[论文解读] Onboard Ranging-based Relative Localization and Stability for Lightweight Aerial Swarms

Shushuai Li, Shan, Feng+4 more|arXiv (Cornell University)|Mar 12, 2020

Robotics and Sensor-Based Localization参考文献 31被引用 11

一句话总结

本论文提出了一种基于超宽带（UWB）测距和333Hz高速更新的扩展卡尔曼滤波（EKF）的机载、基于距离的相对定位系统，适用于自主微型飞行器集群。该系统实现了无需GPS和磁强计的编队飞行与协同穿越窗户，通过一种新型自动初始化方法，在不可观测机动下实现无故障收敛估计，已在5架Crazyflie2无人机上得到验证。

ABSTRACT

Lightweight aerial swarms have potential applications in scenarios where larger drones fail to operate efficiently. The primary foundation for lightweight aerial swarms is efficient relative localization, which enables cooperation and collision avoidance. Computing the real-time position is challenging due to extreme resource constraints. This paper presents an autonomous relative localization technique for lightweight aerial swarms without infrastructure by fusing ultra-wideband wireless distance measurements and the shared state information (e.g., velocity, yaw rate, height) from neighbors. This is the first fully autonomous, tiny, fast, and accurate relative localization scheme implemented on a team of 13 lightweight (33 grams) and resource-constrained (168MHz MCU with 192 KB memory) aerial vehicles. The proposed resource-constrained swarm ranging protocol is scalable, and a surprising theoretical result is discovered: the unobservability poses no issues because the state drift leads to control actions that make the state observable again. By experiment, less than 0.2m position error is achieved at the frequency of 16Hz for as many as 13 drones. The code is open-sourced, and the proposed technique is relevant not only for tiny drones but can be readily applied to many other resource-restricted robots. Video and code can be found at extnormal{\url{https://shushuai3.github.io/autonomous-swarm/}}.

研究动机与目标

• 仅使用机载传感与机器人间通信，实现微型飞行器集群的自主、无GPS飞行。
• 克服视觉导航系统与外部定位系统在封闭、未知环境中的局限性。
• 开发一种鲁棒的全机载相对定位方法，即使在初始状态误差较大且控制输入不可观测时仍能收敛。
• 实现高速、稳定的相对位置估计，适用于实时编队控制与协同任务。
• 在仅依赖机载传感器与UWB测距的前提下，实现多机器人任务（如编队飞行与窗口穿越）的实际自主性。

提出的方法

• 使用扩展卡尔曼滤波（EKF）融合机载速度、偏航率与高度测量值，以及机器人间UWB测距数据，实现相对状态估计。
• 采用333Hz高速运行的UWB通信协议，实现高带宽更新，提升估计精度。
• 提出一种自动初始化程序，即使在初始状态完全未知时，也能实现相对位置与偏航角估计的收敛。
• 设计一种控制闭环估计框架，在不可观测机动（如匀速飞行或悬停）下仍能保持一致的收敛性。
• 基于相对位置估计结果，应用分布式控制律，实现编队飞行与协同任务。
• 在领航无人机上使用单目摄像头，通过颜色滤波与直方图分析实现窗口检测，使跟随无人机无需自身视觉传感器即可实现协同飞行。

实验结果

研究问题

• RQ1 全机载、基于距离的相对定位系统是否能在无GPS或外部基础设施的微型飞行器集群中实现稳定且精确的估计？
• RQ2 当初始位置与姿态完全未知时，相对定位系统如何实现准确估计的收敛？
• RQ3 在恒定速度或悬停等不可观测控制输入下，估计是否仍保持稳定与一致？
• RQ4 该系统是否能支持复杂多机器人任务，如协同穿越窗户与编队飞行，在真实世界无GPS环境中？
• RQ5 该系统在更新频率、收敛速度及真实环境干扰下的鲁棒性表现如何？

主要发现

• 所提系统仅依赖机载UWB测距与惯性测量，在333Hz更新频率下实现了稳定且精确的相对定位。
• 自动初始化程序使系统即使在初始状态完全未知时，仍能实现相对位置与偏航角估计的收敛，已在5架无人机从随机位置起飞的实验中得到验证。
• 在编队飞行与悬停（均为不可观测状态）期间，估计始终保持稳定收敛，证明了其在控制闭环条件下的鲁棒性。
• 集群成功实现了自主编队飞行，即使在悬停状态下也保持了奥运五环旗形状，所有无人机均能精确跟踪相对位置。
• 跟随无人机成功与领航机协同穿越窗户，无需自身摄像头，完全依赖UWB与机载传感器提供的相对定位信息。
• 真实世界实验验证了该方法在复杂动态任务中的有效性，仅通过机载传感与机器人间通信即实现了完全自主。