一种基于人工路标和声技术的多智能体室内协同定位方法

1.本发明属于室内定位技术领域，具体涉及一种基于人工路标和声技术的多智能体室内协同定位方法。


背景技术：

2.智能化系统在生产、生活、医疗和军事各领域得到了广泛的应用。例如，智能化医院可利用智能机器人为特殊类型患者提供送餐、配药等服务，尤其是在新冠疫情期间，非接触配送显得尤为重要。因此，作为智能化系统基础工程——定位方法的研究成为了一个热点。
3.由于智能体普遍装配相机，因此视觉定位成为现阶段室内定位的主流方法之一。在复杂室内环境下，智能体可以借助相机采集的路标信息来获取自身的位姿信息。当使用自然路标进行定位时，定位结果可能会受到环境变化的影响较大，如光线强度、遮挡物等。相比之下，人工路标是由人工设计和放置的，可以在设计时考虑环境的因素，有针对性地对人工路标的形状和编码等信息进行设计，以此提高智能体对路标的识别速率与准确性。然而单智能体在面对复杂多变的环境时，往往很难准确高效的实现自身位置的确定。而多智能体系统中的机器人可以借助其他个体来修正和优化自身的位置，从而实现更为精确地定位，并且多智能体之间相互协同具有更强的自适应性和鲁棒性。因此，针对多智能体协同定位方法的研究，对智能化系统的精确定位和未来的智能化进程发展具有积极意义。在单个智能体进行移动时，其会受到自身携带传感器数量的限制，对外界的特征识别出现偏差，几乎无法实现高精准定位。而多智能体系统的出现，可以通过对来自多个智能体的信息进行融合，从而实现“1+1》2”的定位效果，所以多智能体方面的研究越来越受到国内外学者的广泛关注。然而，现阶段大多数是基于人工路标的导航技术，与惯性导航技术、激光技术和uwb等技术的信息融合，实现多智能体的协同定位，并且多智能体间的相对运动状态信息量测，大多基于激光或uwb技术进行实现，其成本往往较高，兼容性较差，在实际场景中的定位精度较低。


技术实现要素：

4.为了克服上述现有技术的缺点，本发明的目的在于提供一种基于人工路标和声技术的多智能体室内协同定位方法，以解决现有技术中基于激光或uwb技术进行实现多智能体的协同定位，其成本较高，兼容性较差，在实际场景中的定位精度较低的技术问题。
5.为了达到上述目的，本发明采用以下技术方案予以实现：
6.一种基于人工路标和声技术的多智能体室内协同定位方法，包括：
7.设置人工路标；
8.获取人工路标和智能体图像；
9.分析并处理所获取人工路标和智能体图像，得到角度信息；
10.获取智能体间的距离及相对运动速度信息；
11.融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。
12.优选地，所述设置人工路标使人工路标与智能体间构建位置三角形。
13.优选地，所述人工路标和智能体图像通过对智能体搭载相机获取。
14.优选地，所述角度信息包括智能体与人工路标间的位姿角度信息，以及智能体间的角度信息。
15.优选地，所述角度包括：人工路标在智能体视野内的偏移角、智能体在另一个智能体视野内的偏移角和人工路标图像畸变角度。
16.优选地，所述分析并处理所获取人工路标和智能体图像，得到角度信息，具体包括：
17.s1：相机标定并输入图像，确定所输入图像的基本参数；
18.s2：根据所输入图像的基本参数进行图像增强和二值化；
19.s3：人工路标图像特征的提取；
20.s4：智能体图像的识别提取，自主构建智能体数据集并标注，获取智能体的形心位置；
21.s5：根据人工路标图像特征和智能体的形心位置来进行角度求解，获取偏移角度和畸变角度。
22.优选地，所述智能体间的距离及相对运动速度信息通过声技术进行测量。
23.优选地，所述声技术测量智能体间的距离及相对运动速度信息的声音信息通过声音传感器和语音模块采集获取，具体包括：
24.s6：声源基站定期向环境内广播声信号，接收器对声信号进行采集；
25.s7：对声信号的进行广义互相关，对信号中的两个双曲调频信号成分进行处理，通过固定阈值法来获取到达时间；
26.s8：对到达时间进行hfm信号复合，获取智能体间距和相对速度。
27.优选地，所述融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位，具体包括：
28.在k时刻，智能体的运动状态为xk＝{x
a,k
,v
a,k
，x
b,k
,v
b,k
}
t
,智能体的预测方程及状态更新方程为：
[0029][0030]
其中，fk为状态转移矩阵，
[0031]
[0032]
yk为观测值
[0033]
yk＝[dk,vrk,vk,θ
1,k
,θ
2,k
,β
1,k
,β
2,k
,α
1,k
,α
2,k
]
t
