第 ２２ 卷 第 ４ 期 导航与控制 Ｖｏｌ. ２２ Ｎｏ.

４
２０２３ 年 ８ 月 NAVIGATION AND CONTROL Ａｕｇ. ２０２３
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航

技术发展现状及分析
魏帅迎１，２，３ ， 杜雨桐１，２，３ ， 胡 博１，２，３ ， 孙 猛１，２，３ ， 李 昶１，２，３
(１. 中国航天科技集团有限公司智能无人系统总体技术研发中心， 北京 １０００９４；
２. 中国航天科技集团有限公司第九研究院无人体系中心， 北京 １０００９４；
３. 航天时代飞鸿技术有限公司， 北京 １０００９４)

摘 要： 随着无人机(Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ， ＵＡＶ) 技术的发展， 无人机集群成为近年的重

点研究方向。 无人机集群协同导航技术能够提升无人机在卫星导航拒止环境下的定位导航能力，
成为集群协同技术研究中的一大热点。 对现有的导航技术以及集群协同相关技术进行论述， 将
卫星导航拒止环境下的协同导航技术分为协同组织架构、 导航定位方式、 机间相对定位、 协同
定位优化四个方向， 并总结了对应方向的发展现状， 同时分析了不同场景下的协同导航技术方
案， 最后阐述了协同导航未来发展的重点方向。
关键词： 卫星导航拒止环境； 无人机； 集群； 协同导航
中图分类号： Ｖ２４９. ３１ 文献标志码： Ａ 文章编号： １６７４⁃５５５８(２０２３) ０１⁃０２１５７
ｄｏｉ: １０. ３９６９ ／ ｊ. ｉｓｓｎ. １６７４⁃５５５８. ２０２３. ０４. ００２

Ｄｅｖｅｌｏｐｍｅｎｔ Ｓｔａｔｕｓ ａｎｄ Ａｎａｌｙｓｉｓ ｏｆ ＵＡＶ Ｓｗａｒｍ

Ｃｏｏｐｅｒａｔｉｖｅ Ｎａｖｉｇａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ
ＧＮＳＳ⁃ｄｅｎｉｅｄ Ｅｎｖｉｒｏｎｍｅｎｔ

ＷＥＩ Ｓｈｕａｉ⁃ｙｉｎｇ１，２，３ ， ＤＵ Ｙｕ⁃ｔｏｎｇ１，２，３ ， ＨＵ Ｂｏ１，２，３ ， ＳＵＮ Ｍｅｎｇ１，２，３ ， ＬＩ Ｃｈａｎｇ１，２，３

(１. Ｉｎｔｅｌｌｉｇｅｎｔ Ｕｎｍａｎｎｅｄ Ｓｙｓｔｅｍ Ｏｖｅｒａｌｌ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｅｎｔｅｒ， Ｃｈｉｎａ Ａｅｒｏｓｐａｃｅ
Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｒｐｏｒａｔｉｏｎ， Ｂｅｉｊｉｎｇ １０００９４； ２. Ｔｈｅ ９ ｔｈ Ａｃａｄｅｍｙ Ｕｎｍａｎｎｅｄ Ｓｙｓｔｅｍ Ｃｅｎｔｅｒ，
Ｃｈｉｎａ Ａｅｒｏｓｐａｃｅ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｒｐｏｒａｔｉｏｎ， Ｂｅｉｊｉｎｇ １０００９４；
３. Ａｅｒｏｓｐａｃｅ Ｔｉｍｅｓ Ｆｅｉｈｏｎｇ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ Ｌｉｍｉｔｅｄ， Ｂｅｉｊｉｎｇ １０００９４)

Ａｂｓｔｒａｃｔ： Ｗｉｔｈ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅ(ＵＡＶ) ｔｅｃｈｎｏｌｏｇｙ， ｔｅｃｈｎｏｌｏｇｉｅｓ ａｂｏｕｔ ＵＡＶ ｓｗａｒｍ ｈａｖｅ
ｂｅｃｏｍｅ ａ ｋｅｙ ｒｅｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ. ＵＡＶ ｓｗａｒｍ ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｃｏｕｌｄ ｉｍｐｒｏｖｅ ｔｈｅ ｐｏｓｉｔｉｏ⁃
ｎｉｎｇ ａｎｄ ｎａｖｉｇａｔｉｏｎ ｃａｐａｂｉｌｉｔｉｅｓ ｏｆ ＵＡＶｓ ｉｎ ｔｈｅ ＧＮＳＳ⁃ｄｅｎｉｅｄ ｅｎｖｉｒｏｎｍｅｎｔ， ａｎｄ ｂｅｃｏｍｅ ａ ｍａｊｏｒ ｈｏｔｓｐｏｔ ｉｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ
ｓｗａｒｍ ｃｏｏｐｅｒａｔｉｖｅ ｔｅｃｈｎｏｌｏｇｙ. Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ａｌｌ ｋｉｎｄｓ ｏｆ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｉｅｓ ａｎｄ ｓｗａｒｍ ｃｏｏｐｅｒａｔｉｖｅ ｔｅｃｈｎｏｌｏｇｉｅｓ ａｒｅ
ｓｏｒｔｅｄ ｏｕｔ， ｔｈｅ ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｉｅｓ ｉｎ ｔｈｅ ＧＮＳＳ⁃ｄｅｎｉｅｄ ｅｎｖｉｒｏｎｍｅｎｔ ａｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｆｏｕｒ ｄｉｒｅｃｔｉｏｎｓ： ｃｏｏｐｅｒ⁃
ａｔｉｖｅ ｏｒｇａｎｉｚａｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ， ｎａｖｉｇａｔｉｏｎ ａｎｄ ｐｏｓｉｔｉｏｎｉｎｇ ｍｏｄｅ， ｉｎｔｅｒ⁃ａｉｒｃｒａｆｔ ｒｅｌａｔｉｖｅ ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄ ｃｏｏｐｅｒａｔｉｖｅ ｐｏｓｉｔｉｏｎｉｎｇ
ｏｐｔｉｍｉｚａｔｉｏｎ. Ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｔｕｓ ｏｆ ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｄｉｒｅｃｔｉｏｎｓ ｉｓ ｓｕｍｍａｒｉｚｅｄ， ｔｈｅ ｃｏｌｌａｂｏｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ

收稿日期： ２０２２⁃０８⁃２８
６ 导航与控制 ２０２３ 年 第４ 期

ｓｃｈｅｍｅｓ ｉｎ ｄｉｆｆｅｒｅｎｔ ｓｃｅｎａｒｉｏｓ ａｒｅ ａｎａｌｙｚｅｄ. Ｆｉｎａｌｌｙ， ｔｈｅ ｋｅｙ ｄｉｒｅｃｔｉｏｎｓ ｏｆ ｔｈｅ ｆｕｔｕｒｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａ⁃
ｔｉｏｎ ａｒｅ ｅｌａｂｏｒａｔｅｄ.
Ｋｅｙ ｗｏｒｄｓ： ＧＮＳＳ⁃ｄｅｎｉｅｄ ｅｎｖｉｒｏｎｍｅｎｔ； ｕｎｍａｎｎｅｄ ａｅｒｉａｌ ｖｅｈｉｃｌｅ(ＵＡＶ) ； ｓｗａｒｍ； ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ

本文首先阐述了现有的导航技术及集群协同
０ 引言 研究方向， 在 此 基 础 上 针 对 卫 星 导 航 拒 止 环 境，
现有的机载导航系统大多依赖于全球卫星导 分析了无人机集群协同导航的关键技术， 梳理了
航系统(Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ， ＧＮＳＳ) 的 无人机在不同拒止场景下的技术方案， 并对未来
辅助， 而战争环境的时变性、 动态性、 随机性极 无人机集群协同导航的关键问题进行了展望。
有可能导致 ＧＮＳＳ 信号不可用或者不可靠。 围绕卫
１ 协同与导航
星导航系统的攻防博弈， 美国国防部于 １９９５ 年指
定罗克韦尔公司等企业牵头， 开展关于导航战的 １. １ 导航技术
一系 列 研 究 计 划， 并 于 １９９７ 年 首 次 提 出 “ 导 航 现有 的 导 航 技 术 有 无 线 电 导 航、 惯 性 导 航、
战” 概念， 随后又陆续启动定位、 导航与授时微 视觉导航、 激光雷达导航、 量子导航、 天文导航、
技术(Ｍｉｃｒｏ⁃ＰＮＴ) ， 自适应导航系统(Ａｄａｐｔａｂｌｅ Ｎａｖｉ⁃ 仿生导航等 [１，５⁃９] ， 如图 １ 所示。 无线电导航系统主
ｇａｔｉｏｎ Ｓｙｓｔｅｍｓ， ＡＮＳ) ， 对 抗 环 境 下 的 空 间、 时 间 要包括全球卫星导航系统和基于超宽带(Ｕｌｔｒａ Ｗｉｄｅ
和方位信 息 ( ＳＴＯＩＣ) 以 及 拒 止 环 境 下 的 协 同 作 战 Ｂａｎｄ， ＵＷＢ) 、 ＷＩＦＩ、 Ｚｉｇｂｅｅ、 蓝牙的定位导航系
( Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｏｐｅｒａｔｉｏｎｓ ｉｎ Ｄｅｎｉｅｄ Ｅｎｖｉｒｏｎｍｅｎｔ， 统 [７] 。 其中， 基于 ＵＷＢ、 ＷＩＦＩ、 Ｚｉｇｂｅｅ、 蓝牙等的
ＣＯＤＥ) 等研究项目， 旨在提升不依赖卫星的导航 定位技术需要借助于地面基站， 且只适用于短距
能力 [１⁃４] 。 俄罗斯、 欧洲各国、 日本、 印度等在导 离的定位导航， 无线电导航系统由于遮挡及信号
航战框架下也开展了定位导航的干扰与反干扰研 干扰， 也会导致定位信号受到影响。 视觉导航是
究与实践， 导航领域已成为军事竞争的战略要地。 利用视觉传感器获取周围环境信息、 利用图像匹
在不断进化的高强度对抗背景下， 单纯依赖全球 配实现定位的相对导航技术， 主要包括景象匹配、
卫星导航系统已难以建立可靠的时空基准， 卫星 地形匹配、 视觉同步定位与地图构建(Ｓｉｍｕｌｔａｎｅｏｕｓ
拒止环境下获取高精度、 高可靠、 自主时空信息 Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ， ＳＬＡＭ) 三 种 导 航 定 位 技
的能力已成为打赢未来战争的迫切需求 [２] 。 术 [１０⁃１５] 。 激光雷达导航利用点云数据结合激光雷达
目前， 无 人 机 均 采 用 惯 性 基 组 合 导 航 方 案， ＳＬＡＭ 技术实现导航定位 [１６] 。 量子导航定位系统是
以惯性传感器为主， 配备 ＧＮＳＳ、 视觉、 雷达等多 近些年在量子力学理论和量子信息论的基础上发
类辅助传感器， 通过组合导航算法实现传感器间 展起来的新一代导航定位技术， 利用具有量子纠
的有机融合。 惯性导航具有累积误差， 在卫星导 缠特性的纠缠光取代电磁波， 在信息传输的保密
航拒止环境下， 依靠视觉所提供的实时信息与惯 性、 安 全 性 和 测 量 精 度 等 方 面 有 着 独 特 的 优
性导航信息融合， 能够提高导航精度。 单一无人 势 [１，１７⁃１８] 。 天文导航则是利用自然星体与时间有关
机可以借助机上的各种传感器信息提升定位精度， 的位置信息， 借助被动光电探测设备， 通过解算
而对于无人机集群， 可以通过集群间的信息交互 确定载体航向、 姿态和位置的导航技术。 而仿生
实现集群的导航定位能力， 由此诞生了协同导航 导航包括偏振光、 类脑和地磁导航等研究方向 [１] ，
的概念。 协同导航技术作为一个新兴的研究方向 这些方向在导航的精度及可靠性等方面有待提升。
受到了诸多研究者的关注， 通过协同导航技术利 在卫星导航拒止的战场环境中， 可采用的导
用多无人机传感器之间的信息交互， 实现多无人 航技 术 有 惯 性 导 航、 视 觉 导 航、 激 光 雷 达 导 航、
机的信息协同， 从而提高其定位的精度， 弥补导 量子 导 航、 天 文 导 航、 仿 生 导 航 等。 量 子 导 航、
航传感器的误差， 并且对可能出现的故障进行识 天文导航、 仿生导航处于技术发展的初期， 在实
别、 隔离和恢复， 保障多无人机的任务执行力。 际工程中可用性不高。 目前， 采用的可靠导航方
第４ 期 魏帅迎等： ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航技术发展现状及分析 ７

