VINS-MONO调研资料

时统惯导融合、视觉

一、任务总结：

1.调研时统融合惯导、视觉相关资料

2.学习VINS-MONO，查VIO的资料，在git上安装一下VINS-MONO这个软件；后续融合协议上的时统模块，做网络中多无人机定位。

3.针对场景有针对性的来研究，场景是海面上有三条船或更多，一个飞机在上面飞，然后现在通过这三条船，来定位飞机的这个距离和速度，然后测速测距。针对场景来选一两篇论文。

二、VINS-MONO：

惯性导航系统（ 英语：INS ）惯性导航系统是以陀螺和加速度计为敏感器件的导航参数解算系统，该系统根据陀螺的输出建立导航坐标系，根据加速度计输出解算出运载体在导航坐标系中的速度和位置。

时统：时间统一系统

惯性导航解算：多传感器融合定位理论基础（五）：惯性导航解算 - 知乎 (zhihu.com)

VIO技术（Visual Inertial Odometry 视觉惯性里程计定位技术）被认为是下一代消费级无人机的核心控制技术。VIO可以代替光流和GPS，通过深度学习识别环境，实现室内外精准、稳定的悬停。而香港科技大学沈劭劼团队又进一步的提出单目视觉惯性系统，通过一个相机和一个低成本的IMU实现了基于视觉和IMU的紧耦合SLAM算法。

VINS-MONO是融合惯导和视觉做单无人机空间定位的。后面要做的方向是时统融合上惯导和视觉，网络中多无人机定位的。先在VINS-MONO上做，然后再去实验室的协议上做。

针对香港科技大学的论文

VINS-Mono_A_Robust_and_Versatile_Monocular_Visual-Inertial_State_Estimator

（VINS-Mono：一种强大且通用的单目视觉惯性状态估计器）

摘要：一个摄像头和一个低成本惯性测量单元 （IMU） 构成单目视觉惯性系统 （VINS），这是用于度量六自由度 （DOF） 状态估计的最小传感器套件（尺寸、重量和功率）。在本文中，我们介绍了VINS-Mono：一种强大且通用的单目视觉惯性状态估计器。我们的方法从估算器初始化的稳健过程开始。使用一种紧密耦合的、基于非线性优化的方法，通过融合预集成的IMU测量和特征观测来获得高度精确的视觉惯性里程计。环路检测模块与我们的紧密耦合公式相结合，能够以最少的计算实现重新定位。我们还执行 4 自由度姿势图优化以强制实施全局一致性。此外，所提出的系统可以通过有效地保存和加载地图来重复使用地图。当前和以前的地图可以通过全局姿势图优化合并在一起。我们在公共数据集和真实世界实验上验证系统的性能，并与其他最先进的算法进行比较。我们还在微型空中飞行器平台上执行机载闭环自主飞行，并将算法移植到基于 iOS 的演示中。我们强调，拟议的工作是一个可靠、完整和多功能的系统，适用于需要高精度定位的不同应用。我们为两台 PC （ https://github.com/HKUST-Aerial-Robotics/VINS-Mono ） 和 iOS 移动设备 （ https://github.com/HKUST-Aerial-Robotics/VINS-Mobile ).

这篇论文引用较多，B站有视频演示及论文解读

视频资料：

VINS-Mono 开源VIO算法演示：

VINS-Mono 开源VIO算法-香港科技大学_哔哩哔哩_bilibili

VINS-Mono论文详细解读及原理解析：

VINS-Mono论文详细解读及原理解析（上）_哔哩哔哩_bilibili

VINS-Mono论文详细解读及原理解析（下）_哔哩哔哩_bilibili

我觉得与此项目相关较强的其他文献还有三篇，都是与上面文献同一作者的，来自IEEE Xplore

Online Temporal Calibration for Monocular Visual-Inertial Systems

（单目视觉惯性系统的在线时间校准）

摘要：精确状态估计是机器人导航、自动驾驶、虚拟和增强现实等各种智能应用的基础模块。视觉和惯性融合是近年来流行的6自由度状态估计技术。记录不同传感器测量值的时间时刻对于系统的鲁棒性和准确性至关重要。实际上，每个传感器的时间戳通常会受到触发和传输延迟的影响，从而导致不同传感器之间的时间错位（时间偏移）。这种时间偏移会极大地影响传感器融合的性能。为此，我们提出了一种在线方法来校准视觉和惯性测量之间的时间偏移。我们的方法通过联合优化时间偏移、相机和 IMU 状态以及 SLAM 系统中的特征位置来实现时间偏移校准。此外，该方法是一个通用模型，可以很容易地用于几个基于特征的优化框架。模拟和实验结果表明，与其他最先进的离线工具相比，我们的校准方法具有高精度。VIO与其他方法的比较证明，在线时间校准对视觉惯性系统有显著的好处。时间校准的源代码已集成到我们的公共项目VINS-Mono1.