[0034]
h(xk)为观测值函数；wk为预测过程噪声；nk为观测过程噪声；智能体a的位置x
a,k
＝(x
a,k
,y
a,k
)
t
，智能体a的运动速度为v
a,k
＝(v
a,x,k
,v
a,y,k
)
t
，智能体b的位置x
b,k
＝(x
b,k
,y
b,k
)
t
，智能体b的运动速度为v
b,k
＝(v
b,x,k
,v
b,y,k
)
t
，采样间隔为
△
t。
[0035]
本发明还公开了一种基于人工路标和声技术的多智能体室内协同定位系统，包括：
[0036]
设置单元，用于设置人工路标；
[0037]
图像获取单元，用于获取人工路标和智能体图像；
[0038]
分析单元，用于分析并处理所获取人工路标和智能体图像，得到角度信息；
[0039]
距离速度获取单元，用于获取智能体间的距离及相对运动速度信息；
[0040]
融合单元，用于融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。
[0041]
与现有技术相比，本发明具有以下有益效果：
[0042]
本发明提出了基于人工路标和声技术的多智能体协同定位方法，通过结合声技术和机器视觉，融合多智能体间的角度、距离和相对运动速度信息，实现协同定位，具有较高的位置估计精度，较低的应用成本，以及较高的系统兼容性。与传统方法相比，本发明通过融合声技术来实现协同定位。由于声技术仅需要麦克风及扬声器即可实现，因此具有较低的应用成本和较高的系统兼容性，具有更高的实际应用价值。
附图说明
[0043]
图1为本发明基于人工路标的协同定位原理示意图；
[0044]
图2为本发明多智能体协同定位示意图；
[0045]
图3为本发明角度估计流程图；
[0046]
图4为本发明声音信息采集示意图；
[0047]
图5为本发明距离和相对速度的估计流程图；
[0048]
图6为本发明实施例的动态多智能体协同定位智能体a的仿真结果图；
[0049]
图7为本发明实施例的动态多智能体协同定位智能体b的仿真结果图；
[0050]
图8为本发明实施例的动态多智能体协同定位智能体a的cdf图；
[0051]
图9为本发明实施例的动态多智能体协同定位智能体b的cdf图。
[0052]
其中，1-第一智能体；2-第二智能体；3-人工路标
具体实施方式
[0053]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
[0054]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第
二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0055]
下面结合附图对本发明做进一步详细描述：
[0056]
因此，本发明针对室内复杂环境下多智能体的定位与导航问题，提出了一种基于人工路标和声技术的多智能体协同定位方法。首先，通过对智能体搭载相机获取的路标和智能体图像进行分析与处理，得到位姿角度信息；然后，通过声信号获得智能体间的距离及相对运动速度信息；最后，基于粒子滤波将多源信息进行融合，实现多智能体间的协同定位。本发明提高了多智能体的定位精度，并且具有更高的兼容性和通用性，以及较低的应用成本。
[0057]
本发明公开的一种基于人工路标和声技术的多智能体室内协同定位方法，包括：
[0058]
设置人工路标；
[0059]
获取人工路标和智能体图像；
[0060]
分析并处理所获取人工路标和智能体图像，得到角度信息；
[0061]
获取智能体间的距离及相对运动速度信息；
[0062]
融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。
[0063]
本发明基于声音获得多个智能体间的距离和相对运动速度量测，并融合基于人工路标所获得的位姿信息，实现多个智能体位置的联合估计，具有更高的兼容性和通用性，以及较低的应用成本。
[0064]
在一些实施例中，设置人工路标使人工路标与智能体间构建位置三角形。
[0065]
图1为本发明的定位原理图。如图1所示，通过人工路标、第一智能体和第二智能体，构建位置三角形。其中，角度信息通过视觉系统进行测量，包括智能体与人工路标间的位姿角度信息，以及智能体间的角度信息。距离和相对速度信息通过声技术进行测量。进而，通过融合距离、相对速度、以及角度信息实现多智能体的协同定位。
[0066]
在一些实施例中，所述人工路标和智能体图像通过对智能体搭载相机获取。
[0067]
如图2所示，本发明通过视觉系统即智能体搭载相机采集图像信息，以得到第一智能体、第二智能体和人工路标三者的角度关系，以此来构建位置三角形。
