动作捕捉系统验证OPT追踪井下无人机的性能-度量科技

井下无人机的远程跟踪在环境探测、人员救援和安全监测中发挥着重要作用。不过，它在井下可能会陷入两难的境地——传输高精度数据需要大量耗能。

由于GPS和惯性导航系统（INS）在井下无法解决信号和精度的问题。所以基于超宽带（UWB）和惯性测量单元（IMU）的融合成为了最佳答案，它在精确测距、抗多径效应和穿透能力方面优势明显。

按需耗能不做无用功

中国矿业大学计算机科学与技术学院，提出了一种基于超宽带和惯性测量单元融合的按需精确跟踪框架（OPT）。首先，设计了基于多传感器融合的无迹卡尔曼滤波器，实现具有定制性能的能量高效跟踪。其次，OPT提供了一种超宽带信号传输的自适应调整机制，在煤矿无人机本地定位的精度和能耗之间进行权衡。最后，开发了一种用于无人机远程跟踪的按需触发算法，以确定数据是否传输到地面服务器。特别是在复杂的井下环境，对按需触发条件进行优化。

场景切换动捕技术高效完成测试

模型分别在室内和煤矿实验室中进行了现场实验，采用了NOKOV度量光学动作捕捉系统获取无人机位置信息，作为追踪性能的评价标准。8个NOKOV MARS镜头分别固定在室内房间及巷道四周，可提供亚毫米级的坐标精度。井下无人机追踪系统由4个位置已知的UWB基站，以及一个搭载UWB移动节点和IMU的无人机组成。

室内无人机定位实验

无人机分别在室内和巷道内飞行，UWB移动节点不断与周围的4个UWB基站进行通信以提供无人机到基站的距离信息，IMU提供无人机的加速度以及角速度信息，从而利用OPT进行无人机的位置追踪。

井下巷道无人机定位实验

结果表明，OPT能够在降低40%通信率的情况下，提供0.3米的追踪精度，并降低20%的通信能量消耗。实现了低耗能高精度的井下无人机作业。

参考文献：[1] K. Zhang, P. Chen, T. Ma and S. Gao, "On-Demand Precise Tracking for Energy-Constrained UAVs in Underground Coal Mines," in IEEE Transactions on Instrumentation and Measurement, vol. 71, pp. 1-14, 2022, Art no. 5500814, doi: 10.1109/TIM.2022.3146925.

原文链接：https://ieeexplore.ieee.org/abstract/document/9694638

IROS 2025 多智能体深度强化学习算法实现Crazyflie无人机在复杂环境中协同追逐

国防科大周晗老师团队在IROS 2025上发表多智能体追逃的知识增强DRL方法，度量动捕提供多架Crazyflie无人机的位置和速度数据，助力验证本文算法。

Scientific Reports：人类拥抱行为分类法及其在人形机器人中的应用研究

多飞行器集联平台的控制与状态估计框架研究

北京理工大学俞玉树老师团队在IEEE RAL，IEEE TRO和IEEE TASE上分别发表关于多飞行器集联平台（Integrated Aerial Platforms, IAPs）的论文，提出IAP的控制和状态估计框架，为飞行操作机器人执行多功能空中操作任务奠定坚实基础。NOKOV度量动作捕捉系统为IAP提供高精度位姿真值数据，助力评估本文方法。

平衡步兵户外日光下轨迹获取

清华大学类脑计算中心使用度量动捕抗日光镜头过滤强光干扰，准确识别平衡步兵（轮足机器人）表面的反光标记点，实时获取高精度运动轨迹。