Relocalization, Global Optimization and Map Merging for Monocular Visual-Inertial SLAM

（单目视觉惯性SLAM的重定位、全局优化和地图合并）

摘要：单目视觉惯性系统（VINS）由一个摄像头和一个低成本惯性测量单元（IMU）组成，是实现精确6自由度状态估计的常用方法。然而，这种局部精确的视觉惯性里程计容易发生漂移，无法提供绝对的姿态估计。利用历史信息重新定位和纠正漂移已成为一个热门话题。在本文中，我们提出了一种单目视觉惯性SLAM系统，该系统可以重新定位相机并在先前构建的地图中获得绝对姿势。然后执行 4 自由度姿势图优化以纠正漂移并实现全局一致性。4自由度包含x，y，z和偏航角，这是视觉惯性系统中的实际漂移方向。此外，所提出的系统可以通过有效地保存和加载地图来重复使用地图。当前地图和以前的地图可以通过全局姿势图优化合并在一起。我们在公共数据集上验证系统的准确性，并与其他最先进的算法进行比较。我们还评估了我们系统在大规模户外环境中的地图合并能力。地图重用的源代码被集成到我们的公共代码VINS-Monol中。

11https://github.com/HKUST-Aerial-Robotics/VINS-Mono。

Robust initialization of monocular visual-inertial estimation on aerial robots

（空中机器人单目视觉惯性估计的鲁棒初始化）

摘要：在本文中，我们提出了一种鲁棒的动态估计器初始化算法，为单目视觉惯性系统（VINS）提供高质量的初始状态。由于VINS的非线性，初始化不良会严重影响基于滤波或基于图形的方法的性能。我们的方法从运动中的仅视觉结构（SfM）开始，以构建相机姿势和特征位置的超比例结构。通过将这种结构与预集成的IMU测量松散对齐，我们的方法可以恢复度量尺度、速度、重力矢量和陀螺仪偏差，这些偏差被视为初始值，以引导非线性紧密耦合优化框架。我们强调，我们的方法可以在各种场景中执行动态初始化，而无需使用有关系统状态和移动的任何先验信息。通过公共无人机数据集和实时机载实验验证了所提方法的性能。我们使我们的实现开源，这是集成在VINS-Mono中的初始化部分1.

三、VINS-MONO相关

针对特定场景的海空通信，我觉得飞机和舰船可能距离很远，针对VINSmono算法，查阅到的文献多与小型无人机、室内定位相关，室外定位多为车辆驾驶导航定位。

1.Extended VINS-Mono: A Systematic Approach for Absolute and Relative Vehicle Localization in Large-Scale Outdoor Environments

（扩展VINS-Mono：大规模户外环境中绝对和相对车辆定位的系统方法）

摘要：我们提出了一种称为扩展VINS-Mono的系统方法，以利用VINS-Mono，这是一种最先进的单目视觉惯性相对定位方法，针对大型室外道路环境中的实际车辆定位。我们提出的融合方法将多种独立的定位方法相关联，并在所需的坐标系中提供多个（投影）状态估计，以满足不同的精度、速率和延迟要求。我们使用绝对定位方法（如GNSS）和相对定位方法（如基于卡尔曼滤波器的INS）扩展VINS-Mono，以提供导航/路由的全局状态估计和规划/控制的本地状态估计。此外，扩展型单声道VINS-Mono解决了VINS-Mono在大型户外道路环境中使用的两个重大缺点。首先，在几乎平坦的路面上的运动将使VINS-Mono无法观察到比例。其次，动态场景中移动物体会降低精度。我们处理VINS-Mono的尺度估计问题，通过速度读数扩展其（重新）初始化过程，并引入用于图形优化的速度因子。基于DNN的对象检测的带有掩码的动态特征点过滤方法可处理动态环境，并重新收集静止对象（如停放的汽车）上的特征点。与VINS-Mono相比，使用扩展型VINS-Mono在匹兹堡的高速公路、隧道、市区和郊区行驶25公里的行程中获得了更好的全球精度。因此，扩展型单声道VINS-Mono可用于动态道路环境中可靠和准确的绝对定位。我们还评估了来自多种定位方法的全球坐标系中多个（投影）状态估计的准确性、定位率和延迟。因此，我们的融合方法能够满足智能车辆上各种任务的不同定位要求。

2.