２ 协同导航研究进展
在 ＧＮＳＳ 拒止环境下， ＵＡＶ 集群协同导航技术
聚焦于无人机集群导航态势研究， 立足于高对抗
图１ 导航技术分类 环境下， 实现集群自主导航定位的功能。 本文将
Ｆｉｇ. １ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ 从协同组织架构、 导航定位方式、 机间相对定位、
协同定位优化四个方面进行探讨与分析。
案有视觉导航⁃惯导融合方案、 激光雷达导航⁃惯导
２. １ 协同组织架构
融合方案、 视 觉 导 航⁃激 光 雷 达 导 航⁃惯 导 融 合 方
协同导航技术的实现方式主要依赖于集群内
案等。
部的协同组织架构， 无人机集群协同导航定位组
１. ２ 协同技术 织架构如图 ２ 所示， 主要分为集中式、 分布式、 分
德国物理学家赫尔曼·哈肯在 ２０ 世纪 ７０ 年代 层式和自组织式。
第一次提出了 “ 协同” 的定义， 并对 “ 协同” 理
论进行了系统的阐述和分析 [１９] ， 指出如果一个系
统内部的各子系统能够相互协调配合， 则可以产
生 “１ ＋ １ ＞ ２” 的协同效应 [２０] 。 目前， “ 协同” 的
概念被引入无人集群系统中， 基于无人集群的协
同技术有： 协同 感 知、 协 同 导 航、 协 同 规 划、 协
同控制、 协同决策等。
协同感知是无人集群共同探测感知周围环境
或者目标区域并实现信息共享的技术， 协同感知
能够有效提升整个集群的感知范围， 可以消除单
机的感知盲区， 使智能群体对战场有更清晰的态
图２ 协同组织架构
势感知。 协同导航借助各种传感器信息及导航技
Ｆｉｇ. ２ Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ
术， 为无人集群中的各个单体提供更精确的导航
ｏｒｇａｎｉｚａｔｉｏｎａｌ ｓｔｒｕｃｔｕｒｅ
定位信息。 协同规划包括两个方面， 一个是高层
上的任务规划， 另一个是基于任务规划后的底层 集中式 协 同 组 织 架 构 指 定 一 个 中 心 无 人 机，
轨迹规划。 底层轨迹规划基于协同感知建图及集 统一将各 无 人 机 的 观 测 信 息 发 送 到 中 心 无 人 机，
群无人单体的分布进行任务规划及分配， 对需要 在中心无人机进行集中处理， 之后将结果再群发
执行任务的无人单体进行三维轨迹的规划， 而感 到其他无人机。 该方式的优点是数据集中、 工程
知、 建图、 规划在集群动态变换中是一个动态循 实现难度小， 缺点是数据量大、 信息处理时间长、
环的过程， 在规划运动后感知新的环境信息， 进 抗毁能力差， 一旦中心无人机失效， 整个集群将
行地图更新并重新规划。 失去依托。

本文对卫星导航拒止场景下的多无人机协同 分布式协同组织架构采用无中心架构， 集群

导航技术展开综述研究， 在融合多传感器的测量 中各个无人机通过通信实现信息共享， 根据自身

信息减小噪声对定位精度的影响方面已有大量的 观测信息及共享信息在本地进行局部融合， 该组

研究成果， 但主要应用在单无人机中。 在多无人 织架构在某一无人机出现故障时不会影响集群的

正常运行， 具备更强的鲁棒性， 对抗条件下生存
机系统中， 可以通过信息共享和引入相互观测量
能力强， 但分布式算法对通信资源及单机的计算
提高无人机集群的定位导航精度， 即实现协同导
处理能力要求较高。
航定位。
８ 导航与控制 ２０２３ 年 第４ 期

分层式 架 构 根 据 飞 行 集 群 性 能 或 类 型 分 类， 单机 ＳＬＡＭ 分为视觉 ＳＬＡＭ、 激光雷达 ＳＬＡＭ、 视

将无人机集群分为多个子群， 每个子群根据自身 觉 ＋ ＩＭＵ ＳＬＡＭ、 激光雷达 ＋ ＩＭＵ ＳＬＡＭ 和视觉 ＋
特性进行集中式或分布式信息处理， 是集中式及 激光雷达 ＋ ＩＭＵ ＳＬＡＭ [１５] ， 如图 ３ 所示。 由于集群
分布式协同架构的综合。 技术的发展， 多机协同 ＳＬＡＭ [２１⁃２２] 因为其更强的鲁
智能自组织式协同导航架构是分层式架构的 棒性和容错性， 也成为该领域研究的热点。
进一步升级， 将自然界生物种群的智能集群思想
应用于无人机集群， 自组织式没有控制中心， 能
够根据态势自主进行组群， 灵活性好， 具有更强
的鲁棒性， 但是需要非常强的自组织能力， 工程
实现难 度 大， 是 当 前 无 人 机 集 群 协 同 研 究 的 新
方向 [４，８] 。
在复杂的战场环境中， 单一的协同组织架构
环境适应能力差， 极易被摧毁。 通过构建集群管
理状态机， 来完成对无人机集群的管理， 状态机
由每个无人机来选择邻域内合适的组织结构， 确 图３ ＳＬＡＭ 分类
保无人机集群在损毁大量无人机后仍能保持一定 Ｆｉｇ. ３ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ＳＬＡＭ

