Vision-based Multi-MAV Localization with Anonymous Relative Measurements Using Coupled Probabilistic Data Association Filter
Vision-based Multi-MAV Localization with Anonymous Relative Measurements Using Coupled Probabilistic Data Association Filter
复制标题
使用耦合概率数据关联滤波器进行基于视觉的多 MAV 定位和匿名相对测量
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Vijay R. Kumar
中科院分区：
文献类型：
--
作者：
Ty Nguyen;K. Mohta;C. J. Taylor;Vijay R. Kumar
我们解决了机器人在多MAV系统中的定位问题，其中外部基础设施如GPS或运动捕捉系统可能不可用。我们的方法适用于在大小，重量和功率（SWaP）有几个限制的平台上实现。特别是，我们的框架将板载VIO与匿名的基于视觉的机器人对机器人检测融合在一起，以在一个公共帧中估计所有机器人姿势，解决了三个主要挑战：1）机器人团队的初始配置是未知的，2）每个基于视觉的检测和机器人目标之间的数据关联是未知的，以及3）基于视觉的检测产生假阴性、假阳性、不准确，并提供其他机器人的有噪声的方位、距离测量。我们的方法扩展了耦合概率数据关联滤波器[1]，以科普非线性测量。我们证明了我们的方法的上级性能超过一个简单的基于VIO的方法在模拟与测量模型统计建模使用真实的实验数据。我们还展示了如何板载传感，估计和控制可以用于编队飞行。
We address the localization of robots in a multi-MAV system where external infrastructure like GPS or motion capture systems may not be available. Our approach lends itself to implementation on platforms with several constraints on size, weight, and power (SWaP). Particularly, our framework fuses the onboard VIO with the anonymous, visual-based robot-to-robot detection to estimate all robot poses in one common frame, addressing three main challenges: 1) the initial configuration of the robot team is unknown, 2) the data association between each vision-based detection and robot targets is unknown, and 3) the vision-based detection yields false negatives, false positives, inaccurate, and provides noisy bearing, distance measurements of other robots. Our approach extends the Coupled Probabilistic Data Association Filter [1] to cope with nonlinear measurements. We demonstrate the superior performance of our approach over a simple VIO-based method in a simulation with the measurement models statistically modeled using the real experimental data. We also show how onboard sensing, estimation, and control can be used for formation flight.