[论文解读] On-board Bluetooth-based Relative Localization for Collision Avoidance in Micro Air Vehicle Swarms.

Mario Coppola, Kimberly McGuire+2 more|arXiv (Cornell University)|Sep 28, 2016

Distributed Control Multi-Agent Systems参考文献 36被引用 4

一句话总结

本文提出了一种基于蓝牙的机载相对定位系统，用于微型飞行器（MAV）蜂群，利用信号强度进行距离估计，并融合速度、高度和姿态数据以实现实时避碰。在AR-Drones 2.0上进行测试，双机飞行实现了25分钟无碰撞飞行，三机飞行实现了3分钟无碰撞飞行，证明了在定位不确定性下系统的鲁棒性。

ABSTRACT

A current limitation of using Micro Air Vehicles (MAVs) in teams is the high risk of collisions between members. Knowledge of relative location is needed in order to facilitate evasive maneuvers. We propose an on-board Bluetooth-based relative localization method. Bluetooth is a light-weight and energy efficient communication technology that is readily available on even the smallest MAV units. In this work, it is exploited for communication between team members to exchange on-board states (velocity, height, and orientation), while the strength of the communication signal is used to infer relative range. The data is fused on-board by each drone to obtain a relative estimate of the location and motion of all other team members. Furthermore, a collision avoidance controller is proposed based on collision cones. It is designed to deal with the expected relative localization errors by adapting the collision cones during flight and enforcing a clock-wise evasion maneuver. The system was tested with a team of AR-Drones 2.0 flying in a 4mx4m arena at the same height. The system showed promising results. When using two AR-Drones and off-board velocity/orientation estimates, the drones were able to fly around the arena for a cumulative time of 25 minutes with only one collision. With three AR-Drones under the same conditions, flight time to collision was 3 minutes. With two AR-Drones flying with on-board velocity estimation, the time to collision was approximately 3 minutes due to the disturbances in velocity estimates. Simulations show that even better results can be expected with smaller MAVs.

研究动机与目标

• 解决因缺乏实时相对定位而导致的MAV蜂群高碰撞风险。
• 利用轻量化、低功耗的蓝牙技术实现机载相对定位。
• 开发一种可适应定位误差并强制执行一致规避动作的避碰控制器。
• 集成机载状态估计与基于信号强度的测距技术，实现去中心化运行。
• 在不同MAV尺寸和估计精度条件下，通过真实飞行测试与仿真验证系统性能。

提出的方法

• 利用MAV之间的蓝牙通信交换机载状态信息：速度、高度和姿态。
• 利用蓝牙信号的接收信号强度指示（RSSI）估计相对距离。
• 在每架无人机上融合机载状态数据与基于RSSI的距离估计，计算相对位置与运动。
• 基于可适应定位不确定性的动态碰撞圆锥体实现避碰控制器。
• 强制执行顺时针规避动作，以确保蜂群中一致的避让行为。
• 在4m×4m的实验场地中，使用AR-Drones 2.0进行真实飞行测试，评估不同估计条件（机外与机载速度/姿态估计）下的性能。

实验结果

研究问题

• RQ1 基于蓝牙的RSSI能否为微型飞行器蜂群的相对定位提供足够的精度？
• RQ2 机载相对定位性能如何影响多MAV团队的无碰撞飞行时长？
• RQ3 自适应碰撞圆锥体在多大程度上可缓解实时相对定位中的误差？
• RQ4 速度与姿态估计误差在多大程度上影响系统避免碰撞的能力？
• RQ5 该系统能否在模拟预测的小型、更敏捷的MAV上保持稳定性和安全性？

主要发现

• 在双机飞行且采用机外速度/姿态估计的条件下，系统实现了累计25分钟的无碰撞飞行。
• 在三机飞行且相同条件下，首次碰撞前的飞行时长为3分钟。
• 当使用机载速度估计时，由于估计扰动增加，飞行至碰撞的时间降至约3分钟。
• 仿真结果表明，更小的MAV可因动力学性能提升和噪声减少而实现更优性能。
• 自适应碰撞圆锥体控制器成功缓解了定位误差，并强制执行了一致的规避行为。
• 尽管存在固有的信号波动性，基于蓝牙的RSSI测距在相对定位中仍具有可行性。