的战术执行能力。 现今， 集群组织架构正在由集

经典的 ＳＬＡＭ 框架如图 ４ 所 示， 由 传 感 器 数
中式向分布式转变， 集中式大多在有人与无人协
据、 前端里程计、 后端优化、 回环检测和建图组
同的系统中使用， 异构型的分层式及自组织式仍
成 [１６，２３⁃２４] 。 传感器数据主要有视觉数据、 激光雷达
处在发展的初期构想阶段， 仍需要大量的研究去
数据和 ＩＭＵ 数据， 前端里程计基于传感器帧间数
摸索实践。 分布式是当下研究的重点， 协同组织
据利用对应的匹配算法解算帧间无人平台的姿态
架构也反映了集群间的通信网络机制， 当前受限
变换矩阵， 从而估计无人平台位置随时间的改变
于集群网络通信的影响， 数据传输距离及带宽决
量， 为了尽可能减小累计误差， 使用后端优化处
定了集群的规模及协同架构方式， ５Ｇ 通信技术将
理长时间内的最优轨迹和地图。 回环检测能够检
为分布式集群架构形成助力。
测出无人平台经过同一地方， 从而给出帧间之外
２. ２ 导航定位方式
更加久远的约束， 将前端视觉里程计在长时间内
在卫星导航拒止环境下， 无人机主要采用惯 出现的累积误差消除。 ＳＬＡＭ 中的建图主要用于定
性导航定位、 基于 ＳＬＡＭ 的导航定位和基于景象匹
位、 规划、 避障等模块， 按照所建地图的稠密程
配的导航定位。 惯性导航定位方式以牛顿力学定
度， 分为稀疏地图、 半稠密地图和稠密地图。
律为基础， 通过陀螺仪和加速度计测量载体在惯
性参考系的加速度， 将它对时间积分并变换到导
航坐标系中， 从而解算出载体在导航坐标系中的
速度、 偏航角和位置等信息， 由于其长时间累积
误差较大， 一般不能单独使用。 近年来， 研究人
图４ 经典 ＳＬＡＭ 框架
员主要对基于 ＳＬＡＭ 的导航定位方式和基于景象匹 Ｆｉｇ. ４ Ｆｒａｍｅｗｏｒｋ ｏｆ ｃｌａｓｓｉｃ ＳＬＡＭ
配的导航定位方式进行了深入研究， 来解决 ＧＮＳＳ
拒止环境下的导航定位问题。 近几年来， 基于 ＳＬＡＭ 的导航定位取得了较大
(１) 基于 ＳＬＡＭ 的导航定位 的 发 展， 诸 如 ＯＲＢ⁃ＳＬＡＭ、 ＶＩＮＳ⁃Ｆｕｓｉｏｎ 等 ＳＬＡＭ
基于 ＳＬＡＭ 的导航定位是无人机在未知环境中 算法已经在无人机中实现短距离的导航飞行， 但
通过机载传感器获取环境信息并实时定位及构建 是这类算法需要场景中有丰富的纹理特征， 且只
环境地图的技术。 根据所用传感器不同， 可以将 适用于静态场景。 随着深度学习技术的发展， 动
第４ 期 魏帅迎等： ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航技术发展现状及分析
态场景下的 ＳＬＡＭ 受到了关注， 其主要原理是借助
于检测、 分割、 光流等技术剔除动态物， 以减少
物体运动对视觉定位的影响。 目前， ＳＬＡＭ 的难点
主要在算法的实时性及鲁棒性上， 尤其是在无人
机这种计算资源和负载有限的平台。 目前， 研究
者是在牺牲部分准确性和鲁棒性的情况下减少资
源的开支， 例如： ＯＲＢ⁃ＳＬＡＭ 系列
度极快的 ＯＲＢ 特征点来提升 系 统 的 速 度， ＶＩＮＳ⁃
Ｆｕｓｉｏｎ [２８ ]
等 ＳＬＡＭ 算法在 ＮＶＩＤＩＡ 嵌入式芯片平台
部署时通过 ＧＰＵ 来加速特征点提取及特征点匹配
等过程， 还有学者基于 ＦＰＧＡ 来对 ＳＬＡＭ 中的一些
耗时较大的算法进行加速。 鲁棒性决定了 ＳＬＡＭ 的
应用范围， 目前主要是采用多传感器融合的方式
来增强 ＳＬＡＭ 系统的鲁棒性， 以使其能够在更加多
变的复杂场景中使用。
(２) 基于景象匹配的导航定位
基于景象匹配的无人机导航定位是利用机载
传感器实时获取的图像与基准图像进行匹配， 确
定无人机在基准图像中的相对位置， 从而获取无
人机实时位置的技术。 利用景象匹配技术来定位
的无人机一般是利用光学传感器或者合成孔径雷
达(Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ， ＳＡＲ) 来实时获取地面
图像与机载基准图像进行匹配， 机载基准图像一
般采用卫星图像。 合成孔径雷达具有全天时、 全
天候成像的优点， 随其成像技术的发展， 图像分
Ｆｉｇ. ５
在现有研究中， 景象匹配算法受可靠性及定
位精度的影响， 主要作为一种辅助导航的手段存
在， 其关键技术主要是稳定的特征提取及精准的
特征匹配技术。 如今， 研究人员开始利用深度学
习来研究特征提取及匹配技术， 景象匹配精度较
传统算法有所提升， 但其鲁棒性及实时性有待进
一步改善， 特别是对于一些复杂场景， 例如战时
场景中地貌易变的情况， 对景象匹配导航方式的
影响有待进一步验证。
９
辨率越来越高， 其在景象匹配等视觉导航系统中
应用广泛。 光学传感器一般分为红外和可见光两
种， 均可用于景象匹配中， 可见光图像的纹理较
红外图像会更丰富， 而红外传感器一般用于夜间
地面图像的获取。
基于景象匹配的导航定位流程如图 ５ 所示， 主
[２５⁃２７ ]
通过使用速 要包括基准图像与机载实时图像的预处理、 特征
提取、 匹配、 模型估计及位置解算等步骤。 由于
受到天气、 季节、 ＳＡＲ 极化方式等不同因素的影
响， 即使是同源图像也可能存在极大的差别， 主
要表现在图像亮度、 对比度及噪声的区别。 如果
直接对差异较大的图像进行特征提取， 可能很难
获取较好的特征参数， 而获取的特征参数也难有
可比性， 因此在特征提取之前为了保证提取的有
效性， 一般需要对图像进行预处理。 在特征提取
算法确定之前， 还需要根据图像的特性选择对应
的特征， 常用 的 图 像 特 征 有 图 像 灰 度 相 关 特 征、
边缘特征、 点特 征、 相 关 面 特 征 等。 其 中， 相 关
面特征主要用于 ＳＡＲ 图像。 根据提取的特征采用
相似度估计算法进行匹配运算， 利用模型估计剔
除误匹配的特征对， 从而获取更加可靠的匹配结
果。 经过匹配后获取传感器实时位置， 根据传感
器与无人机的相对位置关系， 进行位置解算来估
计无人机的定位。
图５ 基于景象匹配的导航定位流程图
Ｆｌｏｗｃｈａｒｔ ｏｆ ｎａｖｉｇａｔｉｏｎ ａｎｄ ｐｏｓｉｔｉｏｎｉｎｇ ｂａｓｅｄ ｏｎ ｓｃｅｎｅ ｍａｔｃｈｉｎｇ
综上， ＳＬＡＭ 与景象匹配是 ＧＮＳＳ 拒止环境下
的两种导航方式， 两者适用场景不同， ＳＬＡＭ 主要
适用于纹理特征丰富的地面飞行环境， 景象匹配
导航适用于中高空场景， 但是对于一些特殊的环
境如海洋、 动态场景， 两者的导航定位精度均会
受到影响。 因此， 在 ＧＮＳＳ 拒止环境中， 现有导航
方式无法满足无人机集群定位的需求。 因此， 借
助机间相对定位信息， 采用集群间协同导航的方
式来进一步提升定位精度成为研究的热点。
１０
２. ３ 机间相对定位
不同于单架无人机， 集群无人机不仅有自身
的定位， 还有与其他协同成员的相对位置。 对于
两种相关但精度不同的信息， 可以利用精度高的
信息校正精度低的信息。 利用多无人机间精度较
高的测距和测向信息进一步提升无人机的定位精
度， 而对于集群中无定位信息的无人机， 依据机
间的相对定位信息辅助定位。 机间相对定位包括
基于红外的相对定位、 基于视觉的相对定位和基
于无线电的相对定位等方法 [２９] 。
基于红外的相对定位主动发射红外光线， 在
空气中传播距离较近， 且易受环境光干扰， 测距
范围较短。 另外， 其测距方式具有指向性， 一般
通过扩展传感器阵列方式提升感知范围， 并不适
用于微型机器人。 目前， 使用较多的相对定位方
式为基 于 视 觉 的 相 对 定 位 和 基 于 无 线 电 的 相 对
定位。
基于视觉的相对定位一般采用双目相机来获
取相对距离信息， 在集群距离较小的范围内， 其
测量精度能够达到厘米级， 适合近距离下集群编
队间的相对定位。 该相对定位方法通过结合目标
检测及跟踪算法来获取无人机视野范围内其他无
人机的位置， 根据双目的深度估计来获取相对距
离信息。 该方法主要存在两个问题： １) 视野范围限
制问题。 由于视野范围的限制， 在某些编队情况
下， 无人机之间难以获取较为全面的相对状态信
息， 可以通过增大视场角范围， 例如通过鱼眼相
机来达到全向感知。 ２) 数据关联问题。 在同质编队
中， 基于视觉的检测跟踪算法无法识别相应的无
人机编号， 需要借助相应的数据关联算法， 将检
测结果与相对状态信息关联， 从而估计无人机间
的相对状态 [３０] 。
由于测距范围较远， 基于无线电的相对定位
方法适合中远距离的无人机集群编队。 无线电测
距分为单向单程测距法、 双向双程测距法和双向
单程测距法。 单向单程测距法需要以全局时钟同
步为基础， 在测距过程中， 单节点向其他节点发
射测距信号， 其他节点接收到信号， 并通过发射
信号和接收信号时间差进行机间伪距的测量。 该
方法具有测距简单、 周期短等特点， 然而全局时
钟同步需要高精度晶振， 代价高昂并且实现比较
导航与控制 ２０２３ 年 第４ 期
困难。 双向双程测距法不需要全部节点时钟同步，
各个节点有各自时钟， 具 体 测 距 方 式 为 通 过 计 算
节点间测距 信 号 的 往 返 时 间 计 算 节 点 间 伪 距 值。
此方法测距周期长， 对于动态条件下的无人机机
间测距不适用 [３１ ] 。 双向单程测距法的每个节点均
搭载信号发射与接收终端， 通过伪码和载波相位
测量进行机间测距， 测距过程中认为信号的传播
路径在信号发射和到达时间内是不变的， 发射和
接收为方向相反路径相同的测距信号。 采用双向
单程测距方法， 无人机之间可通过通信获得各无
人机间时钟不同步值， 来实现无人机间的时间同
步。 因 此， 每 个 无 人 机 只 需 要 有 自 己 的 时 钟 即
可， 并且每个无人机在接收其他无人机的测距信
号时同时发送测距信号， 这种测距方法不需要复
杂的设备， 并且能够进行高速实时测距， 因此双
向单程测距法被广泛应用。 双向单程测距既可以
实现机间信息传递， 又可以实现机间测距， 并解
决了机间 时 钟 不 统 一 的 问 题 [３２ ] 。 在 实 际 使 用 时，
无人机一般 利 用 机 载 数 据 链 或 者 机 载 ＵＷＢ 设 备
来实现机间测距的功能。 ＵＷＢ 按照通信距离可以
分为两类： 一类是短距离高速通信， 数据传输速
率可 达 数 百 兆 比 特 ／ 秒， 其 典 型 的 通 信 距 离 是
１０ｍ； 另一类是中长距离低速通信， 通 常 数 据 传
输速率 为 １Ｍｂｉｔ ／ ｓ， 测 距 距 离 能 够 达 到 １００ｍ 以
上， 主要应 用 于 无 线 传 感 器 网 络 和 低 速 率 连 接。
ＵＷＢ 不适用于超远距离的机间测距， 其适合在室
内或者集群活动范围较小的室外场景中， 而数据
链通信 距 离 远， 适 合 远 距 离 无 人 机 集 群 系 统 的
使用。
在机间相对定位中， 机间的相对距离信息较
为容易测量， 而无人机由于体积的原因难以搭载
较为庞大的测向天线， 实现无人机间直接的精确
测向较为困难。 在现有研究中， 测向信息的获取
主要通过两种方式： 一种是基于无人机的偏航信
息及相对距离等信息来估计无人机间的相对方向；
另一种是基于地图的协同定位方式， 通过构建统
一坐标系下的地图， 实现对无人机间相对定位信
息的估计。
机间相对定位是无人机集群实现协同导航的
重要环节， 其精度及准确性严重影响着无人机集
群协同定位优化的结果。 机间的相对定位本质上
第４ 期 魏帅迎等： ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航技术发展现状及分析 １１

