北京理工大学多智能体协同控制实验平台功能
attach://144.mp4无人机姿态控制
根据用户需求，自定义需要捕捉的部位，利用精确捕捉运动物体的位置及姿态等三维数据。
无人机/无人车动态角色分配
根据实时反馈的位置信息，使出现在随机位置的多智能体，以最短路径形成理想编队队形，为其他多智能体协同控制实验提供了基础。
空地协同编队、自主避障与跟随
由于设备的可拓展性，用户可随意增减目标数量，通过在软件内对目标进行命名等操作，来完成对大批量运动体的同时捕捉。
光学三维动作捕捉系统功能
六自由度动作捕捉数据
采集三维空间XYZ坐标、六自由度（6Dof）、偏航角（Yaw）、横摇角（Roll）、俯仰角（Pitch）、欧拉角等数据，为无人机的位姿控制、运动规划提供连贯、流畅的动作数据基础。
亚毫米的定位精度
与采用GPS、航迹推算、全局摄像头、UWB等定位方法的实验平台相比，该平台的精度大大提高，可达亚毫米级。
丰富的二次开发接口
采集到的数据可以以VRPN形式传输，或通过SDK（C++语言）端口广播与ROS、Labview、Matlab（包含Simulink）等软件通信进行二次开发。
软件具有一键建立刚体功能，大幅提高工作效率
场地及配置
场地大小： 4米×4米
关键 词：协同控制、多智能体、高精度、低延时
被捕捉物： E-puck无人车，无人机
核心配置： 8个光学动作捕捉镜头
随着工业技术的发展，多智能体系统目前已在工业操作、巡逻侦察、灾情救援、环境勘探、智能物流、智能农业，和消费娱乐等方面有了长足的发展。智能体（Agent）的概念为无人车、无人机、无人潜艇等自主移动平台建立了统一的研究体系。多智能体系统的协同控制是大规模机器人系统实现实际任务与操作的理论基础。
但国内外关于多智能体协同编队的研究大多数还停留在理论和计算机仿真层面。北京理工大学自动化学院建立该协同控制平台旨在设计一套实用可行、可靠性强的多智能体协同控制实验平台，供高校实验室用于同构和异构智能体的控制算法验证，为理论成果提供实验支撑，同时平台开源性强，预留有丰富的二次开发接口，可成为高校理论课程的实践基础。
整个控制平台主要由网络通信子系统、多智能体子系统、组合定位子系统三部分组成。其中网络通信与云控制子系统主要负责各个智能体之间的通信；多智能体子系统则主要用于执行相关的上层控制命令，包括四旋翼无人机和全向移动机器人；组合定位子系统是由光学三维动作捕捉系统定位为主要定位方式，机载惯性器件辅助构成的多智能体组合定位系统。
通过光学三维动作捕捉系统提供的高精度、低延时的定位信息，整个平台才能实现更精确的运作。
整个控制平台的实现是需要在有精确的定位前提下才能完成，相较于以往多数平台使用的UWB定位技术，光学三维动作捕捉系统提供的光学动作捕捉系统定位技术，不仅仅精度高，还能低延时、不受干扰地提供实时无差别的定位数据，能够让无人机，无人车找到自己的位置。正如孙中奇老师说的：“想要知道我们在哪儿，通过光学动作捕捉系统，我们之间知道了自己在哪儿，也告诉对方我们在哪儿，这样就实现了两者之间的通讯交流，也就能完成协同交互”
通过光学三维动捕系统标定出来的定位空间，多智能体子系统，即无人机和无人车的组合在空间中的飞行，行驶的位置和姿态信息都被、通过高清光学动作捕捉镜头捕捉在智能体上面贴有的反光标志点一一获取到，并经由动捕系统中动捕软件的SDK端口广播给控制平台的网络通信系统，再次由通讯系统将定位数据传给智能体，智能体之间完成协同运动和相互之间的交互式配合。
与采用GPS、航迹推算、全局摄像头、UWB等定位方法的实验平台相比，该平台的精度大大提高，可达亚毫米级。
页:
[1]