Aerial Robots On the Way to Underground: An Experimental Evaluation of VINS-Mono on Visual-Inertial Odometry Camera

（空中机器人在通往地下的路上：VINS-Mono在视觉惯性里程计相机上的实验评估）

摘要：近年来，无人机（UAV）的应用因其多功能性和成本效益而受到广泛用户的欢迎。当无人机在没有任何环境的情况下在室外运行时，可以将全球定位系统（GPS）集成到无人机中。然而，当信号微弱或不存在时，GPS对于确定无人机的位置是无效的，例如在室内环境和隧道网络中运行。为了准确确定无人机的位置，另一种方法是赋予不同的传感器，如激光雷达、惯性测量单元（IMU）和摄像头。在本文中，我们提出了使用VINS-Mono状态估计器结合视觉惯性传感器的视觉惯性里程计应用的实验评估。实验的目的是确定设置在完全没有GPS信号的室内环境中的有效性。在实验中，构建了机载计算机、摄像头和IMU集成的能够自我定位的无人机。首先，已经设置了相机和IMU校准及其硬件同步。其次，在配备OptiTrack跟踪系统的运动分析实验室进行了实验评估，将无人机定位性能与地面实况数据进行了比较。最后，通过对比研究确定了VINS-Mono状态估计器和无人机系统在各种飞行速度和环境特征设置下的鲁棒性和可靠性。根据广泛的评估，它能够在GPS拒绝的环境中定位无人机，在25分钟内的平均飞行时间内，平均均方根误差保持在2厘米以下。

3.Visual-Inertial Simultaneous Localization and Mapping: Dynamically Fused Point-Line Feature Extraction and Engineered Robotic Applications

(视觉-惯性同时定位和映射：动态融合点线特征提取和工程机器人应用)

摘要：对于未知环境中的机器人，视觉惯性同步定位和映射（SLAM）结合了多传感器数据，可实现全球一致的轨迹跟踪和映射。给定SLAM问题中的场景结构，高质量线条可以用作基元，并为相机姿态估计提供额外的约束。本研究致力于动态融合点线视觉惯性导航系统（VINS）的流水线设计。该设计以VINS-Mono的传统为基础，但采用集成姿势估计策略来整合点和线特征。据我们所知，这是第一个基于优化的单目VINS方法，可以深入了解点和线特征数之间的定量关系。此外，还研究了线段检测器（LSD）提取器中用于线特征长度测定的实测像素和两个隐藏参数，保证了线特征提取的质量和效率优化。进行基准数据集和实际测试。在EuRoc数据集中具有挑战性的场景测试方面，将结果与ROVIO，VINS-Mono和PL-VINS框架进行了比较，表明我们的设计比其他具有本地和全球一致姿态估计的设计更加准确和稳健。相机“Mynteye”中的工程算法进一步实现了斗牛犬-CX机器人平台验证。有关漂移、线特征提取时间和实际轨迹一致性的结果表明，我们的设计优于基于点的VINS。我们的动态融合点线VINS对各种室内和室外场景的强大适应性同时得到验证。

4.Dynam-SLAM：动态环境中准确、鲁棒的立体视觉惯性SLAM方法

Dynam-SLAM: An Accurate, Robust Stereo Visual-Inertial SLAM Method in Dynamic Environments