[0068]
在一些实施例中，所述角度信息包括智能体与人工路标间的位姿角度信息，以及智能体间的角度信息。
[0069]
角度主要包括：人工路标在智能体视野内的偏移角θ、智能体在另一个智能体视野内的偏移角β和人工路标图像畸变角度α。其中，θ和β是图像中人工路标和智能体的中心相对于图像中心偏移的角度，α为人工路标在成像过程因近大远小现象产生的畸变角度。
[0070]
在一些实施例中，所述分析并处理所获取人工路标和智能体图像，得到角度信息，具体包括：
[0071]
s1：相机标定并输入图像，确定所输入图像的基本参数；
[0072]
s2：根据所输入图像的基本参数进行图像增强和二值化；
[0073]
s3：人工路标图像特征的提取；
[0074]
s4：智能体图像的识别提取，自主构建智能体数据集并标注，获取智能体的形心位置；
[0075]
s5：根据人工路标图像特征和智能体的形心位置来进行角度求解，获取偏移角度和畸变角度。
[0076]
本发明图像角度估计的基本思路是通过计算人工路标和智能体相对所处图像中心的位置，同时根据相机的内参、焦距等基本参数，计算得到角度。角度估计工作流程如图3所示，图中各部分的功能介绍如下：
[0077]
输入图像：在采集图像之前，需要进行相机标定来得到内参数和畸变参数，为后续的图像的识别与处理提供基本参数。
[0078]
图像预处理：该部分主要包括图像增强和二值化。图像增强的目的是来增加目标与背景的对比度，提高识别精度；图像二值化的目的是降低计算复杂度，突显出目标的轮廓。
[0079]
人工路标特征提取：该部分主要完成人工路标图像特征的提取。首先，基于矩形特征和圆形特征完成对人工路标的形状的设计；然后，通过hough圆变换和椭圆检测来获取人工路标图像的中心位置；其次，通过harris角点检测算法获取路标的角点信息；最后，借助人工路标中心坐标对角点信息进行筛选以获得特征角点。
[0080]
智能体目标识别：该部分主要完成从复杂室内环境中对智能体图像的识别提取。自主构建智能体数据集并进行手工标注，通过yolo v3目标检测算法获取智能体的形心位置。
[0081]
角度估计：该部分主要依据相机成像模型来进行角度求解，获取所需的偏移角度和畸变角度。
[0082]
在一些实施例中，所述智能体间的距离及相对运动速度信息通过声技术进行测量。
[0083]
在一些实施例中，所述声技术测量智能体间的距离及相对运动速度信息的声音信息通过声音传感器和语音模块采集获取，具体包括：
[0084]
s6：声源基站定期向环境内广播声信号，接收器对声信号进行采集；
[0085]
s7：对声信号的进行广义互相关，对信号中的两个双曲调频信号成分进行处理，通过固定阈值法来获取到达时间；
[0086]
s8：对到达时间进行hfm信号复合，获取智能体间距和相对速度。
[0087]
本发明中的声技术测量智能体间的距离及相对运动速度信息的声音信息通过接收器采集获取。如图4所示，声源基站按照一定周期向环境内广播近超声信号，接收器对声信号进行采集，获得声信号的到达时间(toa值)。其中，本发明所选用的近超声信号是由16khz～24khz内的两个不同频段的双曲调频信号复合而成。同时，基于复合双曲调频信号实现对距离和相对运动速度信息的同时测量。
[0088]
智能体间距和相对速度是通过声音信息得到的，首先，需要对声信号的进行广义互相关(generalized cross correlation，gcc)，然后对信号中的两个双曲调频信号成分进行处理，然后，通过固定阈值法来实现toa估计；最后，借助两个不同频率hfm信号复合来
完成智能体间距和相对速度的估计，算法流程图如图5所示。
[0089]
在一些实施例中，所述融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位，具体包括：
[0090]
在k时刻，智能体的运动状态为xk＝{x
a,k
,v
a,k
，x
b,k
,v
b,k
}
t
,智能体的预测方程及状态更新方程为：
[0091][0092]
其中，fk为状态转移矩阵，
[0093][0094]
yk为观测值
[0095]
yk＝[dk，vrk，vk，θ
1，k
，θ
2，k
，β
1，k
，β
2，k
，α
1，k
，α
2，k
]
t
[0096]
h(xk)为观测值函数；wk为预测过程噪声；nk为观测过程噪声；智能体a的位置x
a，k
＝(x
a，k
，y
a，k
)
t
，智能体a的运动速度为v
a，k
＝(v
a，x，k
，v
a，y，k
)
t
，智能体b的位置x
b，k
＝(x
b，k
，y
b，k
)
t
，智能体b的运动速度为v
