許曉偉，賴際舟，呂 品，樊劉仡

(南京航空航天大學(xué)導(dǎo)航研究中心，南京 211106)

?

多無人機(jī)協(xié)同導(dǎo)航技術(shù)研究現(xiàn)狀及進(jìn)展

許曉偉，賴際舟，呂 品，樊劉仡

(南京航空航天大學(xué)導(dǎo)航研究中心，南京 211106)

UAV是無人駕駛飛機(jī)(Unmanned Aerial Vehicle)的簡(jiǎn)稱，無人機(jī)相較于有人駕駛飛機(jī)具有用途廣泛、成本低和生存能力強(qiáng)等特點(diǎn)，在軍事民用領(lǐng)域都有著廣闊的前景，受到了國內(nèi)外研究者的關(guān)注。協(xié)同導(dǎo)航技術(shù)極大地?cái)U(kuò)展了無人機(jī)的應(yīng)用范圍，提高了多無人機(jī)定位的精度以及無人機(jī)編隊(duì)的穩(wěn)定性、安全性和可靠性?，F(xiàn)階段協(xié)同導(dǎo)航技術(shù)在編隊(duì)導(dǎo)航、目標(biāo)監(jiān)測(cè)與跟蹤等諸多方面都得到了研究與應(yīng)用。從四個(gè)層次對(duì)協(xié)同導(dǎo)航的研究現(xiàn)狀和進(jìn)展進(jìn)行探討：首先是對(duì)多無人機(jī)協(xié)同導(dǎo)航的概念、基本原理、國內(nèi)外發(fā)展現(xiàn)狀和必要性進(jìn)行闡述；其次對(duì)協(xié)同導(dǎo)航中相對(duì)導(dǎo)航方式進(jìn)行了分類分析，并分別介紹了無線電導(dǎo)航與視覺導(dǎo)航的原理、優(yōu)缺點(diǎn)和應(yīng)用場(chǎng)景；然后從導(dǎo)航目的、協(xié)同導(dǎo)航優(yōu)化算法、濾波方法、協(xié)同導(dǎo)航信息融合容錯(cuò)策略幾個(gè)方面對(duì)協(xié)同導(dǎo)航進(jìn)行分析歸納；最后，討論了基于多無人機(jī)協(xié)同導(dǎo)航未來的發(fā)展趨勢(shì)。

協(xié)同導(dǎo)航;視覺導(dǎo)航;無線電導(dǎo)航;信息融合;卡爾曼濾波

0 引言

協(xié)同導(dǎo)航的研究起始于20世紀(jì)末，其應(yīng)用平臺(tái)相當(dāng)廣泛，包括水下無人器、無人機(jī)、衛(wèi)星以及陸地機(jī)器人等[1]。除此之外，基于信息協(xié)同而實(shí)現(xiàn)的多無人機(jī)編隊(duì)利用多無人機(jī)之間的空間相對(duì)位置的變換，提高無人機(jī)的應(yīng)用范圍、工作效率和擴(kuò)展無人機(jī)的功能。例如實(shí)現(xiàn)自主空中加油，在僚機(jī)的尾跡渦中的高效率飛行以及提高多無人機(jī)的隱蔽性[2]?，F(xiàn)有的傳感器大多依賴于GPS的輔助，戰(zhàn)爭(zhēng)環(huán)境時(shí)變性、動(dòng)態(tài)性、隨機(jī)性極有可能導(dǎo)致GPS信號(hào)不可用或者不可靠。協(xié)同導(dǎo)航通過多傳感器的信息協(xié)同，提高定位準(zhǔn)確性與可靠性。正是由于協(xié)同導(dǎo)航的諸多優(yōu)勢(shì)，獲得了研究者的廣泛關(guān)注。

以美國為首的西方國家在協(xié)同技術(shù)的發(fā)展上起步較早，擁有較多的研究成果。很多研究成果已經(jīng)通過了測(cè)試而轉(zhuǎn)入實(shí)用階段。早在20世紀(jì)80年代，美國就研發(fā)了聯(lián)合戰(zhàn)術(shù)信息分布系統(tǒng)(Joint Tactical Information Distribution System ，JTIDS)，在1991年海灣戰(zhàn)爭(zhēng)中，美軍全面采用該系統(tǒng)進(jìn)行作戰(zhàn)，通過數(shù)據(jù)鏈?zhǔn)箲?zhàn)術(shù)戰(zhàn)位之間進(jìn)行數(shù)據(jù)交流，實(shí)現(xiàn)了海陸空作戰(zhàn)一體化。美國國防部高級(jí)研究計(jì)劃局(Defense Advanced Research Projects Agency ，DARPA)十分重視協(xié)同技術(shù)的發(fā)展，于2015年提出在拒止環(huán)境中協(xié)同作戰(zhàn)(Collaborative Operations in Denied Environment，CODE)項(xiàng)目，旨在使多無人飛行器在磁屏蔽環(huán)境下通過信息協(xié)同動(dòng)態(tài)地遠(yuǎn)程地對(duì)移動(dòng)的目標(biāo)進(jìn)行精確打擊。CODE工程專注于對(duì)無人機(jī)協(xié)同作戰(zhàn)的能力，這些無人機(jī)會(huì)不斷地估計(jì)自己的位置環(huán)境給決策者，使決策者獲得全面的情報(bào)信息[3]。西班牙塞維利亞大學(xué)機(jī)器人視覺控制小組一直致力于移動(dòng)機(jī)器人和傳感器網(wǎng)絡(luò)的研究，過去10年內(nèi)研究了利用傳感器和多機(jī)器人的協(xié)同合作，這種不借助于外部傳感器的定位方法具有較強(qiáng)的魯棒性，是最近研究者關(guān)注的熱點(diǎn)[4]。

我國協(xié)同導(dǎo)航技術(shù)起步較晚，中國空氣動(dòng)力研究與發(fā)展中心針對(duì)無人機(jī)協(xié)同覆蓋路徑規(guī)劃、多無人機(jī)協(xié)同軌跡規(guī)劃算法進(jìn)行了深入的研究。南開大學(xué)計(jì)算機(jī)工程學(xué)院通過研究無人機(jī)的物理特性獲得了大量的成果，提升了無人機(jī)的并行性和容錯(cuò)能力，并且設(shè)計(jì)了多無人機(jī)系統(tǒng)規(guī)劃的最優(yōu)控制模型[5-6]。由此可見，國內(nèi)外學(xué)者對(duì)協(xié)同導(dǎo)航的重要性已有了充分的認(rèn)識(shí)。