是无人机间的相对状态估计， 由于机间相对定位
方式各自的局限性， 目前存在的问题主要有可观
测性、 复杂的初始化、 准确性不足、 缺乏全局一
致性等问题， 而多种机间相对定位方式的融合能
够使得系统具备更强的鲁棒性， 是未来的发展方
向。 在获取机间的相对定位信息后， 再结合单机
导航定位信息， 通过协同定位优化算法来提升集
群无人机的导航定位精度。

２. ４ 协同定位优化
协同定位优化是利用集群间共享的定位信息
及相对距离信息来提升无人机集群定位精度或者
估计其他单体位置的技术。 无人机集群协同定位
优化流 程 如 图 ６ 所 示， 集 群 中 无 人 机 个 数 为 Ｎ，
输入包括基于数据链获取的 Ｎ － １ 个 无 人 机 相对
距离信息、 拒止环境下的不定个数的卫星导航信
息、 Ｎ 个 无 人 机 的 惯 导 信 息、 不 定 个 数
的 ＳＬＡＭ 定位信息和不定个数的景象匹配定位信
息， 经过 协 同 定 位 优 化 输 出 结 果 为 本 机 的 定 位
信息。
表１
Ｔａｂｌｅ １ Ｃｏｍｍｏｎ ｔｙｐｅｓ， ａｄｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｃｏｌｌａｂｏｒａｔｉｖｅ ｐｏｓｉｔｉｏｎｉｎｇ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｅｔｈｏｄｓ
图６ 协同定位路线图
Ｆｉｇ. ６ Ｒｏａｄｍａｐ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ ｐｏｓｉｔｉｏｎｉｎｇ
协同 定 位 优 化 本 质 上 是 一 种 数 据 融 合 技 术，
目前的协同定位优化方法大致可以分为四类： 基
于滤波的协同定位优化、 基于优化算法的协同定
位优化、 基于图论的协同定位优化以及混合式协
同定位优化 [３３] ， 四类方法的常见类型及优缺点如
表 １ 所示。
协同定位优化方法的常见类型及优缺点

协同定位优化方法 常见类型 优势 劣势
可以用于非线性估计， 计算
分布式卡尔曼滤波 只适用于高斯噪声
复杂度低
基于滤波的协同定位优化
基于蒙特卡洛思想， 能处理
粒子滤波 计算复杂度较高
非高斯分布及非线性估计
基于优化算法的协同 滚动时域、 多维尺度 相对于滤波， 能够更好地处理 不能保证全局收敛， 对初始估计
定位优化 放缩、 梯度下降等 非线性优化问题 值较为敏感， 计算复杂度较高
不适合处理非高斯分布的误差，
基于图论的协同定位优化 因子图 兼顾速度与精度
仅适用于静态或简单动态场景
因子图与分布式卡尔曼 性能更优， 能处理较为复杂的
混合式协同定位优化 算法较为复杂
滤波结合 动态场景

基于滤波的协同定位优化多采用卡尔曼滤波 状态和测 量 值 中， 重 构 了 状 态 方 程 和 度 量 方 程，
及其变体， 卡尔曼滤波器作为最常用的状态估计 提出了基于状态估计误差补偿的扩展卡尔曼滤波
方法， 在协同 定 位 优 化 领 域 得 到 了 广 泛 的 应 用， 协同定位算法， 以降低延迟滤波的状态估计误差；
常用的有 扩 展 卡 尔 曼 滤 波、 联 邦 卡 尔 曼 滤 波 等， ＬＩ 等 [３５] 提出了一种自主的多机器人相对定位技术，
可以用于非线性估计。 由于集中式卡尔曼滤波随 其采用扩展卡尔曼滤波器(ＥＫＦ) ， 使用机载传感器
着无人机数量的增加计算量也在增大， 故多采用 的速度、 偏航率和高度数据作为输入， 然后通过
局部分布式卡尔曼滤波来减小计算量。 研究人员 将这些量与机载 ＵＷＢ 获得的测距测量值相结合来
基于卡尔曼滤波做了大量研究： ＺＨＡＮＧ 等 [３４ ]
分析 估计其他机器人的相对位置， 初始状态的定位收
了多机协同定位的时滞问题， 将通信时滞引入到 敛速度加快。 自协同导航的概念诞生起， 基于滤
１２ 导航与控制 ２０２３ 年 第４ 期

波的协同定位优化一直是协同定位优化技术研究 个因子图， 并构建批优化代价函数， 然后将所有

的热点。 的历史信息和当前信息一起优化。 在因子图优化
基于优化算法的协同定位优化是基于所有无 中， 由于多次的迭代， 有效地减少了线性化误差，
人机之间的几何关系建立一套约束方程， 并设置 更 好 地 趋 近 最 优 解， 兼 顾 了 速 度 与 精 度。
相应的目标函数， 通过优化求解目标函数极值来 ＷＹＭＥＥＲＳＣＨ 等 [３９] 提出了一种无线网络的和积算
获取最终的优化定位结果。 对于该方法， 协同定 法， 也称为 信 念 传 播 (Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ， ＢＰ) ， 它
位优化的过程可以看作是目标函数达到预定终止 提供了基于因子图和消息传递调度的协同定位。 ＬＩ
条件的过程。 研究人员提出了一系列的优化方法， 等 [４０] 提出了一种高斯信念传播算法， 该算法将因
包括滚动时域法、 梯度下降法等 [７，３６] 。 滚动时域估 子图中的所有信息视为高斯分布， 因此信息传递
计(Ｍｏｖｉｎｇ Ｈｏｒｉｚｏｎ Ｅｓｔｉｍａｔｉｏｎ， ＭＨＥ) 是一种动态滚 过程可以表示为数值乘法或矩阵乘法。 虽然基于
动式的最优估计方法， 通过建立固定时间域长度 ＢＰ 的协同定位优化方法具有良好的性能， 但其中
的优化计算窗口， 设置先入先出的状态滚动更新 许多仅适用于静态或简单的运动场景， 不适用于
机制， 引入多机器人系统状态约束条件， 使用时 复杂的 动 态 系 统， 而 计 算 负 载 和 通 信 流 量 相 对
间窗开始时刻的多机器人位姿数据组成系统状态 较大 [３９⁃４２] 。
向量、 时间窗内各时刻的状态噪声序列和到达代 单一的协同定位优化方法适应性较弱， 因此
价函数， 构建性能指标函数， 通过最小化性能指 研究人员还提出了基于上述三种方法的混合式协
标函数 估 计 时 间 窗 结 束 时 刻 的 各 机 器 人 位 姿 数 同定位优化方法， 性能较其他协同定位方法更优，
据 [７，３７] 。 梯度下降法作为一种经典的估计目标函数 能处理较为复杂的动态场景。 ＣＨＥＮ 等 [３３] 针对以往
极小值的算法， 近年来在深度学习等领域被广泛
研究中的效率和精度问题， 提出了一种基于因子
应用， 研究人员也将梯度下降法引入到多机器人
图和卡尔曼滤波的无人机群混合协同导航定位方
协同定位中， 对机器人的位姿进行优化求解， 测
法， 利用全局因子图将全球卫星导航系统和测距
量每个机器人与相邻机器人的局部距离信息或相
信息相结合， 对分布式卡尔曼滤波器进行修正提
对方位信息， 通过每个机器人的位姿估计值计算
供位置估计， 在各无人机上建立分布式卡尔曼滤
对应的相对距离或相对方位， 构造测量值与估计
波器， 融合惯性信息， 优化位置估计， 修正导航
值的均方差目标函数。 通过梯度下降法求解目标
状态。 该方法是在非 ＧＮＳＳ 拒止环境下的方法， 但
函数的最 小 值， 获 得 机 器 人 位 置 的 最 佳 估 计 [３８] 。
是也为协同导航定位领域打开了一种新的思路。
然而， 这些协同导航算法很少考虑惯性信息， 并
２. ５ 场景技术分析
显示出误差积累的缺陷， 且不能保证全局收敛性，
对初始估计值较为敏感， 计算复杂度较高。 综上， 现有单一的协同导航技术方案难以覆
基于图论的协同定位优化常用的有因子图算 盖所有的应用场景， 需要根据场景的不同， 采用
法、 和积算法等。 和滤波的方式不同， 基于因子 不同的技术解决方案。 现将集群协同导航分为四
图的数据融合将当前数据和历史数据一起建立一 个应用场景， 如图 ７ 所示： 集群中卫导正常或者部