b，k
＝(v
b，x，k
，v
b，y，k
)
t
，采样间隔为
△
t。
[0097]
在多智能体协同定位过程中，为了更加准确地描述智能体的运动状态，此处状态空间模型借助恒定速度运动模型(constant velocity，cv)，在k时刻，智能体的运动状态为xk＝{x
a，k
，v
a，k
，x
b，k
，v
b，k
}
t
，其中，智能体a的位置x
a，k
＝(x
a，k
，y
a，k
)
t
，智能体a的运动速度为v
a，k
＝(v
a，x，k
，v
a，y，k
)
t
，智能体b的位置x
b，k
＝(x
b，k
，y
b，k
)
t
，智能体b的运动速度为v
b，k
＝(v
b，x，k
，v
b，y，k
)
t
，采样间隔为
△
t，智能体的预测方程及状态更新方程为：
[0098][0099]
其中，fk为状态转移矩阵，
[0100][0101]
yk为观测值，在本发明中通过智能体自身携带的传感器可以得到两个智能体间的距离d，智能体间的相对速度vrk，智能体自身的运动速度vk，以及通过对智能体搭载相机获
取的图片进行图像处理的到的角度(θ1和θ2、β1和β2、α1和α2)，则yk可以表示为：
[0102]
yk＝[dk，vrk，vk，θ
1，k
，θ
2，k
，β
1，k
，β
2，k
，α
1，k
，α
2，k
]
t
[0103]
其中，h(x
a，k
)为观测值函数，wk为预测过程噪声，nk为观测过程噪声，且wk和nk均遵循高斯分布，并且两者之间是相互独立的，表述如下:
[0104]
wk～n(0,q),nk～n(0,r)
[0105]
其中
[0106]
最后，基于粒子滤波算法对智能体的预测方程及状态更新方程进行更新和求解，从而对多个智能体的位置进行动态更新，实现多智能体间的协同定位。
[0107]
本发明还公开了一种基于人工路标和声技术的多智能体室内协同定位系统，包括：
[0108]
设置单元，用于设置人工路标；
[0109]
图像获取单元，用于获取人工路标和智能体图像；
[0110]
分析单元，用于分析并处理所获取人工路标和智能体图像，得到角度信息；
[0111]
距离速度获取单元，用于获取智能体间的距离及相对运动速度信息；
[0112]
融合单元，用于融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。
[0113]
下面以在二维场景定位为例进行仿真，对本发明实施例进行描述。
[0114]
当两个智能体开始运动时，对系统进行协同定位算法仿真，系统中包含两个智能体(记为a和b)和一个人工路标，在粒子滤波内引入速度信息来实现定位。
[0115]
设定人工路标中心点坐标为(0，0)，智能体a的初始位置坐标为(-9，17)，将智能体a的运动定义为沿x轴以1m/s进行匀速运动，智能体b的初始位置坐标为(13，36)，智能体b同样进行1m/s的匀速运动，两者的位置均以红色实心点表示。
[0116]
按照经验为测量数据添加噪声来模拟实际场景下的数据变化，角度测量噪声服从ra～n(0,10),距离测量噪声服从r
l
～n(0,0.5)，速度测量噪声服从rv～n(0,0.1)。
[0117]
依此获取的测量坐标以蓝色实心点表示，该仿真实验中模拟采样次数为30次；经过粒子滤波后的处理结果以绿色空心圆表示，定位结果如图6、图7所示。
[0118]
图8、图9为动态多智能体协同定位cdf图。通过上图可知，在动态协同定位下，智能体a的定位误差100％小于0.65m，其中有90％的概率小于0.54m，有80％的概率小于0.48m；智能体b的定位误差100％小于0.82m，其中有90％的概率小于0.65m，有80％的概率小于0.45m。
[0119]
因此，本文提出的基于人工路标的多智能体协同定位方法，在动态环境下同样也可以实现较高精度的位置估计。
[0120]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0121]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0122]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0123]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0124]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，包括：设置人工路标(3)；获取人工路标(3)和智能体图像；分析并处理所获取人工路标(3)和智能体图像，得到角度信息；获取智能体间的距离及相对运动速度信息；融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。