1 多無人機(jī)協(xié)同導(dǎo)航的概念及意義

無人機(jī)近幾年在軍事民用領(lǐng)域扮演了越來越重要的角色，既能夠自主實(shí)現(xiàn)對(duì)作戰(zhàn)目標(biāo)的查打一體，也可以用于民用的航拍。協(xié)同導(dǎo)航技術(shù)是多無人機(jī)自主飛行的可靠保障。由于無人機(jī)有續(xù)航、載荷、大小和隱蔽性等諸多限制，很多高精度的傳感器無法搭載。在復(fù)雜環(huán)境下，導(dǎo)航系統(tǒng)又必須在要求的運(yùn)行時(shí)間和范圍內(nèi)提供可靠并且準(zhǔn)確的導(dǎo)航信息。與單架無人機(jī)相比，多無人機(jī)協(xié)同可以優(yōu)化任務(wù)分配，提升執(zhí)行任務(wù)的表現(xiàn)，提高定位精度，減少實(shí)行任務(wù)的時(shí)間，與此同時(shí)還可以提高多無人機(jī)系統(tǒng)效率和安全性[7]。

協(xié)同導(dǎo)航是一項(xiàng)綜合性的技術(shù)，貫穿多無人機(jī)整個(gè)飛行過程的始終，本文將從多無人機(jī)組成的編隊(duì)構(gòu)型、相對(duì)導(dǎo)航方式、協(xié)同定位算法以及編隊(duì)故障的診斷與容錯(cuò)四方面進(jìn)行論述。一般的協(xié)同導(dǎo)航結(jié)構(gòu)如圖1所示。

模塊是模塊化設(shè)計(jì)的基本元素,是一種實(shí)體的概念,如把模塊定義為一組同時(shí)具有相同功能和相同結(jié)合要素,具有不同性能或用途甚至不同結(jié)構(gòu)特征,但能互換的單元[2-5].模塊化一般是指使用模塊的概念對(duì)設(shè)備或系統(tǒng)進(jìn)行規(guī)劃設(shè)計(jì)、生產(chǎn)組織.設(shè)備的模塊化設(shè)計(jì)是在對(duì)一定范圍內(nèi)的不同功能或相同功能不同性能、不同規(guī)格的設(shè)備進(jìn)行功能結(jié)構(gòu)分析的基礎(chǔ)上,劃分并設(shè)計(jì)出一系列模塊,通過模塊的選擇和組合可以構(gòu)成不同的設(shè)備,以滿足發(fā)射場(chǎng)不同需求的設(shè)計(jì)方法.

多無人機(jī)協(xié)同導(dǎo)航系統(tǒng)的信息通信結(jié)構(gòu)直接影響了導(dǎo)航精度[2]。多無人機(jī)協(xié)同導(dǎo)航方式通常分為主從式和平行式兩種(見圖2)，常見的Leader-Follower就是典型的主從式結(jié)構(gòu)。主從式多無人機(jī)的編隊(duì)包括單主、多主等結(jié)構(gòu)，通常主從式結(jié)構(gòu)的無人機(jī)編隊(duì)通過長機(jī)高精度的傳感器信息與配備低精度傳感器的僚機(jī)進(jìn)行共享。僚機(jī)利用長機(jī)的導(dǎo)航信息并通過相對(duì)位置測(cè)量對(duì)自己的位置進(jìn)行估計(jì)，從而提高無人機(jī)編隊(duì)的整體定位精度。平行式結(jié)構(gòu)則是通過多無人機(jī)直接信息廣播，實(shí)現(xiàn)信息共享，通過相互距離測(cè)量進(jìn)行自身位置更新。

2 相對(duì)導(dǎo)航方式的研究及進(jìn)展

相對(duì)導(dǎo)航方式是實(shí)現(xiàn)協(xié)同導(dǎo)航技術(shù)多機(jī)協(xié)同的重要手段，在無人機(jī)協(xié)同導(dǎo)航中飛行器之間的信息一般通過相對(duì)導(dǎo)航方式獲得，相對(duì)導(dǎo)航方式的應(yīng)用是無人機(jī)群在復(fù)雜環(huán)境下實(shí)現(xiàn)協(xié)同導(dǎo)航的重要手段。本文所研究的協(xié)同導(dǎo)航的應(yīng)用對(duì)象是多無人機(jī)組成的編隊(duì)，由于在多無人機(jī)組成的編隊(duì)中各無人機(jī)的相對(duì)距離較近，在此背景下，相對(duì)導(dǎo)航傳感器相對(duì)于絕對(duì)導(dǎo)航傳感器能夠?qū)崿F(xiàn)更高的定位精準(zhǔn)度、更強(qiáng)的抗干擾能力以及更低廉的成本價(jià)格。本節(jié)將對(duì)無人機(jī)的相對(duì)導(dǎo)航方式結(jié)合圖3所示的分類進(jìn)行具體闡述。

2.1 無線電導(dǎo)航

無線電導(dǎo)航是現(xiàn)代航空中最為基本，同時(shí)也是最為核心的協(xié)同導(dǎo)航手段，可以全天時(shí)全天候?qū)崿F(xiàn)相對(duì)位姿測(cè)量，而且具有定位精度較高、定位速度較快等優(yōu)點(diǎn)，因而無線電導(dǎo)航也優(yōu)先被應(yīng)用在了相對(duì)導(dǎo)航方式中。無線電導(dǎo)航包含了GPS、雷達(dá)、UWB等利用無線電波的導(dǎo)航技術(shù)。GPS導(dǎo)航利用多顆衛(wèi)星對(duì)目標(biāo)進(jìn)行定位，是目前最常用的導(dǎo)航定位手段，但是由于其誤差較大，通常在米級(jí)，無法適用于緊密多無人機(jī)的編隊(duì)以及精度要求較高的隊(duì)形變換，因此需要采用合適的方法提高其導(dǎo)航定位精度以滿足相對(duì)導(dǎo)航的需求條件。雷達(dá)導(dǎo)航利用電磁波在介質(zhì)中沿直線傳播的傳播特性，通過測(cè)量無線電信號(hào)幅度、頻率和相位，根據(jù)角測(cè)量原理或者距離測(cè)量原理測(cè)得無人機(jī)之間的相對(duì)角度和距離，進(jìn)一步可以解算出速度、位置和姿態(tài)信息，最終可以實(shí)現(xiàn)相對(duì)導(dǎo)航。針對(duì)GPS相對(duì)導(dǎo)航的問題，Hedgecock W等提出GPS相對(duì)跟蹤法(Relative GPS Tracking，RegTrack)，通過GPS推導(dǎo)多接收機(jī)的相對(duì)位置信息，網(wǎng)絡(luò)中的節(jié)點(diǎn)通過分享它們的原始衛(wèi)星測(cè)量數(shù)據(jù)并利用這些數(shù)據(jù)追蹤?quán)徑?jié)點(diǎn)的相對(duì)運(yùn)動(dòng)對(duì)比計(jì)算出自身的絕對(duì)坐標(biāo)，由于無關(guān)測(cè)量誤差的存在，該方法比簡(jiǎn)單采用節(jié)點(diǎn)絕對(duì)坐標(biāo)或其他常規(guī)方法的精度高出了1個(gè)數(shù)量級(jí)以上[8]。Gross J N等針對(duì)無人機(jī)近距離編隊(duì)飛行問題，提出了一種全新的基于載波相位差分GPS以及無人機(jī)自身慣導(dǎo)系統(tǒng)的傳感器融合算法，該算法借助超寬帶無線電測(cè)距技術(shù)，通過信息融合加強(qiáng)載波相位差分GPS相對(duì)導(dǎo)航的魯棒性[9]。

