协同控制空间定位 | NOKOV度量动作捕捉

解决方案

多智能体协同控制实验平台

北京理工大学在NOKOV（度量）光学动作捕捉系统的基础上搭建了一套以无人机、地面移动机器人/无人车为控制对象的异构多智能体协同/地空协同/无人机集群控制实验平台，该平台可实现对多种异构智能体控制算法进行验证，并模拟出空地协同巡逻、无人车围捕和探测围捕等多种军事场景。

北京理工大学多智能体协同控制实验平台功能

无人机姿态控制

根据用户需求，自定义需要捕捉的部位，利用NOKOV精确捕捉运动物体的位置及姿态等三维数据。

无人机/无人车动态角色分配

根据NOKOV实时反馈的位置信息，使出现在随机位置的多智能体，以最短路径形成理想编队队形，为其他多智能体协同控制实验提供了基础。

空地协同编队、自主避障与跟随

由于设备的可拓展性，用户可随意增减目标数量，通过在软件内对目标进行命名等操作，来完成对大批量运动体的同时捕捉。

NOKOV（度量）光学三维动作捕捉系统功能

六自由度动作捕捉数据

采集三维空间XYZ坐标、六自由度（6Dof）、偏航角（Yaw）、横摇角（Roll）、俯仰角（Pitch）、欧拉角等数据，为无人机的位姿控制、运动规划提供连贯、流畅的动作数据基础。

亚毫米的定位精度

与采用GPS、航迹推算、全局摄像头、UWB等定位方法的实验平台相比，该平台的精度大大提高，可达亚毫米级。

丰富的二次开发接口

采集到的数据可以以VRPN形式传输，或通过SDK（C++语言）端口广播与ROS、Labview、Matlab（包含Simulink）等软件通信进行二次开发。

软件具有一键建立刚体功能，大幅提高工作效率

案例详解：多智能体协同控制实验平台研发

更多资讯：多智能体协同控制研究中光学动作捕捉与UWB定位技术比较

经典案例

多场协同无人机自主建造的实现

同济大学建筑系

无人机的6DoF的数据，通过实时的方式由控制系统中飞控程序所获取，用自带的传感器数据进行LPE（Local Position Estimate）计算，用于实时更新无人机相对于全局坐标系的位置估计。之后再通过轨迹规划，协调多台无人机执行砌筑、搬运等任务时在多个航点间的移动方式，确保在操作过程中飞行器的安全以及砌筑顺序的正确。

相关论文：同济大学建筑与城市规划学院-基于无人机的离散结构自主建造技术初探.郭喆，陆明，王祥. 建筑技艺，2019.09

了解更多

基于动作捕捉系统的多智能体协同控制