几种智能机器人室内定位方法对比

近年来随着控制算法的研究进展，无人机、无人车等智能机器人在各领域中发展迅速。研发人员在对智能机器人进行相关研究时，通常需要完成室内环境下的模拟调试实验，在这些实验中，确定各智能体自身定位以及与其他智能体的相对位置，即进行精确定位，是十分重要的。

室内定位算法原理

目前的定位算法从原理上来说，大体上可以分为以下三种。

一、邻近信息法：利用信号作用的有限范围，来确定待测点是否在某个参考点的附近，这一方法只能提供大概的定位信息

二、场景分析法：测量接收信号的强度，与实现测量的、存在数据库的该位置的信号强度作对比。

三、几何特征法：利用几何原理进行定位的算法，具体又分为三边定位法、三角定位法以及双曲线定位法。

根据上面介绍的定位算法，衍生出了多种室内定位技术。目前的定位技术多要借助辅助节点进行定位，通过不同的测距方式计算出待测节点相对于辅助节点的位置，然后与数据库中事先收集的数据进行比对，从而确定当前位置。

室内定位主要流程为首先在室内环境设置固定位置的辅助节点，这些节点的位置已知，有的位置信息是直接存在节点中，如射频识别（RFID）的标签，有的是存在电脑终端的数据库中，如红外线、超声波等。

然后测量待测节点到辅助节点的距离，从而确定相对位置，使用某种方式进行测距通常需要一对发射和接收设备，按照发射机和接收机的位置大体可以分为两种：一种是发射机位于被测节点，接收机位于辅助节点，例如红外线，超声波和射频识别（RFID）；另一种是发射机位于辅助节点，接收机位于被测节点，例如 WiFi、超宽带（UWB）、ZigBee。

室内定位技术对比

下面具体介绍八种室内定位技术所涉及原理与优缺点。

一、WiFi定位技术，定位方法是场景分析法，其定位精度由于覆盖范围的不同，可以达到2-50m。优点是易安装、系统总精度相对较高，缺点是指纹信息收集量大、易受其他信号干扰。

二、视频识别（RFID）技术，定位方法是临近信息法，其定位精度在5cm-5m之间。这一方法的优点是精度较高、造价低、标识体积小，缺点是定位距离短、不便于整合。

三、ZigBee定位技术，定位方法是临近信息法，定位精度在1-2m。优点是低功耗、低成本，缺点是稳定性低、受环境干扰。

四、红外线定位技术，定位方法是临近信息法，定位精度在5-10m。优点是定位精度较高，缺点是造价高、功耗大、受灯光影响。

五、超宽带定位（UWB），定位方法是三边定位法，定位精度在6-10cm，优点是穿透性强、精度较高、功耗低，缺点是造价比较高。

六、超声波定位技术，定位方法是三边定位法，定位精度在1-10cm。优点是精度较高、结构简单，缺点是多径效应、受环境温度影响、信号衰减明显。

七、惯性定位法，是利用惯性传感器采集到的运动数据，如加速度传感器、陀螺仪等测量物体运动速度、方向、加速度等信息，通过积分定位方法或者基于航位推测法，经过运算后得到物体的位置信息。其优点是不依赖外界环境，缺点是随着行走时间的增加，惯性导航定位存在累计误差，所以一般是与其他传感器数据融合使用。

八、NOKOV度量室内定位技术，主要用于实时准确测量，记录物体在真实三维空间中的运动轨迹或姿态。其光学式动作捕捉系统利用多个高速相机，从不同角度监视和跟踪待捕捉目标上的标志点，根据计算机视觉原理，可以从多个高速摄像机的连续图像序列里，确定某个点在空间中的位置和运动轨迹，获取得到的实时刚体位姿数据通过SDK发送到无人机地面站，地面站输出控制命令进一步控制无人机的运动。考虑到不同的实际情况，动作捕捉工作站也可以将实时刚体位姿数据通过SDK，发送到无人机的控制芯片，利用无人机进行解算数据，实现自主协同控制。 

 

通过对比可以发现，在所有室内定位技术中，精度排在首位的当属动作捕捉技术，其测量精度高达亚毫米级。NOKOV度量动作捕捉系统可以获取目标物的位置、姿态以及速度、加速度等信息，具备技术成熟度高、精度高、采样频率高等优点，适用于有高精度定位需求的研究。

NOKOV度量动作捕捉数据作为真值用于算法验证

对于一些自主导航无人机，如利用激光雷达、双目摄像头、深度摄像头、光流传感器等机载传感器作为定位避障的方案，NOKOV度量动作捕捉系统获取的数据不参与飞行控制，只提供高精度参考标准位置信息用于分析结果。

例如在同济大学建筑与城市规划学院开发的无人机集群自主建造系统中，就使用了NOKOV度量动作捕捉系统。建造系统整体由无人机空间位姿反馈和地面站轨迹规划控制两部分组成，系统定位需求分为两个部分：位姿控制和全局定位控制。尽管NOKOV度量动作捕捉系统可以对室内刚体进行姿态的解算，且解算精度比机载惯性测量单元好，但由于系统内置的惯性测量单元足以支撑刚体的姿态估计，所以在位姿控制部分，使用的是无人机控制领域常用的解决方案，即利用机载的姿态传感器、磁力计、气压计和空速计等传感器系统综合处理无人机实时的局部姿态信息。系统的全局定位控制采用了基于光学红外相机的NOKOV度量动作捕捉系统，代替室外常用的GPS定位系统对无人机的实时位置进行跟踪，以满足室内无人机稳定悬停的作业要求，同时将无人机坐标信息传回地面站计算机的可视化界面。

 

这种基于NOKOV度量动作捕捉系统的无人机自主建造实时控制系统和可视化界面平台，验证了无人机用于离散化结构建造的能力，同时利用空间镶嵌原则提出了无人机砌筑的整体结构形式和离散单元体形式，这一系列成果都为空中集群智能体自主建造提供了进一步的研究思路和方法。