【论文】Crazyswarm论文

copy2000 / 2023-06-04 / 原文

《Crazyswarm：大型纳米四轴飞行器群》论文总结

论文名称：Crazyswarm: A Large Nano-Quadcopter Swarm

摘要

为大量在室内密集编队飞行的微型四轴飞行器定义了一个系统架构。

对于状态估计（state estimation），我们开发了一种方法来可靠地跟踪具有相同运动捕捉标记排列的许多小刚体（无人机）。
我们的通信基础设施使用压缩的单向数据流，每个无线电支持大量无人机。
我们通过执行大部分机载计算（computation onboard），包括传感器融合、控制和一些轨迹规划，实现了具有精确跟踪（< 2 cm 平均位置误差）的可靠飞行。
我们提供了各种示例，并根据经验确定了多达 49 辆车的群的延迟和跟踪性能。

介绍

提出问题：大多数研究型四轴飞行器都足够大，可以携带相机和智能手机级计算机，但它们也很昂贵，并且需要很大的空间才能安全运行。

提出系统结构：使用动作捕捉系统（motion-capture system）进行定位（localization）并通过三个共享无线电进行通信（communicaiton over three shared radios）。

Kushleyev在实验中控制20个微四旋翼机，这篇文章和他不同的地方在于:①本文章的系统结构是为了减小通信带宽和为了更好的扩展到更多数量的四轴飞行器而设计的；②证明了集群的相互影响（interactivity）。
the Flying Machine Arena at ETH Zurich 做了单机和多机的实验，和本篇文章不同的地方在于①位置控制器在机外（offboard）运行，使系统对丢包的鲁棒性降低。②额外的计算能力用于延迟补偿算法以提高高速飞行的准确性。

结构综述

三种方法结构比较：

动作捕捉系统会产生单点故障（a single point of failure），但是由于高性能（位置误差能够小于1mm），最终还是选择了动作捕捉系统。
使用超带宽的无线电三角测量的去中心化定位系统（decentralized localization system），会有10cm的偏差，所以放弃。
基于视觉的方法需要无人机携带相机和计算机，这对于大型纳米四轴飞行器群来说是一场灾难。

Object Tracking

像Vicon Tracker这样的标准的刚体捕捉软件需要为每一个跟踪目标安排一个标记，但是Crazyflie太小，无法放下一个标记，而且多数量的无人机会造成模糊，因此，仅仅从动作捕捉系统中获取原始点云数据（ raw point clouds），实施基于ICP（Interactive Closest Point迭代最近点算法）算法的目标跟踪。

Initialization

使用一个包含固定初始点定位的配置文件，但是不可能在每次飞行前将每个无人机放置在其精确配置的位置。为了允许小的偏差，我们执行关于初始位置布局相关半径内的最近邻搜索（nearest-neighbor），在估计偏航角的时候使用ICP算法。我们只接受最好的猜测：一致误差非常小，小于1mm均方欧式距离。

Frame-to-frame Tracking

前提：

飞行期间没有长时间的遮挡。
限制ICP的迭代次数（5次）以在支持的硬件设备上运行。

st=>start: Frame-to-frame Tracking
op1=>operation: 从动作捕捉系统获得原始点云数据
op2=>operation: 对于每个对象，我们使用 ICP 将对应于对象最后已知姿势的标记位置与整个场景点云进行配准
op3=>operation: 动作捕捉系统有时会产生带有缺失的点云从而避免跟踪误差
op4=>operation: 从ICP计算线速度和角速度，将异常值剔除并与onboard状态结合

e=>end: end

st->op1->op2->op3->op4->e