💻 computer science

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

本文提出了一种基于反射的新方法，该方法利用主动标记的环境反射，在不预先知晓机器人尺寸或表面特性的情况下，实现异构无人机编队的鲁棒长程相对定位，同时明确考虑了包括动态水面在内的表面不规则性。

原作者： Tim Lakemann, Daniel Bonilla Licea, Viktor Walter, Martin Saska

发布于 2026-05-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Tim Lakemann, Daniel Bonilla Licea, Viktor Walter, Martin Saska

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图在一个黑暗且拥挤的房间里寻找一位朋友，但你无法与他们交谈，也不知道他们的身高或穿着。你手中只有一支手电筒。通常，你会直接将光束照向他们以定位其位置。但如果，你不直接看向你的朋友，而是观察他们手电筒在光亮地面上的反射呢？

这篇论文所做的正是如此，只不过将房间中的人换成了无人机（UAV）。

问题：机器中的“幽灵”

当无人机编队飞行时，它们需要确切知道队友的位置以避免碰撞。通常，它们使用以独特模式闪烁的特殊灯光（标记）。然而，这里存在一个难题：

视线受阻：如果无人机相距过远，闪烁的灯光会显得太小，难以清晰辨认。
“幽灵”问题：过去，工程师将地面或水面上的反射视为令人烦恼的“幽灵”或干扰摄像头的噪声。他们试图使用特殊眼镜（偏振滤镜）或复杂的光照来过滤掉这些反射。

解决方案：将缺陷转化为特性

该研究团队决定不再与反射对抗，而是开始利用它们。他们意识到，无人机灯光在表面（如抛光的仓库地板或平静的湖面）上的反射实际上包含大量有用信息。

不妨这样理解：如果你将激光笔射向镜子，你在墙上看到的光点能精确告诉你镜子的位置。如果你将其射向波浪起伏的池塘，反射光会被拉长。该团队发现，通过测量反射光被拉长的程度及其位置，即使无法清晰看到无人机本身，也能精确计算出另一架无人机的位置。

工作原理（“手电筒与地板”技巧）

以下是论文描述的简化步骤流程：

闪烁编码：每架无人机配备一组紫外线灯（人眼不可见但摄像头可见），这些灯以秘密代码闪烁。这确保了无人机 A 能识别出哪束光属于无人机 B。
反射搜寻：无人机 A 向下观察地面。它能看到两样东西：
- 无人机 B 的直接光线（如果可见）。
- 无人机 B 的光线经地面或水面反射后的反射光。
“拉伸”因素：由于地面并非完全平滑（可能是涟漪水面或略有凹凸的地板），反射光看起来不像完美的光点，而像被拉长的椭圆形或椭圆。
数学魔法：无人机的计算机构建了一个三维的“可能性圆锥”。
- 一个圆锥代表直接光线可能所在的位置。
- 第二个更宽的圆锥代表反射光可能所在的位置，并考虑了波动的水面或凹凸不平的地板。
- 这两个圆锥重叠的区域，就是另一架无人机最可能的飞行位置。

为何这意义重大

论文强调了该新方法三大核心优势：

不依赖尺寸：你无需知道另一架无人机是微型昆虫大小的机器人还是大型物流无人机。无论哪种情况，数学原理都适用，因为它依赖的是光的反射，而非无人机的大小。
适用于黑暗与水面：大多数摄像系统在黑暗或移动水面上表现不佳。而该方法实际上青睐水面。即使波浪导致反射光晃动，系统也能将这种“晃动”纳入考量，依然能定位无人机。
探测距离更远：论文将该方法与当前最佳方法（称为 UVDAR）进行了对比测试。旧方法在超过 20 米后难以识别无人机。而这种新的反射方法在30 米及更远距离上均能可靠工作。

实验验证

团队主要通过两种方式进行了测试：

室内测试：他们在明亮的日光和黑暗环境中，让无人机飞越闪亮的办公室地板（PVC 材质）和瓷砖走廊。系统表现完美，以高精度成功定位无人机。
室外测试：他们在湖面上方飞行。风吹动水面产生涟漪，形成了杂乱且舞动的反射光。即使在水面移动的情况下，系统仍成功追踪了另一架无人机。

结论

这篇论文提出了一种巧妙的方法，让无人机通过利用地面作为镜子来相互定位。他们不再试图清除地面上“杂乱”的反射，而是将这种混乱转化为强大的工具。这使得无人机编队能够更紧密地飞行、飞得更远，并在更复杂的环境（如水面或黑暗处）中飞行，而无需昂贵的额外传感器，也无需确切知道队友的外观。

