Reflection-Based Relative Localization for Cooperative UAV Teams Using Active Markers

Resumo Técnico: Localização Relativa Baseada em Reflexão para Equipes Cooperativas de UAVs

Enunciado do Problema
A localização relativa confiável é crítica para a execução segura de tarefas colaborativas por sistemas multi-robô. Embora os Sistemas de Navegação por Satélite Global (GNSS) sejam padrão para operações ao ar livre, sua confiabilidade degrada-se significativamente em florestas densas, cânions urbanos e paisagens naturais, e eles estão totalmente indisponíveis em ambientes internos. Alternativas existentes apresentam limitações específicas: sistemas de Cinemática em Tempo Real (RTK) restringem as operações ao alcance de uma estação terrestre; sistemas de captura de movimento carecem de flexibilidade para ambientes desconhecidos; e métodos baseados em visão usando marcadores passivos (por exemplo, AprilTags) impõem restrições à dinâmica do sistema e ao tamanho do marcador. Além disso, sistemas de marcadores ativos (por exemplo, UVDAR) geralmente exigem conhecimento prévio da configuração do marcador e sofrem com redução de precisão à medida que a distância aumenta, particularmente para Veículos Aéreos Não Tripulados em Microescala (MAVs), onde o espaçamento físico entre os marcadores torna-se insuficiente para separação confiável de pixels. Adicionalmente, reflexões de superfície provenientes de marcadores ativos são tradicionalmente vistas como uma fonte de ambiguidade e ruído, frequentemente mitigadas usando filtros de polarização ou luz estruturada, em vez de serem utilizadas para localização.

Metodologia
A abordagem proposta introduz um novo sistema de localização relativa baseado em reflexão que explora reflexões de superfície de marcadores ativos acoplados aos membros da equipe. O sistema opera sem conhecimento prévio do tamanho do robô, configuração do marcador ou propriedades da superfície.

• Fundamentação Teórica: O método modela a interação entre luz não polarizada (emitida por LEDs de UAV) e superfícies reflexivas. Ele considera tanto reflexões especulares quanto difusas, reconhecendo que irregularidades de superfície (por exemplo, ondas de água, pisos texturizados) causam a dispersão da reflexão. O sistema deriva o coeficiente de potência de reflexão com base nas equações de Fresnel e modela a rugosidade da superfície usando distribuições gaussianas de altura ou modelos de ondas capilares-gravitacionais para superfícies de água dinâmicas.
• Detecção e Agrupamento: Cada UAV emite uma sequência única de piscar via LEDs UV. O UAV observador detecta esses sinais e suas reflexões. Para lidar com configurações de alta exposição necessárias para detecção de reflexão, onde um único LED pode aparecer como múltiplos pontos brilhantes, o sistema emprega um algoritmo de agrupamento. Detecções dentro de um raio específico são agrupadas; o agrupamento dominante representa a fonte de luz direta ($p_d$), enquanto um agrupamento secundário localizado verticalmente abaixo é identificado como candidato de reflexão ($p_r$). Se a sequência de piscar não puder ser extraída da reflexão, $p_r$ é identificado geometricamente com base no alinhamento vertical em relação a $p_d$.
• Modelagem Geométrica: O sistema constrói dois cones elípticos para representar a incerteza:
  1. Cone da Fonte Direta: Representa a incerteza ao redor do vetor de rumo direto ($\vec{b}_d$) devido à resolução da câmera e imprecisões de detecção.
  2. Cone de Reflexão: Representa a incerteza ao redor do vetor de reflexão ($\vec{b}_r$). Este cone é construído com base na dispersão da reflexão na superfície, definida pelos eixos maior e menor de uma elipse centrada no centróide da reflexão.
• Estimativa de Posição: A interseção desses dois cones define a localização possível do UAV transmissor. Como a interseção de dois cones resulta em um sistema não linear complexo, os autores empregam uma abordagem baseada em amostragem aleatória. Vetores são amostrados do cone de reflexão e testados contra as restrições do cone da fonte direta. Amostras válidas (inliers) são alimentadas em um filtro de partículas com um modelo de movimento de velocidade constante e um kernel Cauchy robusto para atualizações de peso. A estimativa final de posição é derivada da nuvem de partículas ponderada.
• Restrições: O método assume operação sobre superfícies de solo ou água onde uma única reflexão dominante pode ser obtida de forma confiável. Não depende de reflexões de paredes, pois paredes urbanas tipicamente produzem reflexões difusas com intensidade insuficiente e exigem conhecimento da orientação da parede.

Contribuições Principais

1. Derivação Teórica: O trabalho fornece o contexto teórico e a física subjacente à localização baseada em reflexão, modelando a interação da luz com várias propriedades de superfície.
2. Algoritmo Inovador: Propõe-se uma abordagem de localização relativa apenas com câmera que requer apenas o alcance até a superfície reflexiva (por exemplo, de um telêmetro voltado para baixo ou barômetro) e nenhum conhecimento prévio dos tamanhos dos membros da equipe ou propriedades da superfície.
3. Validação Experimental: A abordagem é validada em plataformas heterogêneas (UAVs grandes e MAVs pequenos) em ambientes internos e externos, demonstrando robustez a condições de iluminação variáveis e tipos de superfície (PVC, azulejos, água).

Resultados

• Desempenho Interno: Experimentos realizados em pisos de PVC e azulejados sob condições de luz diurna e noturna mostraram operação confiável. O Erro Absoluto Médio (MAE) foi consistentemente mais baixo ao longo do eixo vertical (z) (aprox. 0,08–0,12 m) e mais alto ao longo do eixo óptico (x) (aprox. 1,22–2,12 m), o que é esperado para estimativa de profundidade monocular. O sistema executou com sucesso em tempo real em hardware de baixa potência computacional (Raspberry Pi 5).
• Desempenho Externo: Em experimentos ao ar livre sobre água, o método alcançou um alcance efetivo superior a 30 metros.
• Comparação com o Estado da Arte: Quando comparado ao método UVDAR (que depende da detecção direta de linha de visão de espaçamento de marcador conhecido):
  • O método baseado em reflexão manteve alta precisão em distâncias além de 30 m, enquanto o UVDAR teve dificuldades além de 20 m.
  • Ao longo do eixo óptico (x), o método proposto reduziu o MAE de 18,5% a 37,3% em comparação com o UVDAR, com melhorias estatisticamente significativas (valor-p < 0,05).
  • Ao longo do eixo lateral (y), melhorias de 13,9% a 58,7% foram observadas em experimentos específicos.
  • A precisão vertical (z) foi comparável ao UVDAR, sem diferença estatisticamente significativa.
• Robustez: A análise de sensibilidade indicou que vieses sistemáticos de altura de até ±15% resultaram apenas em variações menores na precisão de localização, confirmando a robustez do método.

Significância
O artigo afirma que este trabalho representa a primeira exploração de localização relativa para sistemas multi-robô usando reflexões de superfície. Ao transformar um artefato tipicamente indesejado (reflexões) em um sinal útil, o método estende o alcance operacional da localização baseada em visão e remove a dependência de configurações de marcador predefinidas. Isso permite soluções eficientes e compactas para voos de formação cooperativa próximos em ambientes internos confinados e operações marítimas, particularmente onde o GNSS está indisponível e sistemas tradicionais baseados em marcadores são limitados por tamanho ou restrições de iluminação. A abordagem oferece uma alternativa leve e econômica que aumenta a autonomia de equipes heterogêneas de UAVs.