利用现有WiFi基础设施的室内MAV姿态估计系统

微型飞行器(MAVs)可以有许多有用的应用，例如，帮助人类完成仓库库存或搜索和救援任务。尽管世界各地的许多公司已经开始生产和使用小型飞行器，但其中一些飞行机器人仍有相当大的局限性。

为了更有效地工作，小牛应该有一个有效的姿态估计系统的支持。这是一个系统或方法，可以计算无人机的位置和姿态，然后可以用来控制其飞行，调整其速度，并帮助其导航，而它是自主操作和远程控制。

华中科技大学的研究人员最近开发了一种用于室内环境中小牛姿态估计的新系统。他们在arXIv上预先发布的一篇论文中概述了他们的新方法，并将在IEEE工业电子学报上发表。该论文利用了现有的WiFi基础设施，使小型敏捷无人机能够进行更有效的导航。

“在我们之前的工作中，我们证明了利用WiFi的本地化来校正机载惯性传感器(IMU)漂移的可行性，”开展这项研究的研究人员之一张胜凯告诉TechXplore。“然而，我们开发的技术，被称为CWISE，只适用于开放空间，没有多径衰落。在我们目前的研究中，我们进一步推动该方法来解决室内环境中的多路径问题，使我们提出的系统更加实用。”

张和他的同事进行的这项新研究的主要目的是利用现成的WiFi基础设施来估计小牛的6自由度姿态。与现有的基于计算机视觉的姿态估计技术相比，他们开发的系统不受视觉限制，这意味着它可以在不同的照明和环境条件下工作。

该系统利用了WiFi正交频分复用(OFDM)信号的许多子载波，而不是分析传感器收集的视觉刺激。更具体地说，它使用这些信号来找出MAV和WiFi接入点之间的直接路径的到达角(AoA)，这些信号在室内环境中的许多反射。

张和他的同事们创建的这个系统有两个主要组成部分:一个AoA估计算法和一个wifi -惯性传感器融合模型。AoA估计算法是一种估计MAV姿态，解算AoA进行定位的计算方法。另一方面，wifi -惯性传感器融合模型，结合估计的AoA和使用惯性传感器收集的数据来优化无人机的姿态。

张说:“众所周知，角度可以通过三角测量来定位目标，但是不需要度量尺度。”“另一方面，MAV的IMU提供了公制的姿态，但受到时间漂移的影响。我们融合了WiFi AoAs和惯性测量，两全其利。”

与传统的姿态估计技术相比，张和他的同事开发的系统有许多优点。首先，它是轻量级的，可以立即部署在任何室内环境覆盖的WiFi网络。此外，它在不同的照明和纹理条件下的工作空间表现良好。

这项研究强调了利用WiFi连接改善机器人感知和导航策略的潜力。在室内环境的一系列实验中，新的姿态估计系统取得了显著的效果，平均位置误差为61.7cm，姿态误差为0.92度。在未来，它可以用于增强MAV导航在仓库，办公室或其他室内环境。

“目前，我们的wifi惯性姿态估计器的精度在分米级，”张说。“我们想要改善这一点。同时，WiFi本身也存在一定的局限性，如结构堵塞、干扰等。我们相信，适当地将视觉传感和无线传感结合起来，可以实现更稳健、更准确的姿态估计，从而产生更实用的自主机器人。”