在利用雷達(dá)的相對(duì)導(dǎo)航方面，Strader J等針對(duì)在同一高度下的2架無人機(jī)提出了一種無需先驗(yàn)信息，僅通過測(cè)距雷達(dá)和飛行器機(jī)載導(dǎo)航系統(tǒng)測(cè)量距離信息就可以估計(jì)相對(duì)姿態(tài)的方法。該方法假設(shè)系統(tǒng)在沒有噪聲的情況下，從無線電測(cè)量構(gòu)造出的圖形中推導(dǎo)出姿態(tài)的分析解，再使用非線性最小二乘法從噪聲范圍和位置位移測(cè)量中估計(jì)出相對(duì)航向和方位，并針對(duì)各種軌跡對(duì)測(cè)量噪聲的靈敏度進(jìn)行分析[10]。Tseng P H等針對(duì)視距與非視距混合環(huán)境下的多移動(dòng)單位協(xié)同自主導(dǎo)航技術(shù)進(jìn)行了研究，推導(dǎo)貝葉斯遞歸優(yōu)化算法，基于到達(dá)時(shí)間(time-of-arrival，TOA)對(duì)位置和信道環(huán)境進(jìn)行聯(lián)合估計(jì)[11]。Quist E B等提出了一種雷達(dá)測(cè)距算法，在GPS信號(hào)丟失的情況下，該算法能夠減小航位推算漂移率，改善IMU產(chǎn)生的導(dǎo)航誤差，從而提高導(dǎo)航精度，并通過雷達(dá)捕獲的實(shí)際室外飛行數(shù)據(jù)對(duì)算法的有效性進(jìn)行了驗(yàn)證[12]。無線電導(dǎo)航具有良好的技術(shù)基礎(chǔ)，在相對(duì)導(dǎo)航的應(yīng)用中主要難點(diǎn)在于高精度相對(duì)導(dǎo)航算法的設(shè)計(jì)以及對(duì)測(cè)量噪聲的過濾，對(duì)導(dǎo)航信息的計(jì)算與融合則是接下來研究的重點(diǎn)。

無線電傳感器作為一種主動(dòng)探測(cè)方式，可以感知無人機(jī)之間的相對(duì)距離和角度，為多無人機(jī)的協(xié)同導(dǎo)航提供了新的思路，從而保證無人機(jī)編隊(duì)協(xié)同導(dǎo)航的可靠性與準(zhǔn)確性。

2.2 視覺導(dǎo)航

視覺導(dǎo)航是近年來國內(nèi)外導(dǎo)航領(lǐng)域的研究熱點(diǎn)。視覺傳感器由于其體積小巧、價(jià)格低廉并且能夠提供豐富的信息，所以使用起來較為高效。由于無人機(jī)在執(zhí)行偵查、監(jiān)測(cè)等任務(wù)時(shí)自身就會(huì)搭載視覺傳感器，因此采用視覺導(dǎo)航的方式不會(huì)占用無人機(jī)額外的空間。在視覺導(dǎo)航方式中，裝載有視覺傳感器的僚機(jī)或者長機(jī)能夠?qū)Ω兄秶鷥?nèi)的某架或多架無人機(jī)的特征信息進(jìn)行連續(xù)捕獲，并對(duì)特征信息進(jìn)行匹配與跟蹤，估計(jì)出自身的運(yùn)動(dòng)狀態(tài)，從而對(duì)慣性導(dǎo)航信息進(jìn)行修正并在相對(duì)坐標(biāo)系或絕對(duì)坐標(biāo)系中確定自身的位置。在利用視覺傳感器實(shí)現(xiàn)相對(duì)導(dǎo)航時(shí)，飛行器的位置信息完全由視覺傳感器提供，對(duì)視覺信息的分析結(jié)果將直接影響到飛行器的飛行軌跡，因此其關(guān)鍵技術(shù)就體現(xiàn)在對(duì)特征信息的精確捕獲和跟蹤以及與慣性導(dǎo)航信息的高精度融合。

視覺相對(duì)導(dǎo)航方法首先要解決的是對(duì)特征信息的捕獲和跟蹤問題，因此需對(duì)視覺導(dǎo)航方式進(jìn)行建模，研究者們針對(duì)不同的應(yīng)用環(huán)境提出了相應(yīng)的視覺導(dǎo)航模型。針對(duì)GPS拒止的環(huán)境，J.Hardy和Leishman R C分別提出了一個(gè)全新的視覺導(dǎo)航模型，用來估計(jì)無人機(jī)相對(duì)姿態(tài)[13]。J.Hardy等設(shè)計(jì)的模型以分層統(tǒng)計(jì)算法為索引方案，確定了機(jī)載雙攝像頭中的重疊覆蓋部分，采用非線性卡爾曼濾波計(jì)算出無人機(jī)的相對(duì)位置姿態(tài)。Leishman R C等提出的模型的核心是將乘法擴(kuò)展卡爾曼濾波與視覺SLAM相結(jié)合，與一般的總體狀態(tài)估計(jì)的方式不同，該模型保持MEKF位置和偏航對(duì)目前地圖節(jié)點(diǎn)的相對(duì)狀態(tài)，該相對(duì)導(dǎo)航方法對(duì)地圖邊界和協(xié)方差進(jìn)行了直觀定義，在需要時(shí)使用全局一致地圖的設(shè)計(jì)也使模型更具靈活性[14-16]。針對(duì)多機(jī)協(xié)同空中加油問題，Khansari-Zadeh S M等設(shè)計(jì)了基于神經(jīng)算法的視覺估計(jì)與導(dǎo)航算法，并通過詳細(xì)的建模和完整的飛行器動(dòng)態(tài)性能六自由度虛擬環(huán)境非線性仿真對(duì)算法可靠性進(jìn)行了驗(yàn)證[17]。Meng D等設(shè)計(jì)了一種基于視覺的空中加油機(jī)與無人機(jī)的相對(duì)姿態(tài)估計(jì)方法，該方法結(jié)合了定位參數(shù)初始化與正交迭代法，估計(jì)旋轉(zhuǎn)矩陣與轉(zhuǎn)換向量的最優(yōu)解，并討論了該方法中特征點(diǎn)數(shù)量與配置對(duì)估計(jì)結(jié)果精度的影響[18]。針對(duì)長機(jī)與僚機(jī)之間沒有信息交流的情況，Seung-Min Oh等設(shè)計(jì)了一款基于視覺的導(dǎo)航系統(tǒng)，使用無跡卡爾曼濾波對(duì)目標(biāo)方位角、目標(biāo)仰角、目標(biāo)對(duì)角視覺信息進(jìn)行信息融合，得到相對(duì)運(yùn)動(dòng)估計(jì)，實(shí)現(xiàn)了長機(jī)與僚機(jī)之間的相對(duì)導(dǎo)航[19]。