图７ 针对不同场景的协同导航技术方案
Ｆｉｇ. ７ Ｓｏｌｕｔｉｏｎｓ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｓｃｅｎａｒｉｏｓ
第４ 期 魏帅迎等： ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航技术发展现状及分析
分正常情况下， 采用卫导、 惯导、 数据链相对定
位信息融合的协同导航定位技术； 卫导拒止低空
场景下， 采用视觉 ／ 激光雷达、 惯导和数据链相对
定位信息融合的协同导航定位技术； 卫导拒止中
高空场景下， 采用视觉、 惯导和数据链相对定位
信息融合的协同导航定位技术； 卫导、 视觉 ／ 激光
雷达拒止环境下， 采用惯导和数据链相对定位信
息融合的协同导航定位技术。
针对场景的不同， 需要协同导航系统自主选
择。 由于每架无人机所处的环境可能不同， 对应
的导航方式选择也会存在不同， 集群内异构导航
方式的存在也会加大协同导航优化的难度， 全场
景下的协同导航系统也将变得更加复杂多变， 未
来仍有 许 多 极 具 挑 战 性 的 工 作 等 着 研 究 者 们 去
攻克。
３ 未来展望
在卫星导航拒止环境下， 无人机集群协同导
航技术仍处于发展的初期阶段， 在协同导航系统
的稳定性、 实时性和鲁棒性方面， 还有大量的研
究工作要做。 另外， 算法也缺乏有效的评估系统。
针对这几方面问题， 展望如下：
１) 故障检测： 在战时状态， 卫星导航、 视觉导
航等方式随时可能会被切断， 无人机在飞行过程
中遭遇这种导航的突发变故， 需具备导航故障的
检测能力。 当集群中部分无人机处在 ＧＮＳＳ 拒止的
环境中， 系统能够及时降低其他无人机对拒止环
境中无人机的定位置信度， 提升拒止环境中无人
机对非拒止环境下无人机的定位置信度。 在有些
传感器数据出现异常时， 能及时反馈给导航系统，
避免错误数据导致定位异常。
２) 系统自稳： 协同导航系统的自稳能力决定了
无人机集群能否快速适应不同的战场环境。 现有
的协同导航技术缺乏应急处置能力， 更多的是基
于结构化、 标准化的数据研究， 缺乏对异常数据
的处置能力， 且在系统输入发生变化时， 系统达
到自稳状态的收敛时间过长。 系统自稳需要依赖
于无人机自主的场景识别及自我状态估计， 在某
个导航方式失效时， 协同导航定位系统能够根据
现有条件选择合适的导航方式或生存状态， 快速
收敛， 获取新的较为精确的定位结果， 系统自稳
１３
对提升集群导航稳定性有极大的帮助。
３) 实时性： 随着感知、 导航、 控制等技术的发
展， 无人机正由单机智能向集群智能迈进， 无人
机集群数量的提升对协同导航技术提出了更高的
要求。 协同导航节点数量及传感器数量的提升带
来了信息量的增长， 但通信带宽及平台算力又限
制了其信息处理能力， 因此如何平衡协同导航系
统的实时性与稳定性是协同导航技术能否落地的
关键。 针对大规模无人机集群的协同导航， 采用
自组织式架构是降低数据处理量的一种方式， 自
组织式协同是在集群小范围内进行局部协同， 每
架无人机只需处理其局部邻域范围内的其他无人
机信息， 但这需要智能化较高的自组织最优选取
策略。 因此， 提升集群的自组织能力是未来无人
机集群的重要发展方向。
４) 评估系统： 目前， 大多数集群协同算法仅停
留在实验仿真阶段， 缺乏有效的半实物、 实物仿
真验证实验， 且没有统一的仿真验证平台及性能
评价指标。 考虑到真实无人机集群尤其是大型固
定翼无人机集群的协同导航实验耗资巨大， 构建
协同导航仿真评估系统是一种避免风险、 实现算
法快速迭代的有效途径。 现有的无人机仿真平台
正在由单机向多机协同、 异构协同等仿真领域靠
近， 但是 存 在 仿 真 场 景 单 一、 模 型 简 单 等 问 题，
无法实现较为真实的物理系统级仿真。 未来， 随
着仿真技术的发展， 可实现由多个技术点的定量
评价到全 局 实 际 任 务 环 境 下 的 定 性 评 价 的 转 换，
达到对 协 同 导 航 系 统 多 维 度、 多 场 景 的 验 证 与
评价。
４ 结论
本文首先总结了近年来导航技术及协同技术
的发展， 在此基础上梳理了卫星导航拒止环境下
的协同导航技术， 分别阐述了协同组织架构、 导
航定位方式、 机间相对定位和协同定位优化的研
究现状， 并对卫星导航拒止环境下的不同场景对
应方案进行了归纳整理， 最后针对协同导航的重
点问题进行了分析及展望。
参考文献
[１ ] 薛连莉， 沈玉芃， 宋丽君， 等． ２０１９ 年国外导航技术
发展综述[ Ｊ] ． 导航与控制， ２０２０， １９(２) ： １⁃９．
１４ 导航与控制
ＸＵＥ Ｌｉａｎ⁃ｌｉ， ＳＨＥＮ Ｙｕ⁃ｐｅｎｇ， ＳＯＮＧ Ｌｉ⁃ｊｕｎ， ｅｔ ａｌ． Ｄｅ⁃
ｖｅｌｏｐｍｅｎｔ ａｎｄ ｒｅｖｉｅｗ ｏｆ ｆｏｒｅｉｇｎ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｎ
２０１９[ Ｊ] ． Ｎａｖｉｇａｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏｌ， ２０２０， １９(２) ： １⁃９．
[２ ] 武成锋， 程进， 郭晓云， 等． 飞行器集群协同定位与导
航对抗技术发展与展望[ Ｊ ] ． 宇航学报， ２０２２， ４３ (２) ：
１３１⁃１４２．
ＷＵ Ｃｈｅｎｇ⁃ｆｅｎｇ， ＣＨＥＮＧ Ｊｉｎ， ＧＵＯ Ｘｉａｏ⁃ｙｕｎ， ｅｔ ａｌ， Ｄｅ⁃
ｖｅｌｏｐｍｅｎｔ ａｎｄ ｐｒｏｓｐｅｃｔ ｏｆ ａｉｒｃｒａｆｔ ｃｌｕｓｔｅｒｓ ｃｏｏｐｅｒａｔｉｖｅ ｐｏ⁃
ｓｉｔｉｏｎｉｎｇ ａｎｄ ｎａｖｉｇａｔｉｏｎ ｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ．
Ｊｏｕｒｎａｌ ｏｆ Ａｓｔｒｏｎａｕｔｉｃｓ， ２０２２， ４３(２) ： １３１⁃１４２．
[３ ] 许晓伟， 赖际舟， 吕品， 等． 多无人机协同导航技术研
究现状及进展[ Ｊ] ． 导航定位与授时， ２０１７， ４(４) ： １⁃９．
ＸＵ Ｘｉａｏ⁃ｗｅｉ， ＬＡＩ Ｊｉ⁃ｚｈｏｕ， ＬＹＵ Ｐｉｎ， ｅｔ ａｌ． Ａ ｌｉｔｅｒａｔｕｒｅ
ｒｅｖｉｅｗ ｏｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｓｔａｔｕｓ ａｎｄ ｐｒｏｇｒｅｓｓ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ
ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｍｕｌｔｉｐｌｅ ＵＡＶｓ [ Ｊ ] ． Ｎａｖｉｇａｔｉｏｎ
Ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄ Ｔｉｍｉｎｇ， ２０１７， ４(４) ： １⁃９．
[４ ] 谢启龙， 宋龙， 鲁浩， 等． 协同导航技术研究综述[ Ｊ ] ．
航空兵器， ２０１９， ２６(４) ： ２３⁃３０．
ＸＩＥ Ｑｉ⁃ｌｏｎｇ， ＳＯＮＧ Ｌｏｎｇ， ＬＵ Ｈａｏ， ｅｔ ａｌ． Ｒｅｖｉｅｗ ｏｆ ｃｏｌ⁃
ｌａｂｏｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ． Ａｅｒｏ Ｗｅａｐｏｎｒｙ，
２０１９， ２６(４) ： ２３⁃３０．
[５ ] 谷旭平， 唐大全， 唐管政． 无人机编队协同导航研究
现状及进展[ Ｊ] ． 舰船电子工程， ２０２１， ４１(７) ： ２８⁃３３．
ＧＵ Ｘｕ⁃ｐｉｎｇ， ＴＡＮＧ Ｄａ⁃ｑｕａｎ， ＴＡＮＧ Ｇｕａｎ⁃ｚｈｅｎｇ． Ｒｅ⁃
ｓｅａｒｃｈ ｓｔａｔｕｓ ａｎｄ ｐｒｏｇｒｅｓｓ ｏｆ ＵＡＶ ｆｏｒｍａｔｉｏｎ ｃｏｏｐｅｒａｔｉｖｅ
ｎａｖｉｇａｔｉｏｎ[ Ｊ] ． Ｓｈｉｐ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０２１， ４１(７) ：
２８⁃３３．
[６ ] 孙瑶洁， 熊智， 李文龙， 等． 无人机集群类脑导航系统
综述[ Ｊ] ． 航空计算技术， ２０１９， ４９(３) ： １３０⁃１３４．
ＳＵＮ Ｙａｏ⁃ｊｉｅ， ＸＩＯＮＧ Ｚｈｉ， ＬＩ Ｗｅｎ⁃ｌｏｎｇ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ
ｓｔａｔｕｓ ａｎｄ ｐｒｏｇｒｅｓｓ ｏｆ ｂｒａｉｎ⁃ｌｉｋｅ ｆｏｒｍａｔｉｏｎ ｎａｖｉｇａｔｉｏｎ ｓｙｓ⁃
ｔｅｍ [ Ｊ ] ． Ａｅｒｏｎａｕｔｉｃａｌ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｉｑｕｅ， ２０１９， ４９
(３) ： １３０⁃１３４．
[７ ] 张辰， 周乐来， 李贻斌． 多机器人协同导航技术综述
[ Ｊ] ． 无人系统技术， ２０２０， ３(２) ： １⁃８．
ＺＨＡＮＧ Ｃｈｅｎ， ＺＨＯＵ Ｌｅ⁃ｌａｉ， ＬＩ Ｙｉ⁃ｂｉｎ． Ｏｖｅｒｖｉｅｗ ｏｆ
ｍｕｌｔｉ⁃ｒｏｂｏｔ ｃｏｌｌａｂｏｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ． Ｕｎ⁃
ｍａｎｎｅｄ Ｓｙｓｔｅｍｓ Ｔｅｃｈｎｏｌｏｇｙ， ２０２０， ３(２) ： １⁃８．
[８ ] 谷旭平， 唐大全， 唐管政． 无人机集群关键技术研究
综述[ Ｊ] ． 自动化与仪器仪表， ２０２１(４) ： ２１⁃２６ ＋ ３０．
ＧＵ Ｘｕ⁃ｐｉｎｇ， ＴＡＮＧ Ｄａ⁃ｑｕａｎ， ＴＡＮＧ Ｇｕａｎ⁃ｚｈｅｎｇ． Ｓｕｍ⁃
ｍａｒｙ ｏｆ ｒｅｓｅａｒｃｈ ｏｎ ｋｅｙ ｔｅｃｈｎｏｌｏｇｉｅｓ ｏｆ ＵＡＶ ｓｗａｒｍｓ[ Ｊ ] ．
Ａｕｔｏｍａｔｉｏｎ ａｎｄ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ， ２０２１(４) ： ２１⁃２６ ＋ ３０．
[９ ] 杨文钰， 李东兵， 隋毅， 等． ２０２０ 年国外不依赖卫星
２０２３ 年 第４ 期
的导航 技 术 发 展 综 述 [ Ｊ ] ． 飞 航 导 弹， ２０２１ (１ ) ： ２５⁃
３０ ＋ ７０．
ＹＡＮＧ Ｗｅｎ⁃ｙｕ， ＬＩ Ｄｏｎｇ⁃ｂｉｎｇ， ＳＵＩ Ｙｉ， ｅｔ ａｌ． Ａ ｒｅｖｉｅｗ ｏｆ
ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｓａｔｅｌｌｉｔｅ⁃ｉｎｄｅｐｅｎｄｅｎｔ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈ⁃
ｎｏｌｏｇｙ ａｂｒｏａｄ ｉｎ ２０２０ [ Ｊ ] ． Ａｅｒｏｄｙｎａｍｉｃ Ｍｉｓｓｉｌｅ Ｊｏｕｒｎａｌ，
２０２１(１) ： ２５⁃３０ ＋ ７０．
[１０ ] 卢艳军， 刘飒． 基于视觉的无人机导航技术研究[ Ｊ ] ．
自动化仪表， ２０２１， ４２(４) ： １⁃７．
ＬＵ Ｙａｎ⁃ｊｕｎ， ＬＩＵ Ｓａ． Ｒｅｓｅａｒｃｈ ｏｎ ＵＡＶ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈ⁃
ｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ｖｉｓｉｏｎ[ Ｊ] ． Ｐｒｏｃｅｓｓ Ａｕｔｏｍａｔｉｏｎ Ｉｎｓｔｒｕｍｅｎ⁃
ｔａｔｉｏｎ， ２０２１， ４２(４) ： １⁃７．
[１１ ] 吴显亮， 石宗英， 钟宜生． 无人机视觉导航研究综述
[ Ｊ] ． 系统仿真学报， ２０１０， ２２(ｚ１) ： ６２⁃６５．
ＷＵ Ｘｉａｎ⁃ｌｉａｎｇ， ＳＨＩ Ｚｏｎｇ⁃ｙｉｎｇ， ＺＨＯＮＧ Ｙｉ⁃ｓｈｅｎｇ． Ａｎ ｏ⁃
ｖｅｒｖｉｅｗ ｏｆ ｖｉｓｉｏｎ⁃ｂａｓｅｄ ＵＡＶ ｎａｖｉｇａｔｉｏｎ [ Ｊ ] ． Ｊｏｕｒｎａｌ ｏｆ
Ｓｙｓｔｅｍ Ｓｉｍｕｌａｔｉｏｎ， ２０１０， ２２(ｚ１) ： ６２⁃６５．
[１２ ] 黄显林， 姜肖楠， 卢鸿谦， 等． 自主视觉导航方法综述
[ Ｊ] ． 吉 林 大 学 学 报 (信 息 科 学 版 ) ， ２０１０， ２８ (２ ) ：
１５８⁃１６５．
ＨＵＡＮＧ Ｘｉａｎ⁃ｌｉｎ， ＪＩＡＮＧ Ｘｉａｏ⁃ｎａｎ， ＬＵ Ｈｏｎｇ⁃ｑｉａｎ， ｅｔ
ａｌ． Ｓｕｒｖｅｙ ｏｆ ｖｉｓｉｏｎ ｆｏｒ ａｕｔｏｎｏｍｏｕｓ ｎａｖｉｇａｔｉｏｎ[ Ｊ] ． Ｊｏｕｒｎａｌ
ｏｆ Ｊｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ(Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ) ， ２０１０， ２８
(２) ： １５８⁃１６５．
[１３ ] 马凯， 林义忠． 移动机器人视觉导航技术综述[ Ｊ ] ． 物
流科技， ２０２０， ４３(１０) ： ３９⁃４１ ＋ ４６．
ＭＡ Ｋａｉ， ＬＩＮ Ｙｉ⁃ｚｈｏｎｇ． Ｏｖｅｒｖｉｅｗ ｏｆ ｍｏｂｉｌｅ ｒｏｂｏｔ ｖｉｓｕａｌ
ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ． Ｌｏｇｉｓｔｉｃｓ Ｓｃｉ⁃Ｔｅｃｈ， ２０２０， ４３
(１０) ： ３９⁃４１ ＋ ４６．
[１４ ] 管叙军， 王新龙． 视觉导航技术发展综述[ Ｊ ] ． 航空兵
器， ２０１４(５) ： ３⁃８ ＋ １４．
ＧＵＡＮ Ｘｕ⁃ｊｕｎ， ＷＡＮＧ Ｘｉｎ⁃ｌｏｎｇ． Ｒｅｖｉｅｗ ｏｆ ｖｉｓｉｏｎ⁃ｂａｓｅｄ
ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｉｑｕｅ[ Ｊ] ． Ａｅｒｏ Ｗｅａｐｏｎｒｙ， ２０１４(５) ： ３⁃８ ＋
１４．
[１５ ] 廖鑫淼， 王正平， 刘莉， 等． 拒止环境下视觉辅助定位
与导航技术综述[ Ｊ ] ． 弹箭与制导学报， ２０２０， ４０ (６) ：
７６⁃８１．
ＬＩＡＯ Ｘｉｎ⁃ｍｉａｏ， ＷＡＮＧ Ｚｈｅｎｇ⁃ｐｉｎｇ， ＬＩＵ Ｌｉ， ｅｔ ａｌ． Ｓｕｒ⁃
ｖｅｙ ｏｎ ｖｉｓｉｏｎ⁃ａｓｓｉｓｔｅｄ ｐｏｓｉｔｉｏｎｉｎｇ ａｎｄ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏ⁃
ｇｙ ｉｎ ｄｅｎｉｅｄ ｅｎｖｉｒｏｎｍｅｎｔ[ Ｊ] ． Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｊｅｃｔｉｌｅｓ， Ｒｏｃｋ⁃
ｅｔｓ， Ｍｉｓｓｉｌｅｓ ａｎｄ Ｇｕｉｄａｎｃｅ， ２０２０， ４０(６) ： ７６⁃８１．
[１６ ] 周治国， 曹江微， 邸顺帆． ３Ｄ 激光雷达 ＳＬＡＭ 算法综
述[ Ｊ] ． 仪器仪表学报， ２０２１， ４１(９) ： １３⁃２７．
ＺＨＯＵ Ｚｈｉ⁃ｇｕｏ， ＣＡＯ Ｊｉａｎｇ⁃ｗｅｉ， ＤＩ Ｓｈｕｎ⁃ｆａｎ． Ｏｖｅｒｖｉｅｗ
ｏｆ ３Ｄ ｌｉｄａｒ ＳＬＡＭ ａｌｇｏｒｉｔｈｍｓ[ Ｊ] ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｓｃｉｅｎ⁃
第４ 期 魏帅迎等： ＧＮＳＳ 拒止环境下 ＵＡＶ 集群协同导航技术发展现状及分析
ｔｉｆｉｃ Ｉｎｓｔｒｕｍｅｎｔ， ２０２１， ４１(９) ： １３⁃２７．
[１７ ] 吴德伟， 苗强， 何思璇， 等． 量子传感的导航应用研究
现状与展望 [ Ｊ ] ． 空 军 工 程 大 学 学 报 (自 然 科 学 版) ，
２０２１， ２２(６) ： ６７⁃７６．
ＷＵ Ｄｅ⁃ｗｅｉ， ＭＩＡＯ Ｑｉａｎｇ， ＨＥ Ｓｉ⁃ｘｕａｎ， ｅｔ ａｌ． Ａ ｓｔｕｄｙ ｏｆ
ｅｘｉｓｔｉｎｇ ｓｔａｔｕｓ ａｎｄ ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｑｕａｎｔｕｍ ｓｅｎｓｏｒ ｉｎ ｎａｖｉｇａ⁃
ｔｉｏｎ [ Ｊ ] ． Ｊｏｕｒｎａｌ ｏｆ Ａｉｒ Ｆｏｒｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，
２０２１， ２２(６) ： ６７⁃７６．
[１８ ] 宋培帅， 马静， 马哲， 等． 量子定位导航技术研究与发
展现状 [ Ｊ ] ． 激 光 与 光 电 子 学 进 展， ２０１８， ５５ (９ ) ：
２３⁃３７．
ＳＯＮＧ Ｐｅｉ⁃ｓｈｕａｉ， ＭＡ Ｊｉｎｇ， ＭＡ Ｚｈｅ， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ａｎｄ
ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｔｕｓ ｏｆ ｑｕａｎｔｕｍ ｎａｖｉｇａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ．
Ｌａｓｅｒ ＆ Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃｓ Ｐｒｏｇｒｅｓｓ， ２０１８， ５５(９) ： ２３⁃３７．
[１９ ] ＨＡＫＥＮ Ｈ． Ｓｙｎｅｒｇｅｔｉｃｓ [ Ｊ ] ． Ｂｅｒｌｉｎ： Ｓｐｒｉｎｇｅｒ⁃Ｖｅｒｌａｇ，
１９７７．
[２０ ] 徐博， 白金磊， 郝燕玲， 等． 多 ＡＵＶ 协同导航问题的
研究现 状 与 进 展 [ Ｊ ] ． 自 动 化 学 报， ２０１５， ４１ (３ ) ：
４４５⁃４６１．
ＸＵ Ｂｏ， ＢＡＩ Ｊｉｎ⁃ｌｅｉ， ＨＡＯ Ｙａｎ⁃ｌｉｎｇ， ｅｔ ａｌ． Ｔｈｅ ｒｅｓｅａｒｃｈ
ｓｔａｔｕｓ ａｎｄ ｐｒｏｇｒｅｓｓ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｆｏｒ ｍｕｌｔｉｐｌｅ
ＡＵＶｓ [ Ｊ ] ． Ａｃｔａ Ａｕｔｏｍａｔｉｃａ Ｓｉｎｉｃａ， ２０１５， ４１ ( ３ ) ：
４４５⁃４６１．
[２１ ] ＬＡＪＯＩＥ Ｐ Ｙ， ＲＡＭＴＯＵＬＡ Ｂ， ＣＨＡＮＧ Ｙ， ｅｔ ａｌ． ＤＯＯＲ⁃
ＳＬＡＭ： ｄｉｓｔｒｉｂｕｔｅｄ， ｏｎｌｉｎｅ， ａｎｄ ｏｕｔｌｉｅｒ ｒｅｓｉｌｉｅｎｔ ＳＬＡＭ ｆｏｒ
ｒｏｂｏｔｉｃ ｔｅａｍｓ[ Ｊ] ． ＩＥＥＥ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ Ｌｅｔｔｅｒｓ，
２０２０， ５(２) ： １６５６⁃１６６３．
[２２ ] 刘鑫， 王忠， 秦明星． 多机器人协同 ＳＬＡＭ 技术研究进
展[ Ｊ] ． 计算机工程， ２０２２， ４８(５) ： １⁃１０．
ＬＩＵ Ｘｉｎ， ＷＡＮＧ Ｚｈｏｎｇ， ＱＩＮ Ｍｉｎｇ⁃ｘｉｎｇ． Ｒｅｓｅａｒｃｈ ｐｒｏ⁃
ｇｒｅｓｓ ｏｆ ｍｕｌｔｉ⁃ｒｏｂｏｔ ｃｏｌｌａｂｏｒａｔｉｖｅ ＳＬＡＭ ｔｅｃｈｎｏｌｏｇｙ [ Ｊ ] ．
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０２２， ４８(５) ： １⁃１０．
[２３ ] 卫文乐， 芦利斌， 金国栋， 等． 基于单目 ＳＬＡＭ 的无人
机视觉导航研究综述[ Ｊ] ． 飞航导弹， ２０２０(７) ： １７⁃２２．
ＷＥＩ Ｗｅｎ⁃ｌｅ， ＬＵ Ｌｉ⁃ｂｉｎ， ＪＩＮ Ｇｕｏ⁃ｄｏｎｇ， ｅｔ ａｌ． Ｒｅｖｉｅｗ ｏｆ
ＵＡＶ ｖｉｓｕａｌ ｎａｖｉｇａｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｏｎｏｃｕｌａｒ ＳＬＡＭ [ Ｊ ] ．
Ａｅｒｏｄｙｎａｍｉｃ Ｍｉｓｓｉｌｅ Ｊｏｕｒｎａｌ， ２０２０(７) ： １７⁃２２．
[２４ ] ＳＥＲＶＩÈＲＥＳ Ｍ， ＲＥＮＡＵＤＩＮ Ｖ， ＤＵＰＵＩＳ Ａ， ｅｔ ａｌ． Ｖｉｓｕ⁃
ａｌ ａｎｄ ｖｉｓｕａｌ⁃ｉｎｅｒｔｉａｌ ＳＬＡＭ： ｓｔａｔｅ ｏｆ ｔｈｅ ａｒｔ， ｃｌａｓｓｉｆｉｃａ⁃
ｔｉｏｎ， ａｎｄ ｅｘｐｅｒｉｍｅｎｔａｌ ｂｅｎｃｈｍａｒｋｉｎｇ[ Ｊ ] ． Ｊｏｕｒｎａｌ ｏｆ Ｓｅｎ⁃
ｓｏｒｓ， ２０２１(１) ： ２０５４８２８．
[２５ ] ＭＵＲ⁃ＡＲＴＡＬ Ｒ， ＭＯＮＴＩＥＬ Ｊ Ｍ Ｍ， ＴＡＲＤÓＳ Ｊ Ｄ． ＯＲＢ⁃
ＳＬＡＭ： ａ ｖｅｒｓａｔｉｌｅ ａｎｄ ａｃｃｕｒａｔｅ ｍｏｎｏｃｕｌａｒ ＳＬＡＭ ｓｙｓｔｅｍ
[ Ｊ ] ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ， ２０１５， ３１ ( ５ ) ：
１５
１１４７⁃１１６３．
[２６ ] ＭＵＲ⁃ＡＲＴＡＬ Ｒ， ＴＡＲＤÓＳ Ｊ Ｄ． ＯＲＢ⁃ＳＬＡＭ２： ａｎ ｏｐｅｎ⁃
ｓｏｕｒｃｅ ＳＬＡＭ ｓｙｓｔｅｍ ｆｏｒ ｍｏｎｏｃｕｌａｒ， ｓｔｅｒｅｏ， ａｎｄ ＲＧＢ⁃Ｄ
ｃａｍｅｒａｓ [ Ｊ ] ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ， ２０１７， ３３
(５) ： １２５５⁃１２６２．
[２７ ] ＣＡＭＰＯＳ Ｃ， ＥＬＶＩＲＡ Ｒ， ＲＯＤＲÍＧＵＥＺ Ｊ Ｊ Ｇ， ｅｔ ａｌ．
ＯＲＢ⁃ＳＬＡＭ３： ａｎ ａｃｃｕｒａｔｅ ｏｐｅｎ⁃ｓｏｕｒｃｅ ｌｉｂｒａｒｙ ｆｏｒ ｖｉｓｕａｌ，
ｖｉｓｕａｌ⁃ｉｎｅｒｔｉａｌ ａｎｄ ｍｕｌｔｉ⁃ｍａｐ ＳＬＡＭ [ Ｊ ] ． ＩＥＥＥ Ｔｒａｎｓａｃ⁃
ｔｉｏｎｓ ｏｎ Ｒｏｂｏｔｉｃｓ， ２０２１， ３７(６) ： １８７４⁃１８９０．
[２８ ] ＱＩＮ Ｔ， ＣＡＯ Ｓ Ｚ， ＰＡＮ Ｊ， ｅｔ ａｌ． Ａ ｇｅｎｅｒａｌ ｏｐｔｉｍｉｚａｔｉｏｎ⁃
ｂａｓｅｄ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｇｌｏｂａｌ ｐｏｓｅ ｅｓｔｉｍａｔｉｏｎ ｗｉｔｈ ｍｕｌｔｉｐｌｅ
ｓｅｎｓｏｒｓ[ Ｊ ／ ＯＬ] ． ｈｔｔｐｓ： ／ ／ ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １９０１． ０３６４２ｖ１．
[２９ ] 张昌明． 基于卡尔曼滤波的分布式航天器相对状态解
算方法研究[ Ｄ] ． 南京理工大学， ２０１４．
ＺＨＡＮＧ Ｃｈａｎｇ⁃ｍｉｎｇ． Ｒｅｓｅａｒｃｈ ｏｎ ｄｉｓｔｒｉｂｕｔｅｄ ｓｐａｃｅｃｒａｆｔ
ｒｅｌａｔｉｖｅ ｓｔａｔｅ ｃａｌｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ Ｋａｌｍａｎ ｆｉｌｔｅｒ
[ Ｄ ] ． Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，
２０１４．
[３０ ] ＸＵ Ｈ， ＺＨＡＮＧ Ｙ Ｃ， ＺＨＯＵ Ｂ Ｙ， ｅｔ ａｌ． Ｏｍｎｉ⁃ｓｗａｒｍ： ａ
ｄｅｃｅｎｔｒａｌｉｚｅｄ ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ ｖｉｓｕａｌ⁃ｉｎｅｒｔｉａｌ⁃ＵＷＢ ｓｔａｔｅ ｅｓ⁃
ｔｉｍａｔｉｏｎ ｓｙｓｔｅｍ ｆｏｒ ａｅｒｉａｌ ｓｗａｒｍｓ [ Ｊ ] ． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ
ｏｎ Ｒｏｂｏｔｉｃｓ， ２０２２， ３８(６) ： ３３７４⁃３３９４．
[３１ ] 郝菁． 基于惯导 ／ 数据链协同的无人机集群导航定位
算法研究[ Ｄ ] ． 中国电子科技集团公司电子科学研究
院， ２０１９．
ＨＡＯ Ｊｉｎｇ． ＩＮＳ ／ ｉｎｔｒａ ｆｌｉｇｈｔ ｄａｔａｌｉｎｋ ｃｏｏｐｅｒａｔｉｖｅ ｐｏｓｉｔｉｏ⁃
ｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ＵＡＶｓ[ Ｄ] ． Ｃｈｉｎａ Ａｃａｄｅｍｙ ｏｆ Ｅｌｅｃｔｒｏｎ⁃
ｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ， Ｃｈｉｎａ Ｅｌｅｃｔｒｏｎｉｃｓ Ｔｅｃｈ⁃
ｎｏｌｏｇｙ Ｇｒｏｕｐ Ｃｏｒｐｏｒａｔｉｏｎ， ２０１９．
[３２ ] 郝菁， 蔚保国， 何成龙． 基于惯导 ／ 数据链的动态相对
定位方 法 [ Ｊ ] ． 计 算 机 测 量 与 控 制， ２０１８， ２６ (１０ ) ：
１９１⁃１９５．
ＨＡＯ Ｊｉｎｇ， ＹＵ Ｂａｏ⁃ｇｕｏ， ＨＥ Ｃｈｅｎｇ⁃ｌｏｎｇ． Ｄｙｎａｍｉｃ ｒｅｌａ⁃
ｔｉｖｅ ｐｏｓｉｔｉｏｎｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｎｅｒｔｉａｌ ｎａｖｉｇａｔｉｏｎ ａｎｄ
ｄａｔａ ｌｉｎｋ[ Ｊ] ． Ｃｏｍｐｕｔｅｒ Ｍｅａｓｕｒｅｍｅｎｔ ＆ Ｃｏｎｔｒｏｌ， ２０１８， ２６
(１０) ： １９１⁃１９５．
[３３ ] ＣＨＥＮ Ｍ Ｘ， ＸＩＯＮＧ Ｚ， ＸＩＯＮＧ Ｊ， ｅｔ ａｌ． Ａ ｈｙｂｒｉｄ ｃｏｏｐｅｒ⁃
ａｔｉｖｅ ｎａｖｉｇａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ＵＡＶ ｓｗａｒｍ ｂａｓｅｄ ｏｎ ｆａｃｔｏｒ
ｇｒａｐｈ ａｎｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ[ Ｊ] ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｄｉｓｔｒｉｂ⁃
ｕｔｅｄ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋｓ， ２０２２， １８(１) ： １５５０１４７７２１１０６４７５８．
[３４ ] ＺＨＡＮＧ Ｓ Ｊ， ＳＨＩ Ｑ Ｓ， ＣＡＯ Ｙ． Ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉｚａｔｉｏｎ
ａｐｐｒｏａｃｈ ｆｏｒ ｍｕｌｔｉ⁃ｒｏｂｏｔ ｓｙｓｔｅｍｓ ｂａｓｅｄ ｏｎ ｓｔａｔｅ ｅｓｔｉｍａｔｉｏｎ
ｅｒｒｏｒ ｃｏｍｐｅｎｓａｔｉｏｎ [ Ｊ ] ． Ａｃｔａ Ｔｅｃｈｎｉｃａ， ２０１８， ６３ (４ ) ：
６０１⁃６１２．
１６ 导航与控制 ２０２３ 年 第４ 期

