第8卷第1期 智能系统学报 Vol.8 No.1 2013年2月 CAAI Transactions on Intelligent Systems Feh.2013 D0I:10.3969/j.issn.16734785.201204022 网络出版地址：http://ww.cnki.net/kems/detail/23.1538.TP.20130125.1508.008.html 基于协方差交集的多机器人协作目标跟踪算法 伍明，李琳琳，李承剑 (第二炮兵工程大学指挥信息工程系，陕西西安710025) 摘要：为了解决未知环境下多机器人协作目标跟踪问题，设计了一种基于协方差交集数据融合的分布式解决算 法.单台机器人运用全协方差扩展式卡尔曼滤波器完成未知环境下机器人状态和目标状态的同步估计，当单台机器 人发现同伴并利用观测值对同伴机器人状态进行本地估计后，将结果连同目标状态一起发往同伴机器人，同伴机器 人进行数据验证后，采用基于协方差交集的数据融合算法完成本地相关状态的更新，由于并不需要知道相关估计对 象之间的协方差阵，因此算法具有分布式特点.仿真实验证明了算法能够有效提高机器人对于自身状态、环境特征 状态以及目标状态的估计准确性. 关键词：机器人；多机器人协作；目标跟踪算法；协方差交集 中图分类号：TP242.6文献标志码：A文章编号：16734785(2013)01006608 An algorithm of multi-robot cooperative object tracking based on covariance intersection WU Ming,LI Linlin,LI Chengjian Command Information Engineering Department,The Second Artillery Engineering College,Xi'an 710025,China) Abstract:In order to solve the problem of multi-robot cooperative object tracking in unknown environments,a distributed algorithm based on covariance intersection data fusion was proposed in this paper.To the single robot,states of robot and object in an unknown environment are simultaneously estimated using a full covariance extended Kalman filter.As the robot finds a partner,it will estimate the state of the partner according to observation and then send the state collectively with object state to the partner.Once the partner verifies the incoming information,the relevant local state is updated u- sing data fusion algorithm based on a covariance intersection.Since the covariance between different states is not nee- ded,and therefore the algorithm was distributed.The improvement in estimation precision of the robot state,environ- ment characteristic state and object state using this approach was verified through the simulation results. Keywords:robots;multi-robot cooperation;object tracking algorithm;covariance intersection 多机器人协作状态估计可以分为对机器人自身 能够有效提高定位精度和地图创建效率，对于该 的状态估计问题和对目标的状态估计问题，前者被 问题主要的解决方法包括基于扩展式卡尔曼滤波和 称为多机器人协作定位问题2，后者被称为多机 GPS信息的方法51、基于粒子滤波的方法[6以及基 器人协作目标跟踪问题34].目前对于多机器人协 于集员(set membership)的方法8]等，而在具体应用 作定位问题的研究重点集中在未知环境下的协作定 中又可分为集中式方法[9和分布式方法0].学界对 位，也就是协作SLAM(simultaneous localization and 于多机器人协作目标跟踪问题的研究主要集中在设 mapping)问题s6,该问题假设机器人团队在进行定 计相关队形控制算法「]及数据融合算法「2]，使机 位过程中并不已知环境信息，因此需要对环境状态 器人团队组成的传感器阵列能够具有更大的侦查范 和机器人状态进行同步估计.与单机器人相比，通过 围和更高的目标状态估计精度.在一些实际任务中， 机器人之间的协调配合以及信息共享，协作SLAM 例如未知环境下机器人协作围捕任务[3]，需要机器 人在未知环境下对目标进行状态估计，该问题是 收稿日期：201204-25.网络出版日期：201301-25. 通信作者：伍明.E-mail:hyacinth531@163.com SLAM问题和目标跟踪问题(object tracking,OT)的