无人机协同“嗅出”数字信息素狼群算法提升地图构建精度-度量科技

研究背景

电磁环境地图（Electromagnetic Environment Map, EEM）是从时间、频率、空间和场强等多维度对电磁环境进行定量描述。通过构建电磁环境地图，可以实现对电磁能量分布等信息的可视化展示，有助于实现电磁污染的监测与防治。在军用领域，电磁环境地图为电磁态势生成、用频冲突消解以及电磁频谱作战筹划应用提供直接支持。电磁环境地图的构建问题受到了广泛的关注和研究。

电磁环境地图系统构架

要构建电磁环境地图，首先需要收集空间中的电磁信息。由于地形等物理环境限制，既能搭载测量设备，又能机动快速廉价部署的动态测量载体——无人机（Unmanned Aerial Vehicle, UAV）成为最优选择。无人机集群在任务的执行速度、完成的成功率和输入数据的精度是单架无人机难以比拟的。

研究概述

电子科技大学仪器科学与技术系科研团队提出的基于数字信息素的狼群算法，使得无人机集群能够优先搜索未飞行区域，优化航迹规划。团队设计了一种基于部分卷积和注意力机制的卷积神经网络来补全构建高精度的电磁环境地图。

为了验证上述方法的优越性，实验搭建了以四旋翼无人机和测量芯片为主要实验载体的半实物仿真验证平台。

基于数字信息素的狼群算法平台整体构成

实物平台采用了NOKOV度量光学三维动作捕捉系统，配置了24台Mars4H的动作捕捉镜头。Mars4H镜头拥有400万像素、180Hz的性能，延迟仅为5.2ms，可以提供52°×52°的场视角和亚毫米级别的定位。

NOKOV度量 Seeker 1.6动捕系统软件，支持系统标定、校正及数据采集、导出工作，并提供实时SDK，可将数据实时导入Matlab、C++、Linux、Simulink等平台，软件可提供点云匹配和刚体匹配两种区分目标的方式。

无人机根据获取的WiFi信号强度数据，实时预测强度最大区域

研究基于5架无人机集群在电磁环境监测过程中获取的不完全WiFi信号强度数据，实现了对空间整体WiFi信号强度分布的补全构建，展示了算法的优越性。

参考文献：李彤.基于无人机集群的电磁环境地图构建方法研究[D].成都:电子科技大学,2022.

论文链接：

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFDTEMP&filename=1022543182.nh&uniplatform=NZKPT&v=ubHEE-cgmSmMjvdGhsHWkWTIO5SwB0shnh6EU5FVItfCRRH8RRO4yIjHIbfR1Sst

惯性式上肢动作捕捉系统开发

西安交通大学机械工程学院陕西省智能机器人重点实验室施虎老师团队利用惯性传感器开发了一套低成本、高灵活性的上肢动作捕捉系统，为机械臂遥操作任务提供了更自然、更高效的人机交互方案。NOKOV度量光学动作捕捉系统提供了人体上肢运动的高精度位置和姿态数据，助力惯性动捕系统性能评估。

IEEE RAL 足式机器人鲁棒状态估计精度较基线提升40%以上

山东大学研究团队发表面向绳驱动连续体机器人的融合非线性扩展状态观测器的自适应滑模跟踪控制方法，度量动捕为实验提供机器人末端执行器位姿数据，助力验证控制方法有效性。

室外环境无人车动作捕捉

清华大学李翔老师团队在室外环境下对无人车进行动作捕捉。NOKOV度量抗日光版本动捕镜头过滤日光干扰，准确识别无人车表面的反光标记点，获取高精度运动轨迹。

IJRR | 北航团队提出机器人复合分层抗干扰框架：实现无人机边飞边学

北航杭研院郭克信老师团队在IJRR上发表FORESEER机器人复合分层抗干扰框架，研究在五种不同构型的无人机平台上进行了室内外大量实验，通过四类代表性任务系统验证框架的性能。 NOKOV度量动作捕捉系统为实验提供了无人机在室内执行飞行任务时的高精度位姿数据及轨迹信息，助力验证FORESEER框架处理各种不确定性的有效性。

无人机协同“嗅出”数字信息素 狼群算法提升地图构建精度