建立合適的模型是實(shí)現(xiàn)多無人機(jī)視覺導(dǎo)航的基礎(chǔ)，進(jìn)一步提高視覺導(dǎo)航的精確性與魯棒性就需要研究結(jié)合視覺導(dǎo)航和慣導(dǎo)信息的融合問題。Fosbury A等使用四元數(shù)法將全局姿態(tài)參數(shù)化，由三維姿態(tài)表示法給出當(dāng)?shù)刈藨B(tài)誤差，再使用擴(kuò)展卡爾曼濾波估計(jì)2架無人機(jī)之間的相對(duì)位置和姿態(tài)。通過該方法可以確定最優(yōu)軌跡并提高系統(tǒng)估計(jì)的精確度[20]。在文獻(xiàn)[20]的基礎(chǔ)上，崔乃剛等針對(duì)視覺導(dǎo)航輸出延時(shí)的問題，提出了一種視覺與慣導(dǎo)相結(jié)合的相對(duì)導(dǎo)航方法，采用無跡卡爾曼濾波對(duì)相對(duì)慣導(dǎo)信息和相對(duì)視線矢量信息進(jìn)行融合，從而更加精確地估計(jì)出機(jī)與機(jī)之間的相對(duì)位置、相對(duì)速度、相對(duì)姿態(tài)等相對(duì)導(dǎo)航信息[21]。Park J S等為解決如何提高無人機(jī)姿態(tài)估計(jì)的精度與魯棒性的問題提出了兩步方案，首先采用一種非線性最小二乘算法，并通過卡爾曼濾波減少信標(biāo)方位特征的噪聲；其次結(jié)合相對(duì)姿態(tài)運(yùn)動(dòng)學(xué)和相對(duì)位置方程設(shè)計(jì)了一種相對(duì)導(dǎo)航濾波器，二者相結(jié)合，達(dá)到提高精度與魯棒性的目的[22]。視覺相對(duì)導(dǎo)航技術(shù)近年來以研究模型的建立和信息的融合為主，其技術(shù)基礎(chǔ)已相對(duì)成熟，而對(duì)視覺導(dǎo)航中誤差的特性分析與傳遞方式的研究相對(duì)較少，如何進(jìn)一步分析誤差、消除誤差以提升導(dǎo)航技術(shù)的精確性是今后研究的方向之一。

視覺作為協(xié)同導(dǎo)航位姿測(cè)量最直接的傳感器，為無人機(jī)編隊(duì)提供了可靠的相對(duì)位置姿態(tài)信息，每個(gè)無人機(jī)都可以利用視覺傳感器估計(jì)其他無人機(jī)在自身坐標(biāo)系的相對(duì)位置和距離。在存在GPS信號(hào)情況下，這些導(dǎo)航信息也可以在慣性坐標(biāo)系內(nèi)估計(jì)。視覺導(dǎo)航不需要無人機(jī)之間的相互通信，是復(fù)雜環(huán)境下協(xié)同導(dǎo)航的重要手段。

3 多無人機(jī)協(xié)同導(dǎo)航算法的研究與進(jìn)展

隨著協(xié)同導(dǎo)航技術(shù)研究的深入，通過對(duì)初期的算法進(jìn)行大量改進(jìn)，在簡(jiǎn)化算法過程的同時(shí)，提高導(dǎo)航數(shù)據(jù)的準(zhǔn)確性，同時(shí)減少數(shù)據(jù)計(jì)算量、降低系統(tǒng)延時(shí)，能夠?yàn)槎酂o人機(jī)編隊(duì)提供實(shí)時(shí)的必要導(dǎo)航信息，為多無人機(jī)的協(xié)同導(dǎo)航提供堅(jiān)實(shí)的基礎(chǔ)。多無人機(jī)的協(xié)同導(dǎo)航優(yōu)化算法大致可以分為協(xié)同導(dǎo)航的數(shù)理優(yōu)化算法、基于圖論的協(xié)同導(dǎo)航算法以及基于濾波估計(jì)的數(shù)據(jù)融合算法(見圖4)。

3.1 協(xié)同導(dǎo)航的數(shù)理優(yōu)化算法

通過優(yōu)化算法對(duì)協(xié)同導(dǎo)航信息進(jìn)行求解，通過不同的數(shù)理優(yōu)化方法對(duì)協(xié)同導(dǎo)航信息進(jìn)行推導(dǎo)從而獲得相對(duì)可靠的導(dǎo)航信息估計(jì)。研究者通常利用極大似然估計(jì)、最小二乘法等數(shù)學(xué)算法對(duì)協(xié)同導(dǎo)航位置姿態(tài)求解，提高協(xié)同導(dǎo)航算法的準(zhǔn)確性，減少計(jì)算復(fù)雜程度。

文獻(xiàn)[23]采用內(nèi)部和外部信息的傳感器對(duì)機(jī)器人自身狀態(tài)參數(shù)進(jìn)行收集、傳播和更新，通過分布式估計(jì)方法，將一個(gè)主濾波器的卡爾曼濾波方程分配到各個(gè)子濾波器中，也就是將編隊(duì)內(nèi)的各子機(jī)器人都看作一個(gè)子系統(tǒng)進(jìn)行卡爾曼濾波運(yùn)算，從而實(shí)現(xiàn)對(duì)各機(jī)器人位置的推算。這種分布估計(jì)可以實(shí)現(xiàn)最少的數(shù)據(jù)傳輸和處理過程，但存在傳輸延時(shí)、數(shù)據(jù)丟失和全局認(rèn)知困難等問題[7]。文獻(xiàn)[24]則采用集中式的協(xié)同導(dǎo)航結(jié)構(gòu)，能夠在系統(tǒng)層面獲得機(jī)器人的位置姿態(tài)信息，有利于機(jī)器人之間的相互協(xié)作。通過引入閾值窗口，根據(jù)自身定位不確定性的高低采取不同的校正策略，避免分布式方法在建立地圖時(shí)各地圖相對(duì)獨(dú)立、難以獲得全局信息、各機(jī)器人運(yùn)動(dòng)規(guī)劃存在局部最優(yōu)限制等缺點(diǎn)；但也存在過于依賴長機(jī)的問題，一旦長機(jī)故障，導(dǎo)致編隊(duì)癱瘓。文獻(xiàn)[25]根據(jù)距離測(cè)量模型以及簡(jiǎn)單的幾何建模，通過最小二乘法獲得一個(gè)非凸估計(jì)函數(shù)。通過極大似然估計(jì)對(duì)2個(gè)傳感器的距離進(jìn)行推算，解決了在3D無線傳感器網(wǎng)絡(luò)中目標(biāo)的協(xié)同定位問題。由于計(jì)算的復(fù)雜性，文獻(xiàn)[25]同樣使用了分布式的策略，由本地子系統(tǒng)對(duì)估計(jì)過程進(jìn)行運(yùn)算，將各平臺(tái)的信息進(jìn)行分別估計(jì)，進(jìn)而獲得相對(duì)準(zhǔn)確的位置估計(jì)。

