无人水面艇集群在复杂和对抗环境中的在线多传感器标定方法

《Drones》：Online Multi-Sensor Calibration Method for Unmanned Surface Vehicle Swarms in Complex and Contested Environments Zhaoqiang Gao, Xixiang Liu and Jiazhou He

　　

在复杂海上环境和严重信号干扰场景中，无人水面艇（USV）集群面临双重挑战：因干扰导致GNSS信号不可靠，以及多传感器安装误差难以精确标定。这些问题严重制约了高精度协同编队作业能力。为应对这些挑战，本文提出一种基于统一因子图优化框架的协同定位与全源在线标定算法。首先，建立一个紧耦合的全源图框架，将导航雷达、带激光测距仪的光电系统（EOS）、惯性测量单元（IMU）和GNSS集成到滑动窗口中。通过利用集群内的高精度相互观测，构建强几何约束以抑制单个惯性导航系统的漂移。其次，设计基于信号质量的自适应GNSS加权机制和基于Fisher信息矩阵（FIM）特征值分析的退化检测策略。这些机制能在线识别并稳健估计外参，有效解决直线航行等弱激励条件下的标定发散问题。最后，利用三艘USV的实测数据结合模拟干扰实验对所提算法进行验证。结果表明，该算法无需人工靶标即可快速收敛到高精度标定参数（雷达平移误差<0.2 m，EOS旋转误差<0.05°）。在模拟GNSS干扰期间，协同定位均方根误差（RMSE）降至2.85 m，相较传统方法精度提升约84.5%。本研究实现了“越运行越精确”的协同导航效果，为GNSS拒止环境下的USV集群应用提供了可靠技术支撑。

**研究背景与问题**
无人水面艇（USV）集群作为未来海洋民用与科学系统的核心节点，依赖多源异构传感器信息的深度融合以实现态势感知与协同决策。典型USV平台集成光电系统（EOS）、导航雷达、搜索雷达、激光雷达、多普勒计程仪及捷联惯性导航系统（SINS）等传感器，形成稳健感知网络。实现跨平台协同感知的基本前提是精确掌握集群内所有传感器的时空关系，包括传感器与SINS之间的空间安装参数（即外参，含杆臂和视准角）以及多传感器时间同步。若未能充分标定这些参数，会导致严重的融合误差，例如毫秒级时间偏差在高机动艇上可转为分米级空间投影误差，微小角度安装误差在远程目标观测中造成显著定位偏差，直接影响集群共享态势图像的一致性甚至任务成败。工厂标定难以满足海上作业需求，因结构变形、传感器更换和模块化载荷等原因，需要快速在线标定以实现部署前的误差补偿。现有标定方法多基于人工靶标的离线方式，如张正友标定法、点云匹配法等，依赖特定标定物，限制于实验室或出厂环境。为提高适用性，已有无靶标在线标定方法，如基于运动一致性或移动目标检测的LiDAR-相机标定，但主要面向陆地环境利用丰富纹理，不适用于海洋静态特征稀缺场景，且多数仅针对单平台。集群层面确保所有USV传感器数据统一到全局坐标系并保持一致的在线标定精度，仍是研究空白。

**研究内容与结论**
针对上述挑战，研究人员提出一种统一的、无靶标的集群级标定框架。核心思想是消除对特定标定目标和绝对定位信息的依赖，充分利用USV自身运动与集群成员间的相对观测约束来实现多传感器在线标定。该框架将外参作为待优化状态变量，并解决开阔海域的观测性退化问题。通过三艘USV的现场实验结合模拟GNSS干扰（t=300~600 s注入随机游走漂移0.5 m/s，HDOP从1.2增至8.0，信噪比降低15 dB）验证。结果表明：协同定位均方根误差（RMSE）在干扰期间降至2.85 m，相较单USV基准（18.42 m）精度提升约84.5%；外参在线标定快速收敛，雷达平移误差<0.2 m，EOS旋转误差<0.05°；退化检测机制在直线航行等弱激励条件下有效锁定不可观参数，防止标定发散。论文发表在《Drones》。