技术摘要：基于反射的协作无人机编队相对定位

问题陈述
可靠的相对定位对于多机器人系统安全执行协同任务至关重要。虽然全球导航卫星系统（GNSS）是户外作业的标准配置，但在茂密森林、城市峡谷和自然景观中，其可靠性会显著下降，而在室内则完全不可用。现有的替代方案存在特定的局限性：实时动态（RTK）系统将作业范围限制在地面站范围内；动作捕捉系统缺乏在未知环境中的灵活性；而使用被动标记（如 AprilTags）的基于视觉的方法则对系统动力学和标记尺寸施加了限制。此外，主动标记系统（如 UVDAR）通常需要预先知道标记配置，并且随着距离增加精度会下降，特别是对于微型飞行器（MAV），其标记间的物理间距不足以实现可靠的像素分离。另外，来自主动标记的表面反射传统上被视为歧义和噪声的来源，通常通过偏振滤波器或结构光来抑制，而非被用于定位。

方法论
所提出的方法引入了一种新颖的基于反射的相对定位系统，该系统利用附着在团队成员身上的主动标记的表面反射。该系统无需预先知道机器人尺寸、标记配置或表面属性即可运行。

理论基础：该方法对非偏振光（由无人机 LED 发射）与反射表面之间的相互作用进行建模。它同时考虑了镜面反射和漫反射，并承认表面不规则性（如波浪、纹理地板）会导致反射扩散。系统基于菲涅尔方程推导反射功率系数，并使用高斯高度分布或毛细重力波模型对动态水面的表面粗糙度进行建模。
检测与聚类：每架无人机通过紫外 LED 发射独特的闪烁序列。观测无人机检测这些信号及其反射。为了处理反射检测所需的高曝光设置（在此设置下，单个 LED 可能呈现为多个亮点），系统采用聚类算法。将特定半径内的检测结果进行分组；主导聚类代表直接光源（ $p_d$ ），而位于其正下方的次级聚类被识别为反射候选点（ $p_r$ ）。如果无法从反射中提取闪烁序列，则 $p_r$ 将基于相对于 $p_d$ 的垂直对齐关系进行几何识别。
几何建模：系统构建两个椭圆锥来表示不确定性：
1. 直接源锥：表示由于相机分辨率和检测误差导致的直接方位向量（ $\vec{b}_d$ ）周围的不确定性。
2. 反射锥：表示反射向量（ $\vec{b}_r$ ）周围的不确定性。该锥体基于反射在表面上的扩散构建，由以反射质心为中心的椭圆的主轴和次轴定义。
位置估计：这两个锥体的交集定义了发射无人机的可能位置。由于两个锥体的交集构成了一个复杂的非线性系统，作者采用了一种基于随机采样的方法。从反射锥中采样向量，并根据直接源锥的约束进行测试。有效样本（内点）被输入到具有恒定速度运动模型的粒子滤波器中，并使用鲁棒的柯西核进行权重更新。最终的位置估计源自加权粒子云。
约束条件：该方法假设作业环境为地面或水面，以便可靠地获得单一主导反射。它不依赖墙壁反射，因为城市墙壁通常产生强度不足的漫反射，并且需要知道墙壁的朝向。

主要贡献

理论推导：该工作提供了基于反射定位的理论背景和物理基础，对光与各种表面属性的相互作用进行了建模。
新颖算法：提出了一种仅基于相机的相对定位方法，该方法仅需反射表面的距离（例如来自向下测距仪或气压计），且无需预先知道团队成员的尺寸或表面属性。
实验验证：该方法在异构平台（大型无人机和小型 MAV）的室内和室外环境中进行了验证，证明了对不同光照条件和表面类型（PVC、瓷砖、水）的鲁棒性。

结果

室内性能：在日光和夜间条件下，于 PVC 和瓷砖地板上进行的实验显示了可靠的运行。平均绝对误差（MAE）在垂直（z）轴上始终最低（约 0.08–0.12 米），而在光学（x）轴上较高（约 1.22–2.12 米），这对于单目深度估计是预期的。该系统成功在低计算能力硬件（Raspberry Pi 5）上实时运行。
室外性能：在室外水面进行的实验中，该方法实现了超过 30 米的有效范围。
与最先进方法的比较：与依赖已知标记间距的直接视距检测的 UVDAR 方法相比：
- 基于反射的方法在超过 30 米的距离上保持了高精度，而 UVDAR 在超过 20 米时则表现困难。
- 在光学轴（x）上，与 UVDAR 相比，所提出的方法将 MAE 降低了 18.5% 至 37.3%，且具有统计学显著性（p 值 < 0.05）。
- 在横向轴（y）上，特定实验中观察到了 13.9% 至 58.7% 的改进。
- 垂直（z）精度与 UVDAR 相当，无统计学显著差异。
鲁棒性：敏感性分析表明，高达 ±15% 的系统性高度偏差仅导致定位精度的微小变化，证实了该方法的鲁棒性。

意义
该论文声称，这项工作代表了首次利用表面反射进行多机器人系统相对定位的探索。通过将通常不需要的伪影（反射）转化为有用的信号，该方法扩展了基于视觉的定位的作业范围，并消除了对预定义标记配置的依赖。这使得在 GNSS 不可用且传统基于标记的系统受限于尺寸或光照约束的受限室内环境和海洋作业中，能够实现高效、紧凑的近距离协同编队飞行解决方案。该方法提供了一种轻量级、低成本的替代方案，增强了异构无人机编队的自主性。