2.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述设置人工路标使人工路标(3)与智能体间构建位置三角形。3.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述人工路标(3)和智能体图像通过对智能体搭载相机获取。4.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述角度信息包括智能体与人工路标(3)间的位姿角度信息，以及智能体间的角度信息。5.根据权利要求4所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述角度包括：人工路标(3)在智能体视野内的偏移角、智能体在另一个智能体视野内的偏移角和人工路标(3)图像畸变角度。6.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述分析并处理所获取人工路标(3)和智能体图像，得到角度信息，具体包括：s1：相机标定并输入图像，确定所输入图像的基本参数；s2：根据所输入图像的基本参数进行图像增强和二值化；s3：人工路标(3)图像特征的提取；s4：智能体图像的识别提取，自主构建智能体数据集并标注，获取智能体的形心位置；s5：根据人工路标(3)图像特征和智能体的形心位置来进行角度求解，获取偏移角度和畸变角度。7.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述智能体间的距离及相对运动速度信息通过声技术进行测量。8.根据权利要求7所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述声技术测量智能体间的距离及相对运动速度信息的声音信息通过声音传感器和语音模块采集获取，具体包括：s6：声源基站定期向环境内广播声信号，接收器对声信号进行采集；s7：对声信号的进行广义互相关，对信号中的两个双曲调频信号成分进行处理，通过固定阈值法来获取到达时间；s8：对到达时间进行hfm信号复合，获取智能体间距和相对速度。9.根据权利要求1所述的一种基于人工路标和声技术的多智能体室内协同定位方法，其特征在于，所述融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位，具体包括：在k时刻，智能体的运动状态为x
k
＝{x
a,k
,v
a,k
，x
b,k
,v
b,k
}
t
,智能体的预测方程及状态更新方程为：
其中，f
k
为状态转移矩阵，y
k
为观测值y
k
＝[d
k
，vr
k
,v
k
，θ
1，k
，θ
2,k
，β
1，k
，β
2，k
，α
1，k
，α
2，k
]
t
h(x
k
)为观测值函数；w
k
为预测过程噪声；n
k
为观测过程噪声；智能体a的位置x
a，k
＝(x
a，k
，y
a,k
)
t
，智能体a的运动速度为v
a，k
＝(v
a，x，k
，v
a,y,k
)
t
，智能体b的位置x
b,k
＝(x
b,k
，y
b,k
)
t
，智能体b的运动速度为v
b,k
＝(v
b,x,k
，v
b,y,k
)
t
，采样间隔为δt。10.一种基于人工路标和声技术的多智能体室内协同定位系统，其特征在于，包括：设置单元，用于设置人工路标(3)；图像获取单元，用于获取人工路标(3)和智能体图像；分析单元，用于分析并处理所获取人工路标(3)和智能体图像，得到角度信息；距离速度获取单元，用于获取智能体间的距离及相对运动速度信息；融合单元，用于融合所获取到的智能体间的距离及相对运动速度信息与角度信息，实现多智能体间的协同定位。

技术总结
本发明公开了一种基于人工路标和声技术的多智能体室内协同定位方法，属于室内定位技术领域，本发明提出了基于人工路标和声技术的多智能体协同定位方法，通过结合声技术和机器视觉，融合多智能体间的角度、距离和相对运动速度信息，实现协同定位，具有较高的位置估计精度，较低的应用成本，以及较高的系统兼容性。与传统方法相比，本发明通过融合声技术来实现协同定位。由于声技术仅需要麦克风及扬声器即可实现，因此具有较低的应用成本和较高的系统兼容性，具有更高的实际应用价值。具有更高的实际应用价值。具有更高的实际应用价值。


技术研发人员：张磊 冯雪 王宁 宁雄 张宇 胡志新
受保护的技术使用者：长安大学
技术研发日：2023.05.31
技术公布日：2023/8/9