[３５ ] ＬＩ Ｓ Ｓ， ＣＯＰＰＯＬＡ Ｍ， ＤＥ ＷＡＧＴＥＲ Ｃ， ｅｔ ａｌ． Ａｎ ａｕｔｏｎｏ⁃
ｍｏｕｓ ｓｗａｒｍ ｏｆ ｍｉｃｒｏ ｆｌｙｉｎｇ ｒｏｂｏｔｓ ｗｉｔｈ ｒａｎｇｅ⁃ｂａｓｅｄ ｒｅｌａｔｉｖｅ
ｌｏｃａｌｉｚａｔｉｏｎ[ Ｊ ／ ＯＬ] ． ｈｔｔｐｓ： ／ ／ ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２００３． ０５８５３ｖ１．
[３６ ] 韩廷睿． 基于图拉普拉斯的分布式编队控制与分布式
定位[ Ｄ] ． 浙江大学， ２０１７．
ＨＡＮ Ｔｉｎｇ⁃ｒｕｉ． Ｇｒａｐｈ Ｌａｐｌａｃｉａｎ ｂａｓｅｄ ｄｉｓｔｒｉｂｕｔｅｄ ｆｏｒｍａ⁃
ｔｉｏｎ ｃｏｎｔｒｏｌ ａｎｄ ｄｉｓｔｒｉｂｕｔｅｄ ｌｏｃａｌｉｚａｔｉｏｎ[ Ｄ] ． Ｚｈｅｊｉａｎｇ Ｕｎｉ⁃
ｖｅｒｓｉｔｙ， ２０１７．
[３７ ] 杨建， 罗涛， 魏世乐， 等． 基于 ＭＨＥ 的多 ＵＵＶ 协同定
位方法[ Ｊ] ． 舰船科学技术， ２０１７， ３９(１２) ： ８１⁃８５．
ＹＡＮＧ Ｊｉａｎ， ＬＵＯ Ｔａｏ， ＷＥＩ Ｓｈｉ⁃ｌｅ， ｅｔ ａｌ． Ｔｈｅ ｃｏｏｐｅｒａ⁃
ｔｉｏｎ ｌｏｃａｌｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ＭＵＵＶｓ ｂａｓｅｄ ｏｎ ＭＨＥ [ Ｊ ] ．
Ｓｈｉｐ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０１７， ３９(１２) ： ８１⁃８５．
[３８ ] 魏明珠， 谢晓梅， 严鹏， 等． 月面多机器人的分布式协
同定 位 算 法 研 究 [ Ｊ ] ． 载 人 航 天， ２０１９， ２５ (５ ) ：
５９４⁃５９９．
ＷＥＩ Ｍｉｎｇ⁃ｚｈｕ， ＸＩＥ Ｘｉａｏ⁃ｍｅｉ， ＹＡＮ Ｐｅｎｇ， ｅｔ ａｌ． Ｄｉｓｔｒｉｂ⁃
ｕｔｅｄ ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｍｕｌｔｉ⁃ｒｏｂｏｔｓ ｏｎ ｌｕ⁃
ｎａｒ ｓｕｒｆａｃｅ [ Ｊ ] ． Ｍａｎｎｅｄ Ｓｐａｃｅｆｌｉｇｈｔ， ２０１９， ２５ ( ５ ) ：
５９４⁃５９９．
[３９ ] ＷＹＭＥＥＲＳＣＨ Ｈ， ＬＩＥＮ Ｊ， ＷＩＮ Ｍ Ｚ． Ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉ⁃
ｚａｔｉｏｎ ｉｎ ｗｉｒｅｌｅｓｓ ｎｅｔｗｏｒｋｓ[ Ｊ ] ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ，
２００９， ９７(２) ： ４２７⁃４５０．
[４０ ] ＬＩ Ｂ， ＷＵ Ｎ， ＷＡＮＧ Ｈ， ｅｔ ａｌ． Ｇａｕｓｓｉａｎ ｍｅｓｓａｇｅ ｐａｓｓ⁃
ｉｎｇ⁃ｂａｓｅｄ ｃｏｏｐｅｒａｔｉｖｅ ｌｏｃａｌｉｚａｔｉｏｎ ｏｎ ｆａｃｔｏｒ ｇｒａｐｈ ｉｎ ｗｉｒｅ⁃
ｌｅｓｓ ｎｅｔｗｏｒｋｓ[ Ｊ] ． Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ， ２０１５， １１１： １⁃１２．
[４１ ] ＧＥＯＲＧＥＳ Ｈ Ｍ， ＸＩＡＯ Ｚ， ＷＡＮＧ Ｄ． Ｈｙｂｒｉｄ ｃｏｏｐｅｒａｔｉｖｅ
ｖｅｈｉｃｌｅ ｐｏｓｉｔｉｏｎｉｎｇ ｕｓｉｎｇ ｄｉｓｔｒｉｂｕｔｅｄ ｒａｎｄｏｍｉｚｅｄ Ｓｉｇｍａ
ｐｏｉｎｔ ｂｅｌｉｅｆ ｐｒｏｐａｇａｔｉｏｎ ｏｎ ｎｏｎ⁃Ｇａｕｓｓｉａｎ ｎｏｉｓｅ ｄｉｓｔｒｉｂｕｔｉｏｎ
[ Ｊ] ． ＩＥＥＥ Ｓｅｎｓｏｒｓ Ｊｏｕｒｎａｌ， ２０１６， １６(２１) ： ７８０３⁃７８１３．
[４２ ] ＹＵＡＮ Ｗ Ｊ， ＷＵ Ｎ， ＷＡＮＧ Ｈ， ｅｔ ａｌ． Ｊｏｉｎｔ ｓｙｎｃｈｒｏｎｉｚａ⁃
ｔｉｏｎ ａｎｄ ｌｏｃａｌｉｚａｔｉｏｎ ｂａｓｅｄ ｏｎ Ｇａｕｓｓｉａｎ ｂｅｌｉｅｆ ｐｒｏｐａｇａｔｉｏｎ
ｉｎ ｓｅｎｓｏｒ ｎｅｔｗｏｒｋｓ[ Ｃ ] ． ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ
Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ， ２０１５： ６６４６⁃６６５１．
姓名： 魏帅迎
性别： 男
学历： 硕士
专业： 光学工程
职称： 助理工程师
研究方向： 视觉导航、 协同导
航