3.2 基于圖論的協(xié)同導(dǎo)航算法

圖論就是將一個(gè)特定集合內(nèi)的目標(biāo)通過數(shù)學(xué)結(jié)構(gòu)對(duì)成對(duì)的目標(biāo)關(guān)系進(jìn)行建模的方法[7]。圖中的每個(gè)節(jié)點(diǎn)都被認(rèn)為是一個(gè)媒介，它可以和一些或者全部的媒介進(jìn)行信息交換。針對(duì)路徑跟蹤準(zhǔn)確性不足的問題，文獻(xiàn)[26]將多載體的動(dòng)態(tài)系統(tǒng)通過信息圖建立成一組能夠信息交換的動(dòng)態(tài)子系統(tǒng)，從而提出了一種協(xié)同路徑跟蹤控制方法。為了提高協(xié)同導(dǎo)航的定位精度，文獻(xiàn)[27]同樣應(yīng)用基于圖論的建模方式討論多無人機(jī)的定位問題，當(dāng)知道2個(gè)無人機(jī)之間的距離和2個(gè)已知位置信息的地標(biāo)與載體的夾角時(shí)，通過全局剛性結(jié)構(gòu)理論，對(duì)多無人機(jī)進(jìn)行相對(duì)定位。文獻(xiàn)[28]設(shè)計(jì)了一種基于視覺的協(xié)同導(dǎo)航定位算法，它利用多個(gè)無人機(jī)對(duì)同一目標(biāo)進(jìn)行不同角度的拍照，當(dāng)一架無人機(jī)需要獲得自己的位置時(shí)，通過自身拍攝到的圖像和其他無人機(jī)拍攝的2幅圖像進(jìn)行比較，通過圖像內(nèi)含有的各無人機(jī)的導(dǎo)航信息和特征區(qū)域的比較進(jìn)行導(dǎo)航信息的更新。研究者建立了一個(gè)有向非循環(huán)圖，通過組內(nèi)無人機(jī)平臺(tái)進(jìn)行圖的本地維護(hù)，每當(dāng)獲得量測(cè)信息時(shí)，則根據(jù)該圖計(jì)算導(dǎo)航參數(shù)與圖像相關(guān)的互協(xié)方差項(xiàng)。無人機(jī)所需要的傳感器僅為視覺傳感器和慣性測(cè)量單元，不需要任何先驗(yàn)信息，提高了多無人機(jī)的編隊(duì)內(nèi)定位精度較差的無人機(jī)的定位精度。

3.3 多無人機(jī)協(xié)同導(dǎo)航的濾波估計(jì)算法

信息融合估計(jì)是多無人機(jī)協(xié)同導(dǎo)航算法中關(guān)鍵的一環(huán)，本節(jié)結(jié)合了國內(nèi)外不同學(xué)者的研究成果，對(duì)無人機(jī)間的信息融合濾波方法進(jìn)行相關(guān)的分析。

卡爾曼濾波是協(xié)同導(dǎo)航中最常見的融合算法之一，通過迭代預(yù)測(cè)和補(bǔ)償，將會(huì)有效地消除誤差。其中主要分為原始卡爾曼濾波算法(KF)、擴(kuò)展卡爾曼濾波算法(EKF)和無跡卡爾曼濾波算法(UKF)。KF主要針對(duì)線性高斯情況。EKF則是針對(duì)非線性高斯模型，它將非線性部分進(jìn)行一階泰勒展開，忽略了高階項(xiàng)。UKF則結(jié)合了UT變換和KF，計(jì)算精度較高。KF作為原始濾波方式，得到了很多研究者的關(guān)注，其中文獻(xiàn)[29]將每個(gè)無人機(jī)的六維狀態(tài)向量提供給卡爾曼濾波器，將觀測(cè)方程建立在地心慣性坐標(biāo)系，將無人機(jī)的相對(duì)位置和相對(duì)距離作為觀測(cè)量進(jìn)行卡爾曼濾波。為了減少數(shù)據(jù)融合的計(jì)算量，文獻(xiàn)[29]還提出了將最小二乘誤差法與卡爾曼濾波結(jié)合的方式，將卡爾曼濾波算法建立在最小二乘誤差法的輸出上。首先通過最小二乘誤差法對(duì)預(yù)處理階段進(jìn)行粗估計(jì)，然后通過卡爾曼濾波進(jìn)行進(jìn)一步的噪聲消除。計(jì)算時(shí)間減少到原來的2.5%且擁有相同的精確度。KF適用于線性高斯問題，但現(xiàn)實(shí)世界中，大多都是非線性的，而通過線性近似很容易解決非線性問題，相較于UKF，EKF消耗較少的內(nèi)存和時(shí)間資源。文獻(xiàn)[30]利用擴(kuò)展卡爾曼濾波對(duì)非線性的無人機(jī)狀態(tài)和協(xié)方差進(jìn)行快速更新。由于所有基于擴(kuò)展卡爾曼濾波都是估計(jì)隨機(jī)變量、參數(shù)化均值和協(xié)方差，假設(shè)傳感器噪聲是零均值，白噪聲。如果噪聲觀測(cè)狀態(tài)不夠準(zhǔn)確，會(huì)導(dǎo)致誤差累計(jì)，致使濾波器發(fā)散，而且它需要大量的建模參數(shù)以及需要通過手動(dòng)調(diào)節(jié)。所以文獻(xiàn)[31]提出了一種基于自主學(xué)習(xí)噪聲協(xié)方差的擴(kuò)展卡爾曼濾波器，結(jié)果表明，它可以自動(dòng)且快速地輸出噪聲協(xié)方差，提高了導(dǎo)航精度。文獻(xiàn)[32]提出了基于多無人機(jī)協(xié)同的自適應(yīng)UKF來實(shí)現(xiàn)數(shù)據(jù)融合，得到最優(yōu)位置。自適應(yīng)UKF由2個(gè)平行的UKF濾波器組成，通過主濾波器和從濾波器分別對(duì)無人機(jī)的狀態(tài)和噪聲協(xié)方差進(jìn)行估計(jì)，可以對(duì)估計(jì)誤差進(jìn)行補(bǔ)償，使自適應(yīng)UKF能獲得比傳統(tǒng)UKF更好的魯棒性和準(zhǔn)確性。

由于粒子濾波適用于任何動(dòng)狀態(tài)的空間模型，它能夠近似測(cè)量完整的非高斯概率分布[7]。并且多元積分通過蒙特卡洛采樣近似，在協(xié)同導(dǎo)航領(lǐng)域同樣受到關(guān)注，能夠精確表達(dá)基于觀測(cè)量和控制量的后延概率分布。文獻(xiàn)[33]利用一個(gè)基于粒子濾波的協(xié)同目標(biāo)跟蹤器對(duì)目標(biāo)進(jìn)行位置和速度的估計(jì)，將編隊(duì)內(nèi)所有機(jī)器人基于視覺的目標(biāo)觀測(cè)量通過無線通信系統(tǒng)傳輸?shù)綄?shí)時(shí)數(shù)據(jù)庫，再通過粒子濾波去除觀測(cè)噪聲，從而準(zhǔn)確地獲得位置速度信息。

