应用提升了视场范围与密集蜂群配置下的鲁棒性。
• UWB 测距与鱼眼 VIO 的融合显著提升了定位精度与收敛速度。
• 系统在真实世界实验中表现出良好的可扩展性与鲁棒性，且在无 GPS 条件下表现稳定。