摘要：大多数现有的基于视觉的同步定位和映射（SLAM）系统及其变体仍然假设观察是绝对静态的，不能在动态环境中很好地工作。在这里，我们介绍了Dynam-SLAM（Dynam），这是一种立体视觉惯性SLAM系统，能够在高动态环境中进行稳健，准确和连续的工作。我们的方法致力于将立体场景流与惯性测量单元（IMU）松散耦合以进行动态特征检测，并将动态和静态特征与IMU测量紧密耦合以进行非线性优化。首先，对测量噪声引起的场景流动不确定性进行建模，推导出地标的精确运动似然;同时，为了应对高动态环境，我们还根据检测到的动态特征构建虚拟地标。然后，我们构建一个紧密耦合的、基于非线性优化的SLAM系统，通过融合IMU测量和特征观察来估计相机状态。最后，我们在各种基准数据集中评估了所提出的动态特征检测模块（DFM）和整体SLAM系统。实验结果表明，Dynam几乎不受DFM的影响，在静态EuRoC数据集中表现良好。Dynam 在自收集的动态数据集的准确性和鲁棒性方面优于当前最先进的视觉和视觉惯性 SLAM 实现。动态基准数据集中Dynam的平均绝对轨迹误差为：∼比VINS-Fusion低90%，∼比 ORB-SLAM84 低 3%，并且∼比Kimera低88%。

5.A Visual SLAM Algorithm Based on Dynamic Feature Point Filtering

一种基于动态特征点滤波的可视化SLAM算法

摘要：高精度定位是机器人和无人驾驶技术的基础。使用视觉同步定位和映射（VSLAM）算法进行定位可以有效减少对卫星定位信号的依赖。然而，道路环境中存在大量运动物体，严重影响VSLAM算法的定位效果。引入YOLOv4-Tiny识别动态目标，利用均移算法识别动态特征点，形成YMS（YOLOv4-Tiny，Meanshift）动态特征点滤波算法。在VINS-Fusion的基础上，提出YMS-SLAM算法，利用YMS算法滤除动态特征点，消除动态对象对VSLAM的不利影响。KITTI数据集测程数据05序列和真实道路环境的实验结果表明，与VINS-Fusion相比，YMS-SLAM的均方根误差分别降低了21.0%和61.6%，证明了所提算法在有动态目标的道路环境中具有更强的鲁棒性和更高的定位精度。

MS-SLAM：基于无人机的视觉定位关键帧的运动状态决策

MS-SLAM: Motion State Decision of Keyframes for UAV-Based Vision Localization

摘要：为了提高无人机在旋转和运动场景中的鲁棒性，我们提出了一种立体同步定位和映射（SLAM），其新的关键帧策略与当前的SLAM系统不同。此外，它有两种策略。1）在基于图像质量的主导策略中，我们按照自己定义的规则过滤并保留每个图像帧中的强特征点;这导致图像跟踪中的生存时间和属性不变性更长，我们将包含更多强特征点的图像帧保存为关键帧。2）在基于运动状态的二级策略中，量化了无人机运动过程中的运动状态（称为复合旋转量），并表征了运动的强度。由于我们希望无人机在旋转场景中具有更好的鲁棒性，因此当复合旋转量达到阈值时，该策略会生成关键帧。这两种策略分别用于应对柔和运动场景和旋转运动场景。因此，我们关键帧的插入由运动状态决定;我们的SLAM系统是基于运动状态（MS-SLAM）提出的。在系统的后端部分，我们构建了一个新的加权成本函数来优化姿势。最后，通过在公共数据集EuRoc上的对比实验，证明了我们的算法比目前一些主流算法更具优势。在困难序列中，我们的算法将绝对轨迹误差与ORB-SLAM2，SVO+gtsam和VINS-Mono进行比较，我们的算法的绝对轨迹误差可以降低87%。

6.DGM-VINS: Visual–Inertial SLAM for Complex Dynamic Environments With Joint Geometry Feature Extraction and Multiple Object Tracking

DGM-VINS：用于复杂动态环境的视觉惯性 SLAM，具有联合几何特征提取和多对象跟踪功能

摘要：当前最先进的同步定位和映射 （SLAM） 算法在静态环境中表现良好。但是，它们在实际方案中的应用受到环境是静态的假设的限制，因为它们的性能在复杂的动态环境中变得不稳定。为了提高复杂动态场景中的系统稳定性和定位精度，本文提出了一种名为DGM-VINS的新型视觉惯性SLAM系统。在DGM-VINS中，设计了联合几何动态特征提取模块（JGDFE），该模块可以结合多个几何约束的优点，有效降低单个几何约束在应用过程中的限制。此外，该文提出一个时态实例分割模块（TISM）来建立连续帧中实例对象的时间相关性，有效解决了复杂环境下的实例分割问题。惯性测量单元（IMU）用于运动预测和一致性检测，以提高在纹理较弱的挑战性环境中的定位精度。该方法在各种公共数据集和实际场景中进行了测试，结果表明，该方法在复杂动态场景中的准确性和鲁棒性优于现有方法。