在無人機(jī)的協(xié)同導(dǎo)航中，信息濾波同樣獲得了研究者的關(guān)注，它可完成更簡(jiǎn)單的估計(jì)更新, 更容易解耦和分散[2]。文獻(xiàn)[34]驗(yàn)證了一種在協(xié)同導(dǎo)航系統(tǒng)中無漂移導(dǎo)航姿態(tài)估計(jì)的充分條件，但是這個(gè)系統(tǒng)需要用一個(gè)集中的估計(jì)函數(shù)來估計(jì)所有無人機(jī)狀態(tài)。所以提出了一種基于分散和分布的信息濾波器，將多無人機(jī)信標(biāo)間的位置關(guān)系和本地慣導(dǎo)數(shù)據(jù)融合，得到一個(gè)相對(duì)精確的位置參數(shù)。文獻(xiàn)[35]提出了改進(jìn)范圍參數(shù)化平方根容積信息濾波算法，通過結(jié)合完全分布式融合估計(jì)結(jié)構(gòu)，集成平方根容積卡爾曼濾波器、范圍參數(shù)化方法以及信息濾波器，可以實(shí)現(xiàn)多無人機(jī)協(xié)同無源定位的穩(wěn)定性、實(shí)時(shí)性、準(zhǔn)確性。濾波融合算法多種多樣，在基礎(chǔ)算法中衍生出新的算法，但不存在完美的融合濾波方案，在計(jì)算量、誤差累積以及噪聲觀測(cè)的準(zhǔn)確性等方面都難以同時(shí)達(dá)到最優(yōu)，存在很大的優(yōu)化空間，仍具有極大的研究?jī)r(jià)值。

4 多無人機(jī)協(xié)同導(dǎo)航故障診斷與容錯(cuò)方法

多無人機(jī)的編隊(duì)故障診斷與容錯(cuò)是多無人機(jī)協(xié)同導(dǎo)航的重要一環(huán)，多無人機(jī)的編隊(duì)在執(zhí)行任務(wù)的過程中，可能會(huì)由于環(huán)境因素或者硬件損壞而導(dǎo)致系統(tǒng)故障，有些故障對(duì)于無人機(jī)的自主飛行是致命的，因此通過協(xié)同導(dǎo)航技術(shù)利用多平臺(tái)傳感器的多源異類導(dǎo)航信息對(duì)故障進(jìn)行甄別與隔離。研究者對(duì)無人機(jī)的各種故障模型都進(jìn)行了深入的研究，提出了諸多解決方案。

文獻(xiàn)[36]主要考慮了在不確定環(huán)境下無機(jī)器人組成的編隊(duì)目標(biāo)搜尋的數(shù)據(jù)傳輸延時(shí)問題，它通過一個(gè)隨機(jī)方法估計(jì)所有飛機(jī)采取不同行為的可能性，每架無人機(jī)將會(huì)對(duì)目標(biāo)方程進(jìn)行調(diào)整，估計(jì)其他無人機(jī)的行為，從而對(duì)搜索目標(biāo)進(jìn)行新的決策。避免了由于信息延時(shí)導(dǎo)致的搜索區(qū)域重疊，從而提高了編隊(duì)的工作效率。當(dāng)編隊(duì)中的無人機(jī)發(fā)生硬件故障時(shí)，文獻(xiàn)[37]提出了基于硬件冗余系統(tǒng)的故障診斷識(shí)別方法，該方法主要針對(duì)機(jī)器人編隊(duì)，不需要借助故障模型和動(dòng)態(tài)模型，而是由每個(gè)編隊(duì)里的機(jī)器人通過對(duì)航位推算和激光掃描匹配來檢測(cè)所得到的速度，再進(jìn)行比較來檢測(cè)機(jī)器人內(nèi)部傳感器狀態(tài)。通過領(lǐng)隊(duì)機(jī)器人和自身的激光測(cè)距傳感器估計(jì)位置信息對(duì)故障元件進(jìn)行識(shí)別。充分利用了多機(jī)器人多傳感器的特點(diǎn)，減少了故障識(shí)別的復(fù)雜程度，保證了編隊(duì)的穩(wěn)定性。與此類似，文獻(xiàn)[38]設(shè)計(jì)了多機(jī)故障檢測(cè)、識(shí)別、恢復(fù)系統(tǒng)。這個(gè)系統(tǒng)利用了各個(gè)無人機(jī)搭載的傳感器數(shù)據(jù)來檢測(cè)它們的位置，判斷姿態(tài)是否發(fā)生了錯(cuò)誤，然后識(shí)別故障根源。該系統(tǒng)可以組建一個(gè)協(xié)同虛擬傳感器，為故障的無人機(jī)提供冗余位置速度估計(jì)，也可以代替該故障無人機(jī)的內(nèi)部傳感器，形成一套更為完整的無人機(jī)故障檢測(cè)和容錯(cuò)理論。對(duì)于容錯(cuò)方案，文獻(xiàn)[35]則是選擇了一個(gè)更加直接的方式來對(duì)故障無人機(jī)的位置進(jìn)行確定，它是通過多無人機(jī)傳感器之間的數(shù)據(jù)交流來對(duì)多無人機(jī)協(xié)同導(dǎo)航中的故障進(jìn)行補(bǔ)償。以GPS失效為例，當(dāng)其中一架無人機(jī)GPS失效后，將3架其他的無人機(jī)作為參考點(diǎn)，通過故障無人機(jī)與其他3架無人機(jī)在慣性坐標(biāo)系中的相對(duì)距離，可以確定故障無人機(jī)在二維水平面上的位置，間接地得到了故障無人機(jī)的位置。

多無人機(jī)利用協(xié)同導(dǎo)航信息對(duì)無人機(jī)編隊(duì)進(jìn)行多尺度冗余量測(cè)信息的故障檢測(cè)與容錯(cuò)，可以為多無人機(jī)穩(wěn)定安全飛行提供可靠保障，極大地提高了多無人機(jī)的存活率，增加了多無人機(jī)在復(fù)雜環(huán)境下的適應(yīng)性。

5 多無人機(jī)協(xié)同導(dǎo)航的發(fā)展趨勢(shì)

隨著無人機(jī)的普及，多無人機(jī)協(xié)同導(dǎo)航技術(shù)也受到了廣泛的關(guān)注，從國內(nèi)外學(xué)者的大量研究成果中歸納出以下五點(diǎn)發(fā)展趨勢(shì)。

1)協(xié)同導(dǎo)航精度不斷提高。無人機(jī)協(xié)同導(dǎo)航的研究已經(jīng)進(jìn)行多年，以視覺導(dǎo)航為主的協(xié)同導(dǎo)航技術(shù)已經(jīng)有了初步的進(jìn)展，關(guān)于多無人機(jī)協(xié)同導(dǎo)航如何建模的問題也有了不少的研究，而關(guān)于誤差的特性分析以及如何對(duì)誤差進(jìn)行補(bǔ)償?shù)热绾翁嵘鹊膯栴}還沒有多少進(jìn)展。Fosbury A[20]、Park J S[22]針對(duì)視覺導(dǎo)航中的誤差補(bǔ)償給出了一些改進(jìn)方法，但仍有待進(jìn)一步的研究。