**关键技术与方法**（不超过250字）
研究人员主要采用以下关键方法：（1）基于因子图优化的紧耦合全源框架，将IMU预积分、自适应GNSS加权（根据HDOP与载噪比C/N₀生成置信因子）以及雷达/EOS相互观测残差统一建模为非线性最小二乘问题；（2）基于Fisher信息矩阵（FIM）特征值分解的退化检测与子空间约束策略，当外参信息矩阵最小特征值低于阈值（10.0）时锁定退化方向；（3）滑动窗口边缘化使用Schur补保持计算效率，并用Levenberg-Marquardt（LM）算法求解。数据来源于三艘不同USV（USV1、USV2、USV3）在日照近海的编队实验（海况2级，波高0.1~0.5 m），采集约20分钟数据，含“8”字机动和急转弯。传感器包括光纤陀螺捷联惯导系统（FOG-INS/GNSS）、固态导航雷达（Simrad 4G）和带激光测距仪的光电系统（EOS），全部通过GNSS驯服PPS信号与PTP协议实现硬件同步。

**研究结果**（原文小标题保留，说明研究及结论）

*5.4.1 在线标定性能*
通过外参收敛过程图（含3^σ置信区间），研究人员发现EOS外参在100秒内快速收敛，得益于激光测距的3D强约束；雷达外参因测量噪声较大收敛较慢，但在充分机动后趋于稳定。最终标定误差极小：雷达平移<0.2 m，EOS旋转<0.05°。标定前雷达目标在EOS角坐标系中的重投影误差约2.5°，标定后降至0.15°，确认了有效融合。

*5.4.2 定位精度与消融实验*
通过轨迹与误差曲线对比，研究人员得出：单USV基准方法（无协同）在干扰期间RMSE为18.42 m；采用协同定位但无在线标定（Method-NoCalib）降至4.28 m，证明相对观测可有效约束集群几何；完整方法进一步降至2.85 m，验证了在线标定消除系统偏差的关键作用。无退化处理时，直线场景下不可观旋转参数漂移导致定位发散（>50 m），而完整方法通过FIM特征值检测锁定参数，保持RMSE 2.91 m。

*5.5 计算可扩展性与长期稳定性*
通过基准测试，研究人员发现滑动窗口更新平均时间随集群规模呈立方增长，小规模（N≤3）仅45 ms，中等规模（N=5）112 ms可接受，大规模（N≥10）超300 ms需分布式架构。在2小时仿真中，外参估计保持稳定无漂移（旋转平均变化<0.01°），滑窗边缘化有效抑制误差积累，协方差3^σ不确定界限持续吻合实际误差（99.7%时间内），但未考虑物理因素（热膨胀、振动疲劳），实际长期稳定性需工程验证。同时，未处理相关欺骗攻击的影响。

**讨论部分总结与结论翻译**
讨论部分指出：本研究方法在GNSS干扰期间通过自适应加权与协同观测有效抑制单个INS累积误差；在线标定算法利用EOS激光测距消除尺度模糊快速解算精确安装误差，验证无靶标在线标定的可行性；退化检测机制解决了直线航行等退化运动中外参不可观问题，防止优化发散，确保工程适用性。局限性包括：集中式框架在集群规模较大时需高通信带宽；高海况（4级以上）传感器遮挡与杂波可能影响几何数据关联。未来工作将发展分布式协同算法以降低带宽，并集成语义感知增强鲁棒性。结论部分翻译如下：本文通过提出统一的全源因子图框架，将导航雷达、EOS、IMU和GNSS集成，并将多传感器外参作为状态变量进行联合优化，解决了GNSS拒止或干扰环境下USV集群高精度导航的挑战。现场实验与模拟干扰支持以下关键结论：全源协同显著增强系统鲁棒性，定位RMSE降至2.85 m，精度提升84.5%；在线标定算法精度高、收敛快，雷达平移误差<0.2 m，EOS旋转误差<0.05°；退化检测机制确保弱激励条件下的稳定性。