⭐7.A Research of Visual-Inertial Simultaneous Localization and Mapping

视觉-惯性同时定位与映射研究

摘要：同时定位和映射是机器人技术中一个流行的研究课题，其目的是在配备特定传感器的物体运动过程中对环境进行建模，而无需有关环境的先验信息。在功能上补充两个外部传感器（相机和惯性测量单元 （IMU））的能力使其在鲁棒性方面具有优势。因此，视觉惯性系统（VINS）在定位和地图领域具有广泛的应用，包括移动机器人、自动驾驶系统（ADS）0和飞机。本研究介绍了VINS在前端里程计、后端优化、闭环检测和地图构建中的应用。重点介绍了VINS中的关键问题和解决方案，例如位姿估计、后端优化和闭环检测。总结了具有代表性的VINS方法的特点，以突出不同方法实现的优势。系统地讨论了VI-SLAM实施的全过程，并结合经典的实施方法，有助于掌握系统实现过程，了解不同工作原理的差异。本文还介绍了VINS的未来趋势和研究方向，可以作为SLAM领域新手和有经验的研究人员的简要指南。

8.An Initialization Method for Monocular Visual-Inertial Odometry Based on Uncertainty State

一种基于不确定性状态的单目视觉惯性里程计初始化方法

摘要：近年来，单目视觉惯性系统（VINS）在U A V、三维重建、增强现实等领域得到了广泛的应用和研究。由于整个系统的非线性，其初始化阶段非常关键和脆弱。传统的初始化模式要么相对固定，要么对运动模式有一定的要求。因此，为了克服这一问题，提高系统初始化的鲁棒性和准确性，我们集成并改进了一种基于VINS-Mono[7]框架的自适应单目视觉惯性SLAM初始化方法。首先，通过状态模式选择算法判断初始运动状态，然后划分两个初始化模块细化初始模式，实现准确估计，提高视觉惯性关节在线初始化的鲁棒性和准确性。最后，在公共数据集上进行了实验，结果表明，所提方法在收敛性和鲁棒性方面比VINS-Mono有更大的改进。

9.Essential PoseSLAM: An Efficient Landmark-Free Approach to Visual-Inertial Navigation

基本姿势：一种高效的无地标视觉惯性导航方法

摘要：本文提出了一种使用双视图张量（也称为基本矩阵）融合视觉和惯性数据进行导航的有效方法。基本矩阵编码两个相机姿势之间的高比例几何关系，并包含它们之间的相对旋转和平移方向。通过计算传入图像和观察同一场景的过去状态集合之间的基本矩阵，构建了密集的尺度相对姿态测量网络。由于基本矩阵是作为图像处理前端的一部分在许多视觉惯性导航系统（VINS）中在线计算的，因此该方法引入的计算开销很小，同时避免了与特征估计相关的所有计算。这种方法可以看作是对经典姿势图同时定位和映射（SLAM）问题的修改。本文进一步提出了一种动态初始化方法来引导IMU的速度、方向和偏差。初始化方法使用相同的修改后的姿势图 SLAM 方法求解相机帧窗口的上尺度相对姿态，然后再求解方向、速度和传感器偏差。我们通过在扩展卡尔曼滤波（EKF）和非线性优化形式中实现它们并在公共数据集上测试它们来验证所提出的方法。

10.SRVIO: Super Robust Visual Inertial Odometry for Dynamic Environments and Challenging Loop-Closure Conditions

