未提及具体数据集名称

本文介绍了一个基于无线电的多机器人定位系统，该系统利用了超宽带(UWB)和雷达技术，并结合了低成本的传感器，如惯性测量单元(IMUs)和轮编码器，来估计空中机器人相对于地面机器人的相对位置。该系统在软件在环(SITL)仿真和真实世界数据集中进行了验证。系统采用了非线性最小二乘(NLS)优化框架来计算UAV和UGV的里程计框架之间的相对变换，并使用雷达预处理模块进行松耦合的自运动估计。然后，预处理后的雷达数据和相对变换被输入到姿态图优化框架中，以实时优化两个平台的位置。该系统已实现为机器人操作系统(ROS 2)的一部分，并使用Ceres优化器进行优化。所有的代码和实验数据都是公开可用的，以支持可重复性和作为一个通用的开放数据集。This paper presents a radio-based multi-robot positioning system that leverages Ultra-Wideband (UWB) and radar technologies, paired with low-cost sensors including Inertial Measurement Units (IMUs) and wheel encoders, to estimate the relative position of an aerial robot with respect to a ground-based robot. The system is validated via software-in-the-loop (SITL) simulations and real-world datasets. It adopts a Non-Linear Least Squares (NLS) optimization framework to compute the relative transformation between the odometry frames of the Unmanned Aerial Vehicle (UAV) and Unmanned Ground Vehicle (UGV), and employs a radar preprocessing module to perform loosely-coupled ego-motion estimation. Subsequently, the preprocessed radar data and relative transformation are input into a pose graph optimization framework to optimize the positions of both platforms in real time. The system has been implemented as part of Robot Operating System 2 (ROS 2) and optimized using the Ceres Solver. All code and experimental datasets are publicly available to support reproducibility and serve as a general-purpose open dataset.

搜集汇总

数据集介绍

构建方式

在异构机器人协同定位研究领域，该数据集通过超宽带测距与雷达点云融合构建而成。地面机器人搭载四个超宽带锚点，空中平台配备两个标签，形成八组实时测距对；同时双平台均集成4D雷达与惯性测量单元，通过非线性优化框架实现位姿图构建。数据采集涵盖静态标定与动态协同任务，采用12厘米高斯噪声模型模拟真实通信波动，并利用开源仿真环境验证传感器模型可靠性。

特点

该数据集凸显多模态传感器在复杂环境下的互补优势：超宽带提供厘米级精度测距且不受光照影响，雷达点云具备穿透雾霾与尘埃的能力，惯性单元保障姿态解算稳定性。其独特价值在于完整记录了地面与空中机器人的三维协同轨迹，包含螺旋逼近、分离巡航等典型任务模式，同时提供基于直接激光定位法的真值轨迹，为评估相对定位算法提供基准。数据集设计兼顾传感器时空同步性与数据关联一致性，有效支撑跨平台状态估计研究。

使用方法

研究者可通过解析ROS2数据包获取多源时序数据流，包括超宽带原始测距、雷达点云、惯性测量及轮式里程计。建议首先运行相对变换估计模块解算平台间位姿约束，继而将预处理后的雷达点云与里程测量输入位姿图优化框架。数据集配套提供仿真环境插件，支持在Gazebo中复现传感器噪声特性，便于算法验证与参数调优。所有代码与标定参数均开源，支持端到端的协同定位系统部署与性能评估。

背景与挑战

背景概述

随着异构多机器人系统在复杂环境中的广泛应用，基于无线电的相对定位技术因其对恶劣环境的鲁棒性而受到关注。2025年，西班牙巴勃罗·德·奥拉维德大学服务机器人实验室团队提出了结合超宽带与雷达的UGV-UAV协同定位系统，致力于解决GPS拒止环境下异构机器人相对位姿估计的核心问题。该系统通过非线性优化框架与位姿图融合多传感器数据，为无人机与地面车辆的协同作业提供了新的技术范式，推动了无线电定位在动态三维场景中的实际应用。

当前挑战

该领域需应对视觉与激光雷达在雾霾、灰尘等恶劣环境下失效的固有局限，而无线电方法虽具鲁棒性，却面临超宽带在长距离下因几何构型限制导致的精度衰减问题。构建过程中需克服雷达点云稀疏性、多模态噪声干扰，以及超宽带非视距传播引起的系统性偏差，同时需在实时性约束下平衡位姿图优化中多源传感器数据的融合复杂度。

常用场景

经典使用场景

在异构机器人协同作业领域，该数据集为研究超宽带与雷达融合定位提供了标准验证平台。其典型应用场景聚焦于地面移动机器人与空中无人机在GPS拒止环境下的相对位姿估计，通过多传感器数据融合实现厘米级精度的实时定位，尤其适用于存在视觉遮挡、粉尘干扰或光照不足的工业巡检、灾难救援等复杂场景。

衍生相关工作

基于该数据集衍生的经典研究包括多机器人位姿图优化框架的扩展应用，如结合深度学习特征的雷达重识别方法。后续工作进一步探索了超宽带锚点动态部署策略，以及非视距条件下的误差补偿模型。这些研究不仅完善了无线电定位的理论体系，更推动了4D雷达在SLAM系统中的标准化应用，为下一代自主系统奠定了技术基础。

数据集最近研究

最新研究方向

在异构多机器人系统领域，基于无线电的定位技术正成为应对复杂环境挑战的前沿方向。该研究聚焦超宽带与雷达的融合，通过非线性优化框架实现地面与空中平台的相对位姿估计，并构建多机器人位姿图优化系统。这一方向突破了传统视觉与激光方法在恶劣环境中的局限性，为GPS拒止场景下的协同作业提供了新范式，其开源数据集与仿真工具进一步推动了相关技术的标准化与可复现性。

相关研究论文

• Radio-based Multi-Robot Odometry and Relative Localization

  西班牙奥拉维德大学服务机器人实验室 · 2025年