TEAM：面向机器人网络探索与建图的三边定位算法

受月球探测的启发，我们考虑部署一个移动机器人网络来探索未知环境，同时作为协作定位系统。机器人测量并通信与位置相关的数据，以便在缺乏基础设施解决方案（例如固定信标或 GPS）的情况下进行定位。我们提出了用于探索与建图的三边定位（TEAM），一种面向机器人网络的低复杂度定位与建图的新型算法。TEAM 旨在利用机器人搭载的商用超宽带（UWB）无线电提供厘米级精度的测距估计，并在共享的静止坐标系中执行无锚点定位。它非常适合缺乏特征的环境，在这类环境中基于特征的定位方法效果不佳。我们在多种 Gazebo 仿真环境以及配备 Pozyx UWB 无线电的 Turtlebot3 Burger 测试平台中提供了实验结果。我们将 TEAM 与流行的用于同步定位与建图（SLAM）的 Rao-Blackwellized 粒子滤波器进行了比较。我们证明 TEAM 所需的计算复杂度低一个数量级，并将 LiDAR 测量所需的采样率降低了一个数量级。这些优势无需以牺牲性能为代价，因为 TEAM 在缺乏特征的环境中将最大定位误差降低了 50%，并将地图精度提高了高达 28%，而在其他环境中则实现了相当的地图精度。