2)新型相對(duì)導(dǎo)航傳感器的應(yīng)用。除了已經(jīng)介紹的視覺導(dǎo)航和無線電相對(duì)導(dǎo)航方式，諸如激光雷達(dá)、超寬頻無線電傳感器等相對(duì)導(dǎo)航傳感器，雖然還未廣泛應(yīng)用于多無人機(jī)協(xié)同導(dǎo)航領(lǐng)域，但是在AUV協(xié)同導(dǎo)航，以及航天器協(xié)同導(dǎo)航等領(lǐng)域都有重要的應(yīng)用。雖然針對(duì)的對(duì)象不同，但是在原理上都存在相似之處，因此，拓展全新的相對(duì)導(dǎo)航傳感器也是未來研究的一個(gè)發(fā)展方向。

3)由單一傳感器到多源傳感器的融合。單一的相對(duì)導(dǎo)航方式其導(dǎo)航的精度以及可靠性有限，而在無人機(jī)協(xié)同導(dǎo)航中，每個(gè)無人機(jī)可以根據(jù)不同的任務(wù)需求配置不同的傳感器設(shè)備，不僅可以提升無人機(jī)的有效負(fù)載，還能夠利用不同相對(duì)導(dǎo)航方式的優(yōu)勢(shì)進(jìn)行互補(bǔ)，多信息融合將是今后多無人機(jī)協(xié)同導(dǎo)航的研究熱點(diǎn)。

4)故障診斷與容錯(cuò)的智能化。未來的無人機(jī)編隊(duì)將會(huì)實(shí)現(xiàn)自主的故障診斷，綜合多種傳感器的信息，實(shí)現(xiàn)故障的自主診斷、識(shí)別和容錯(cuò)，不斷提高系統(tǒng)的可靠性與穩(wěn)定性。

5)由少量無人機(jī)到大型無人機(jī)機(jī)群。近年來多無人機(jī)協(xié)同導(dǎo)航的研究?jī)?nèi)容主要針對(duì)2～4架無人機(jī)組成的無人機(jī)編隊(duì)，未來編隊(duì)中無人機(jī)的數(shù)量勢(shì)必遠(yuǎn)超這個(gè)數(shù)目，以實(shí)現(xiàn)更加復(fù)雜的目標(biāo)任務(wù)。因此，如何協(xié)調(diào)好多無人機(jī)之間的信息交流與融合，在更多無人機(jī)的編隊(duì)中也能保證良好的導(dǎo)航性能，必將成為今后研究的方向。

6 結(jié)論

協(xié)同導(dǎo)航技術(shù)在眾多領(lǐng)域獲得了廣泛的研究，基于多無人機(jī)的協(xié)同導(dǎo)航技術(shù)極大地?cái)U(kuò)大了無人機(jī)的應(yīng)用范圍，在多無人機(jī)編隊(duì)飛行中通過信息的共享融合，可以進(jìn)行相對(duì)定位，提高導(dǎo)航精度。在少量無人機(jī)傳感器故障時(shí)能夠保持多無人機(jī)進(jìn)行準(zhǔn)確的導(dǎo)航。本文結(jié)合相關(guān)文獻(xiàn)分析了多無人機(jī)系統(tǒng)下的協(xié)同導(dǎo)航的概念及意義，相對(duì)導(dǎo)航方式的研究現(xiàn)狀以及多無人機(jī)信息融合及容錯(cuò)的方式方法。根據(jù)現(xiàn)有的發(fā)展?fàn)顩r，預(yù)測(cè)今后多無人機(jī)的發(fā)展趨勢(shì)。隨著科學(xué)技術(shù)的迅速發(fā)展，多無人機(jī)協(xié)同導(dǎo)航技術(shù)的日趨成熟，可以克服當(dāng)下存在的一系列問題，并充分發(fā)揮無人機(jī)的優(yōu)勢(shì)，具有極其重要的理論意義和工程價(jià)值。

[1] 徐博, 白金磊, 郝燕玲,等.多AUV協(xié)同導(dǎo)航問題的研究現(xiàn)狀與進(jìn)展[J].自動(dòng)化學(xué)報(bào), 2015，41(3):445-461.

[2] Wilson D B,Goktogan A H, Sukkarieh S.A vision based relative navigation framework for formation flight[C]//IEEE International Conference on Robotics and Automation.IEEE, 2014:4988-4995.

[3] Ledé J C, Collaborative Operations in Denied Environment (CODE)[DB/OL].2015.http://www.darpa.mil/program/collaborative-operations-in-denied-environment.

[4] Fernández J C, Martinez-De-Dios J R, Maza I, et al.Ten years of cooperation between mobile robots and sensor networks[J].International Journal of Advanced Robotic Systems, 2015, 12(6):70.

[5] 陳海, 何開鋒, 錢煒祺.多無人機(jī)協(xié)同覆蓋路徑規(guī)劃[J].航空學(xué)報(bào), 2016, 37(3):928-935.

[6] 白瑞光, 孫鑫, 陳秋雙,等.基于Gauss偽譜法的多UAV協(xié)同航跡規(guī)劃[J].宇航學(xué)報(bào), 2014, 35(9):1022-1029.

[7] Zhang Y,Mehrjerdi H.A survey on multiple unmanned vehicles formation control and coordination: Normal and fault situations[C]//International Conference on Unmanned Aircraft Systems.IEEE, 2013:1087-1096.

[8] Hedgecock W, Maroti M, Sallai J, et al.High-accuracy differential tracking of low-cost GPS receivers[C]//Proceeding of the International Conference on Mobile Systems, Applications, and Services.ACM, 2013:221-234.

[9] Gross J N,Gu Y, Rhudy M B.Robust UAV relative navigation with DGPS, INS, and peer-to-peer radio ranging[J].IEEE Transactions on Automation Science & Engineering, 2015, 12(3):935-944.

[10] Strader J, Gu Y, Gross J N, et al.Cooperative relative localization for moving UAVs with single link range measurements[C]//2016 IEEE/ION Position, Location and Navigation Symposium (PLANS). IEEE, 2016: 336-343.

[11] Tseng P H, Ding Z,Feng K T.Cooperative self-navigation in a mixed LOS and NLOS environment[J].IEEE Transactions on Mobile Computing, 2014, 13(2):350-363.

[12] Quist E B, Beard R W.Radarodometry on fixed-wing small unmanned aircraft[J].IEEE Transactions on Aerospace & Electronic Systems, 2016, 52(1):396-410.

[13] Hardy J, Strader J, Gross J N, et al.Unmanned aerial vehicle relative navigation in GPS denied environments[C]//Proceedings of the IEEE/ION Position,Location and Navigation Symposium(PLANS).IEEE, 2016:344-362.

[14] Leishman R C, Mclain T W, Beard R W.Relative navigation approach for vision-based aerial GPS-denied navigation[J].Journal of Intelligent & Robotic Systems, 2014, 74(1):1-15.

[15] Leishman R, Macdonald J, Mclain T, et al.Relative navigation and control of a hexacopter[C]//2012 IEEE International Conference on Robotics and Automation (ICRA).IEEE, 2012:4937-4942.