SRVIO：超坚固的视觉惯性里程计，适用于动态环境和具有挑战性的闭环条件

摘要：在过去的几十年里，人们对自主机器人和虚拟现实的视觉定位和里程计进行了广泛的研究。传统上，这个问题已经在昂贵的传感器的帮助下得到解决，例如光检测和测距（LiDAR）。如今，该领域领先研究的重点是使用更经济的传感器（如相机和惯性测量单元）进行稳健的定位。因此，随着时间的推移，几何视觉定位方法变得更加准确。然而，这些方法在具有挑战性的环境中仍然遭受重大损失和分歧，例如满是移动人员的房间。科学家们开始使用深度神经网络（DNN）来缓解这个问题。使用 DNN 背后的主要思想是更好地了解数据的挑战性方面并克服复杂的条件，例如覆盖相机全视图的摄像机前方动态对象的移动、极端照明条件和摄像机的高速。以前的端到端 DNN 方法确实克服了其中一些挑战。然而，没有一个通用和强大的框架可以共同克服所有挑战。在本文中，我们结合了几何和基于 DNN 的方法，以具有几何 SLAM 框架的通用性和速度，并在 DNN 的帮助下克服了大多数这些具有挑战性的条件，并提供了迄今为止最强大的框架。为此，我们设计了一个基于 VINS-Mono 的框架，并表明与基于 DNN 的几何和端到端同步定位和映射相比，它可以在 TUM-Dynamic、TUM-VI、ADVIO 和 EuRoC 数据集上获得最先进的结果。我们提出的框架也可以在类似于上述挑战的极端模拟案例中取得出色的结果。

四、ad hoc networks 定位相关

针对自组网协同定位：

1.Multi-UAVs network communication study for distributed visual simultaneous localization and mapping

面向分布式视觉同步定位和映射的多无人机网络通信研究

摘要：本文考虑了多无人机（无人驾驶Arial车辆）视觉同步定位和映射（SLAM）的问题，通过使用单目视觉和降低通信能力的姿态和地图估计新框架。通过图SLAM公式将单目视觉数据与测程测量融合，解决了定位和映射问题。使用每个机器人的地图数据表示，建议在无人机之间进行良好而强大的通信，以执行有效的数据交换，同时保持SLAM性能。选择网状网络将解决方案导入无线网络。最后，使用更好的移动自组网（BATMAN）协议在Ad Hoc网络和无线Mesh网络中进行一些验证实验。

2.GPS-Based Wireless Ad Hoc Network for Marine Monitoring, Search and Rescue (MSnR)

用于海洋监测、搜索和救援的基于 GPS 的无线自组网 （MSnR）

摘要：提出了基于GPS的无线自组网，用于越南的海洋监测，搜索和救援应用。网络路由协议和算法使用网络模拟器 2 软件进行评估。结果表明，所提方案的包裹传输成功率高于85%，显示出该概念的巨大潜力。

3.Relative Position Route Protocol of Ad hoc network

自组网相对位置路由协议

摘要：Ad hoc 是一个自动组织的无线网络。其拓扑结构变化频繁，因此许多基于拓扑分析的路由协议无法在Ad hoc网络中正常运行。RPRP（相对位置路由协议）是一种新的路由协议算法，其中每个节点测量或接收其邻居节点的相对位置，然后从其邻居中选择最近的节点作为下一跳。根据仿真系统的测试结果，我们可以得出一些结论，例如总路由长度非常短，并且可以适应拓扑结构变化快的网络。

4.A Reactive Local Positioning System for Ad Hoc Networks

一种用于自组织网络的反应式本地定位系统

摘要：现有的点对点定位系统通过连续测量和点对点网络中所有节点之间的通信来主动测量位置。但是，在某些基于位置的应用程序中，只有少数节点需要几个其他节点的位置，在这种情况下，主动方法会导致不必要的大开销。我们提出了一种反应式ad hoc定位系统的方案，通过将坐标系的多点定位和协调限制在以请求位置的源节点和被请求位置的目标节点之间的路由为中心的节点上，避免了主动方案的开销。仿真结果表明，与现有的主动方案相比，我们的方案大大降低了开销。

5.

3-D Position Location in Ad Hoc Networks: A Manhattanized Space

Ad Hoc网络中的3D位置位置：曼哈顿化的空间

摘要：位置位置信息（PLI）已成为在蜂窝和无线自组织网络中提供多种基于位置的服务的关键要求。随着传感器网络和物联网场景的激增，3-D 位置定位作为基于位置的服务和应用的解决方案推动因素变得越来越重要。然而，3D自组网和传感器网络中的PLI采集技术也带来了一些挑战。例如，传统的三角测量算法可能不适用，因为相关节点之间的直接视线和固定参考无法保证。该文提出一种基于空间离散化的适用于三维自组织环境的PLI采集算法。通过分析和仿真检验了该算法的可行性。还提出了算法改进。

6.Analysis and simulation of positioning algorithms in ad-hoc wireless local area networks

