基于相对定位的多无人机覆盖控制算法设计

张子用

(广东工业大学自动化学院，广东 广州510006)

无人机相关研究在最近几十年吸引了很多关注，例如监视、搜索和搜救等任务。在执行有挑战性的或者复杂的覆盖任务时，无人机群可以发挥其机动性强的优势。相较于传统方式，无人机群进入危险环境执行覆盖任务或者长时间监视目标区域可以发挥不能替代的作用[1-6]。在实际应用过程中，动态环境或者无人机的位置不确定性使得无人机执行覆盖任务变得困难，在[7]中，论文使用非参数高斯回归方法获得无人机的估计位置，其中无人机用于估计自身位置的测量量包含较多不确定性。在[8]中，在随机动态环境下，论文使用了分布式算法完成多无人机合作覆盖搜索任务。但是以上工作中从未考虑在GPS 受限环境下，无人机群中部分无人机不能获得自己全局位置的情况。针对这种场景，可以使用相对定位的算法解决定位问题。在论文[9]中，作者提出了基于视觉的相对定位算法，利用无人机上的摄像头基于模式识别的算法获得无人机间的相对位置，他们在算法中结合了flood-fill 方法提高了相对定位算法的执行速度和精确性。但是算法的性能受到光照条件和到目标距离的影响，限制了算法应用场景。论文[10]提出了使用基于相邻无人机距离测量和无人机位置变化的相对定位算法，使用该算法研究利用单信标的docking 问题，并且实现了在GPS 受限环境下的无人机自动跟随和降落功能。该工作主要论证了在单信标条件下相对定位算法的可行性。论文[11]中提出了使用UWB 和视觉里程计的相对定位算法，结合扩展卡尔曼滤波方法获得了无人机的全局位置。在本文中，我们将考虑相对定位和覆盖任务同步执行的问题而且在任务执行前无人机群中只有一架无人机可以获取其全局位置。

1 无人机群分布式覆盖控制建模

覆盖控制的研究最早起源于无线传感器网络，实现对目标区域的监测覆盖能力。使用无人机执行区域覆盖任务时，由于受到无人机平台搭载能力、通讯距离的影响，需要使用分布式控制方法来实现无人机的覆盖控制。分布式覆盖控制代价函数如下所示：

图2 无人机起始时刻分布

其中，图中蓝色边框为voronoi 分区边界，UAV0 作为主无人机，其估计位置和真实位置重合，其余无人机估计位置和真实位置如图所示。

图3 无人机最终位置分布图

无人机群轨迹如图所示，最终无人机实现最优覆盖控制。

6 结论

本文提出了基于相对定位的多无人机覆盖控制。在执行覆盖任务之前，无人机群中只有一架无人机可以获取其全局位置，其余无人机通过基于相对定位的无人机位置估计算法，获取其全局位置。无人机群进行协同定位的同时执行覆盖任务，仿真实验可以看出基于相对定位的多无人机覆盖控制算法可以控制多无人机完成覆盖任务。