.png){kind=icon}
返回
Resilient Sequential Fusion on Lie Groups for Consistent Collaborative Localization
.png){kind=icon}
PRE
AI
DOI：10.1109/TCST.2025.3589462.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多智能体系统中的协作定位（CL）已成为一个日益突出的研究领域，特别是在不确定且部分连接的动态通信环境下。本文提出了一种基于鲁棒顺序融合方法的CL框架，该方法在矩阵李群中保证一致性。所提出的方法继承了分布式卡尔曼滤波器的流程，利用定义在流形上的不变误差来建立全局状态传播和更新过程，以估计所有智能体在预定义参考系中的位姿。此外，通过将协方差交集（CI）融合推广到设计的几何群结构中，将通信更新过程单独处理，从而实现灵活的更新，同时保持估计的一致性并确保滤波更新过程的独立性。具体而言，为解决智能体通信中可能出现的问题，提出了一种具有解析形式的加权融合准则，允许在流形上进行任意信息融合顺序和结构的通信融合。通过仿真和真实实验的广泛验证表明，所提出的方法能够适应变化的通信条件，并实现了优于当前先进方法的表现。
Keyword:
Collaborative localization (CL)
consistency estimation
Lie group
sequential fusion
期刊
IF:
3.9
论文数:
4.9K
被引数:
1.7W
机构
引用论文
暂无论文信息