■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

征订启事

《 导航与控制》 是由中国航天科技集团有限公司主管、 北京航天控制仪器研究所主办的面向全国公开

发行的专业性学术刊物， 刊号为 ＣＮ１１⁃５８０４ ／ Ｖ、 ＩＳＳＮ１６７４⁃５５５８， 目前已入选 “ 中国科技核心期刊” 。
《 导航与控制》 ２０２４ 年度期刊征订工作已启动， 《 导航与控制》 为双月刊， 全年共 ６ 期， 定价 ￥ ９０. ００
元 ／ 年， 广大读者可通过以下渠道订阅：
（１） 直接向编辑部订阅， 需要订阅的单位和个人请将订刊费汇至主办单位账户。
户名： 北京航天控制仪器研究所 开户银行： 建行首体南路支行
银行帐号： ２１７００１４９９８ 电话： ０１０⁃６８６９３１８３
通信地址： 北京市 １４２ 信箱 ４０３ 分箱 《 导航与控制》 编辑部， 邮编 １００８５４。
（２） 通过全国非邮发报刊联合征订订阅， 需要订阅的单位和个人请直接向联合征订服务部汇款。
通信地址： 天津市卫津南路李七庄邮局 ９８０１ 信箱， 邮编 ３００３８１。
电话 ／ 传真： ０２２⁃２３９７３３７８， ０２２⁃２３９６２４７９ 网址： ｗｗｗ． ＬＨＺＤ． ｃｏｍ
Ｅ⁃ｍａｉｌ： ｗｍｓ＠ ｌｈｚｄ． ｃｏｍ ＱＱ： １７９７２８４５３５