自组无线局域网定位算法分析与仿真

摘要：传感器定位是无线自组网运行管理的基础性和关键性问题。本文详细介绍了用于确定节点位置的分层最大似然算法。分层最大似然算法的数值模拟表明，在无路径损耗波动的情况下，定位误差随网格分辨率增量步长eta的增加而减小;随着路损波动的增加，使用较大ETA值的优势变弱;在路径损耗波动非常大的情况下，具有不同ETA值的纯最大似然算法和分层最大似然算法的性能变得相当。

7.Neighbor discovery in three-dimensional mobile ad hoc networks with directional antennas

具有定向天线的三维移动自组织网络中的邻居发现

摘要：在本文中，我们研究了具有定向天线的三维无线移动自组织网络中的邻居发现问题。该文提出一种名为有限随机算法（LRA）的定向邻域发现算法。LRA与以前假设没有邻居先验知识的研究之间的区别在于，LRA利用了从全球定位系统（GPS）或任何其他类似技术获得的邻居的大致位置信息，这些信息不是精确的，而是模糊的。LRA应用于空海自组网（ASNET）中高速飞机和低速船舶之间的邻居发现过程。研究了模糊程度、节点速度和节点间距离对LRA性能的影响。分析仿真表明，该算法的性能对表示飞机和船舶螺距的β值敏感。最后，讨论了今后改善上帝抵抗军的可能性。

8.Wireless ad hoc network based on Global Positioning System for marine monitoring, searching and rescuing (MSnR)

基于全球定位系统的海洋监测、搜索和救援无线自组网（MSnR）

摘要：本文提出了一种无线自组网，该网络能够为小型渔船提供定位服务，并改善从小型渔船到中央陆上站的弱海陆无线链路。定位服务可通过全球定位系统获得，而由小型渔船组成的特设网络内的短程通信大大加强了海陆联系的弱距离。拟议的方法提供对所有船只及其位置的持续报告和监测，以便在紧急情况下进行搜索和救援。给出了网络仿真结果、硬件和初始现场实测结果。

9.Rolling Out RFIDs: A Lightweight Positioning Environment for Ad Hoc Applications

推出 RFID：适用于临时应用的轻量级定位环境

摘要：自组网可在各种环境中提供应用服务，包括室内/地下空间和城市峡谷;然而，传统的定位基础设施（如GPS）在这些环境中通常不能很好地工作。我们提出了一种轻量级、基于 RFED 的定位系统，可以快速轻松地安装在临时应用程序部署的各个站点。该系统包括一种称为RFID磁带的新型设备，该设备允许有效部署和维护一系列RFID位置参考点。行人设备从RFID参考点获取位置信息，并使用运动传感器和基于P2P的技术，即使在参考点稀疏的情况下也能进行连续定位。该器件和机制共同有助于在临时应用中提供位置感知功能。

10.Multi-robot map building based on Ad hoc network communication

基于Ad hoc网络通信的多机器人地图构建

摘要：多机器人地图构建大多采用动态分区方法，极大地限制了机器人之间的相互配合。针对该问题，该文提出一种改进的基于Ad hoc网络的分布式控制系统方法，以加强机器人之间的协作。该方法利用Ad hoc网络构建全局坐标，传输和搜索信息和根的位置，实现信息共享，加强机器人之间的协作，并利用网格方法构建地图。在机器人平台上的实验结果表明了该方法的可行性和有效性。

11.Data association for simultaneous localization and mapping in robotic wireless sensor networks

用于机器人无线传感器网络中同步定位和映射的数据关联

摘要：联合概率数据关联（JPDA）技术可用于定位和跟踪动态和自组织无线传感器网络（WSN）中的辐射源。反之亦然，WSN网络中定位的传感器节点可以帮助映射其RF通信链路覆盖的环境。但是，感测信息可能会因环境杂波或RF干扰而损坏，从而导致数据关联错误，并导致同步定位和映射（SLAM）的灾难性错误。我们提出了一种使用三扫描JPDA的半时间算法，将观测结果与其对应的辐射源作为地标进行精确关联，并将新源识别为新地标。验证门中存在移动杂波由统计运动检测器发出警报，该检测器增强了动态环境中的数据关联。与其他高性价比最优贝叶斯滤波器相比，该方法可用于复杂度较低的实时SLAM应用。通过仿真验证了该方法的有效性。

12.Clutter-sensitive data association for simultaneous localization and mapping in robotic wireless sensor networks

