【论文速递】卫星拒止环境下，无人机集群如何实现秒级初始化？北京邮电大学团队提出VIO-UWB融合新方案

北京邮电大学团队提出一种卫星拒止多机联合初始化的解决方案。其最新研究成果已发布于Drones期刊，论文标题为《Rapid Initialization Method of Unmanned Aerial Vehicle Swarm Based on VIO-UWB in Satellite Denial Environment》。其中，研究团队以FZMotion光学运动捕捉系统采集的轨迹数据为真值开展了实物实验，充分验证了算法有效性。

在卫星信号拒止环境（如室内、城市峡谷）中，无人机集群的快速初始化是实现协同任务的关键挑战。传统方法依赖GNSS系统或视觉SLAM技术，存在通信负载高、精度不足等问题。近年来，视觉惯性里程计（VIO）与超宽带（UWB）技术的进步为无锚节点初始化提供了新思路。

基于此，北京邮电大学研究团队提出一种面向4机以上集群的两阶段鲁棒初始化方法，通过优化锚节点选择与运动约束，显著提升初始化效率与精度。

算法流程图

团队创新D2距离评估算法，筛选出接近克拉美罗下界（CRLB）的4个最优锚节点。

/D2距离评估算法

该方法通过计算各节点与其他节点的距离总和，选择空间分布最合理的锚节点，确保后续优化的几何稳定性。

研究人员将多无人机相对运动与测距关系转化为二次约束二次规划（QCQP）问题。通过引入闭环几何约束，解决传统QCQP算法在多机场景下的冗余计算问题，显著提升鲁棒性。

改进SMACOF算法，通过迭代优化应力函数，比传统多维缩放（MDS）算法快2倍以上，适用于大规模集群的轻量化通信需求。

改进后的SMACOF算法与DC-MDS的仿真结果

基于六种不同预设轨迹开展仿真实验

团队在MATLAB中构建了10-50架无人机的三维运动场景，对比了非线性最小二乘法（NLS）、半定规划（SDP）、QCQP与本文算法的性能：

实验在北京邮电大学电子工程学院FZMotion动捕实验室进行，以确保环境的可控性。为了模拟5-10架无人机的大规模实验，研究人员使用一架无人机飞行了30余次，其间设计了圆形、菱形、交叉八字形、三角形等不同的飞行轨迹。

研究团队分别使用NLS、linear LS、SDP和QCQP算法进行初始化计算，每种算法在相同的数据集上独立运行，并记录了每种算法的计算时间、RMSE、误差和轨迹，以FZMotion获取的数据作为真值进行对比分析。

· 轨迹对齐：如下图所示，VIO输出轨迹与真实值高度吻合，锚节点偏航角误差小于0.1弧度。

锚点节点的偏航角是时间对齐后的结果

黄线表示真实值，绿线表示 VIO 输出的结果

· 成功率：对比传统QCQP算法（成功率86.3%），研究方法通过磁罗盘与陀螺仪的先验信息辅助，成功率提升至98.5%，RMSE稳定在0.12m。

· 实时性提升：7架无人机协同定位中，所提算法耗时3.98秒，比QCQP（5.57秒）快28%。

该研究提出了一种室内大规模无人机集群初始化的解决方法，采用QCQP+SMACOF的混合优化方法提升了初始化的时间效率，为卫星拒止情况下的无人机队形精度保持提供了先决条件。

未来，该技术可应用于军事侦察、智慧城市巡检等复杂场景。团队表示，下一步将探索异步通信优化与超大规模（100+）集群验证，进一步拓展无人机自主协同技术的边界。

是凌云光设立的全资子公司，主要面向元宇宙虚拟现实、Web3.0时代数字人、沉浸媒体、全息通信、计算光学成像等应用，已形成光场建模、运动捕捉、全景成像、XR 拍摄等在内的产品布局。

FZMotion智能体位姿追踪系统是自主开发的运动捕捉采集与分析系统，可以实时跟踪测量并记录三维空间内点的轨迹、刚体的运动姿态以及人体动作，空间定位精度可以达到亚毫米级。

FZMotion 光学运动捕捉系统

FZMotion动捕系统在无人机室内定位、仿生机器人运动规划、机械臂示教学习、气浮台位姿验证、水下运动捕捉等领域得到广泛应用，目前已经与清华大学、中国科学技术大学、北京航空航天大学、北京理工大学、哈尔滨工业大学等高校开展合作。凌云光·致力于为高校提供完备的解决方案，助力科研发展。

原文链接：