[16] Leishman R C, Mclain T W.Multiplicative extended kalman filter for relative rotorcraft navigation[J].Journal of Aerospace Information Systems, 2014, 12(12):728-744.

[17] Khansari-Zadeh S M, Saghafi F.Vision-based navigation in autonomous close proximity operations using neural networks [J].IEEE Transactions on Aerospace & Electronic Systems, 2011, 47(2):864-883.

[18] Meng D, Li W, Wang B.Vision-based estimation of relative pose in autonomous aerial refueling [J].Chinese Journal of Aeronautics, 2011, 24(6):807-815.

[19] Oh S M, Johnson E.Relative motion estimation for vision-based formation flight using unscented Kalman filter[C]//AIAA Guidance, Navigation and Control Conference and Exhibit, 2007:6866.

[20] Fosbury A, Crassidis J.Relative navigation of air vehicles[J].Journal of Guidance Control & Dynamics, 2008, 31(4):824-834.

[21] 崔乃剛, 王小剛, 郭繼峰.基于Sigma-point卡爾曼濾波的INS/Vision相對(duì)導(dǎo)航方法研究[J].宇航學(xué)報(bào), 2009, 30(6):2220-2225.

[22] Park J S, Lee D,Jeon B, et al.Robust vision-based pose estimation for relative navigation of unmanned aerial vehicles[C]//International Conference on Control, Automation and Systems(ICCAS).IEEE, 2013:386-390.

[23] Roumeliotis S I, Bekey G A.Distributed multi-robot localization[C]//Proceedings of the 2002 IEEE Transactions on Robotics and Automation.IEEE, Manitoba, 2002:781-795.

[24] 陶通, 黃亞樓, 苑晶,等.基于協(xié)助校正方法的多機(jī)器人主動(dòng)同時(shí)定位與建圖[J].模式識(shí)別與人工智能, 2012, 25(3):534-543.

[25] Tomic S, Beko M, Rui D, et al.Distributed algorithm for target localization in wireless sensor networks using RSS and AoA measurements[J].Pervasive & Mobile Computing, 2017, 37:63-77.

[26] Guerrero J A,Fantoni I, Salazar S, et al.Flight formation of multiple mini rotorcraft via coordination control[C]//IEEE International Conference on Robotics and Automation.IEEE, 2010:620-625.

[27] Shames I,Fidan B, Anderson B D O, et al.Cooperative self-localization of mobile agents[J].IEEE Transactions on Aerospace & Electronic Systems, 2011, 47(3):1926-1947.

[28] Indelman V, Gurfil P, Rivlin E, et al.Distributed vision-aided cooperative localization and navigation based on three-view geometry[C]//IEEE Aerospace Conference on Computer Society.IEEE, 2011:1-20.

[29] Du R, Liu J, Jiang Z, et al.Fast data fusion algorithm for building navigation base in formation flying[C]//International Conference on Automation and Computing.IEEE, 2013:609-631.

[30] Sharma R, Taylor C.Cooperative navigation of MAVs in GPS denied areas[C]//IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems.IEEE, 2008:481-486.

[31] 楊少凡, 余華兵, 陳新華,等.基于擴(kuò)展Kalman濾波的單領(lǐng)航者自主水下航行器協(xié)同導(dǎo)航判別式訓(xùn)練方法研究[J].電子與信息學(xué)報(bào), 2015, 37(11):2756-2761.

[32] Li H,Luo J, Li L, et al.Coordinated control and localizing target system for multi-UAVs based on adaptive UKF[M]//Intelligent Computing and Information Science.Springer Berlin Heidelberg, 2011:249-258.

[33] Lima P U, Ahmad A, Dias A, et al.Formation control driven by cooperative object tracking[J].Robotics & Autonomous Systems, 2015, 63:68-79.

[34] Hoffmann G,Waslander S, Tomlin C.Distributed cooperative search using information-theoretic costs for particle filters, with quadrotor applications[C]//AIAA Guidance, Navigation and Control Conference and Exhibit, 2006:6576.

[35] Qu Y, Zhang Y.Fault-tolerant localization for multi-UAV cooperative flight[C]//2010 IEEE/ASME International Conference on Mechatronics and Embedded Systems and Applications(MESA).IEEE, 2010:131-136.

[36] Hashimoto M, Ishii T, Takahashi K.Sensor fault detection and isolation for mobile robots in a multi-robot team[C]//IEEE 35thAnnual Conference on Industrial Electronics, 2009.IECON’09.IEEE, 2009:2348-2353.

[37] Zhou D, Zhang H, Pan Q, et al.An improved range parameterized square root cubature information filter algorithm for multi-UAV cooperative passive location[C]//IEEE International Conference on Information and Automation.IEEE, 2015:1079-1084.

[38] Suarez A, Heredia G,Ollero A.Cooperative sensor fault recovery in multi-UAV systems[C]//IEEE International Conference on Robotics and Automation.IEEE, 2016:1188-1193.

A Literature Review on the Research Status and Progress of Cooperative Navigation Technology for Multiple UAVs

XU Xiao-wei, LAI Ji-zhou， LV Pin, FAN Liu-yi

(Navigation Research Center, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)

UAV is an abbreviation for Unmanned Aerial Vehicle.Compared with manned vehicle, UAVs have characteristics of wide-range in application, low cost and strong survival ability.Because of the broad prospect in the military and civilian field, researchers are attracted by UAVs both at home and abroad.Cooperative navigation technology has greatly expanded the scope of UAVs applications.It can not only improve positioning accuracy of UAVs, but also for the stability, security and reliability.Recently, cooperative navigation technology has been researched and applied in the aspects of formation navigation, target monitoring, tracking and so on.The research status and progress of cooperative navigation technology are divided into four levels in this paper: cooperative navigation concept, basic principles, development status and necessity would be described in the first part; secondly, the relative navigation methods in cooperative navigation are classified and analyzed，mainly including principles, advantages and disadvantages，application scenarios of radio navigation and visual navigation.Then, the cooperative navigation is summarized from the aspects of navigation purpose, cooperative navigation optimization algorithm, filtering method, information fusion and fault-tolerant strategy.At last, key problems and development trend of multi-UAVs cooperative navigation are discussed.

Cooperative navigation; Visual navigation; Radio navigation; Information fusion; Kalman filtering

2017-05-21；

2017-06-17

江蘇省六大人才高峰項(xiàng)目(2015-XXRJ-005);江蘇省研究生培養(yǎng)創(chuàng)新工程(KYLX_0284)

許曉偉(1992-)，男，博士研究生，主要從事無人機(jī)協(xié)同導(dǎo)航及多信息融合容錯(cuò)導(dǎo)航技術(shù)方面的研究。 E-mail:xuxw@nuaa.edu.cn

賴際舟(1977-)，男，博士，教授，主要從事多傳感器融合、衛(wèi)星定位和組合導(dǎo)航技術(shù)。 E-mail：laijz@nuaa.edu.cn

10.19306/j.cnki.2095-8110.2017.04.001

V249.31

A

2095-8110(2017)04-0001-09