杂波敏感数据关联，用于机器人无线传感器网络中的同步定位和映射

摘要：联合概率数据关联（JPDA）技术可用于定位和跟踪动态和自组织无线传感器网络中的辐射源。反之亦然，网络中定位的传感器节点可以帮助映射通过其RF通信链路连接的室内环境。但是，感测信息可能会被杂波（环境噪声和RF干扰）破坏，从而导致数据关联错误，并对同步定位和映射（SLAM）造成灾难性影响。我们提出了一种使用三扫描JPDA的时空算法来建立观测与其原始辐射源之间的相关性，以及一种统计运动检测器，用于检测验证门中是否存在移动杂波。与其他高性价比最优贝叶斯滤波器相比，该方法可用于复杂度较低的实时SLAM应用。通过仿真验证了该方法的有效性。

13.Robot-Assisted Target Localization using a Cooperative Scheme relying on Wireless Sensor Networks

基于无线传感器网络的协作方案的机器人辅助目标定位

摘要：本文考虑了目标定位问题中在不确定环境中运行的移动机器人的控制/通信方案。这些机器人需要通过移动自组网与基站交换信息。该网络由固定节点和移动节点组成。实验结果表明，当网络拥塞且射频信号强度低导致数据包丢失时，机器人性能会明显下降。在目标获取问题中评估原始但可靠的合作方案，并提供实验结果以验证所建议方案的有效性

14.Application of Electronic Compass and Vision-Based Camera in Robot Navigation and Map Building

电子罗盘和基于视觉的相机在机器人导航和地图构建中的应用

摘要：本文研究了机器人路径规划的问题，提出了电子罗盘和基于视觉的相机在机器人导航和地图构建中的应用。我们可以通过在机器人的控制面板上安装电子罗盘来确定机器人的方位角，然后通过安装在机器人头部的摄像头的图像信息来定位机器人。假设机器人的移动环境在室内，我们可以通过将来自电子罗盘的数据与来自相机的数据相结合来确定机器人的原始位置、当前位置和物体的位置。我们还可以通过对这些数据进行综合分析来构建地图信息，并构建专为电子罗盘构建的新数据结构。结果表明，该微系统为实验室环境中的地图构建、导航和定位提供了良好的解决方案。

15.Cooperative Localization for Mobile Agents: A Recursive Decentralized Algorithm Based on Kalman-Filter Decoupling

移动代理协同定位：一种基于卡尔曼滤波解耦的递归去中心化算法

摘要：自组网的技术进步和机电系统的小型化使得使用大量移动代理（例如，移动机器人、人类代理和无人驾驶车辆）在空中、水下、空间和陆地环境中执行监视、搜索和救援、运输和交付任务成为可能。然而，此类任务的成功执行通常取决于准确的位置信息，这是较低级别的运动和路径规划算法所必需的。移动机器人定位的常用技术是经典的预装基于信标的定位算法、基于固定特征的同步定位和映射 （SLAM） 算法以及全球定位系统 （GPS） 导航.然而，这些定位技术基于假设，例如存在可以经常重新访问的独特和静态特征或GPS卫星的视线，这对于搜索和救援，环境监测和海洋勘探等操作可能不可行。就GPS导航而言，目前还存在对室外导航的信号干扰的关注，特别是对于无人机的协调和控制。相反，协作本地化正在成为一种可以在这种情况下使用的替代本地化技术。

16.A Distributed algorithm for mobile robot localization and mapping in wireless sensor networks

一种无线传感器网络中移动机器人定位和映射的分布式算法

摘要：本文提出了一种将无线传感器网络的全局视图与移动机器人的本地高级传感相结合的导航和地图技术。搜索和救援任务依赖于能够成功穿越室内环境的机器人，这些环境可能未定义并充满不可预测的障碍物。机载传感器和本地导航方案可以提供避障并帮助机器人在本地导航，但由于缺乏全球知识和本地最小值问题，无法实现遥远的目标。因此，在以前的许多作品中都提出了一些来自环境的帮助，例如视觉地标，或从Wi-Fi信标或无线传感器网络传输的无线电信号。后者涉及许多传感器节点，如果以组织良好的编队部署，可以作为路标，帮助移动机器人进行导航。因此，可以消除对预定义地图的需求。通过利用机器人车载传感器处理来自附近节点的接收数据并将其与板载感知数据相结合，我们提出的算法将为机器人和无线传感器网络提供临时SLAM功能，从而可以同时引导机器人到达目的地。