微型飛行器(MAVs)可以有許多有用的應用，例如，幫助人類完成倉庫庫存或搜索和救援任務。盡管世界各地的許多公司已經開始生產和使用小型飛行器，但其中一些飛行機器人仍有相當大的局限性。

為了更有效地工作，小牛應該有一個有效的姿態估計系統的支持。這是一個系統或方法，可以計算無人機的位置和姿態，然后可以用來控制其飛行，調整其速度，并幫助其導航，而它是自主操作和遠程控制。

華中科技大學的研究人員最近開發了一種用于室內環境中小牛姿態估計的新系統。他們在arXIv上預先發布的一篇論文中概述了他們的新方法，并將在IEEE工業電子學報上發表。該論文利用了現有的WiFi基礎設施，使小型敏捷無人機能夠進行更有效的導航。

“在我們之前的工作中，我們證明了利用WiFi的本地化來校正機載慣性傳感器(IMU)漂移的可行性，”開展這項研究的研究人員之一張勝凱告訴TechXplore。“然而，我們開發的技術，被稱為CWISE，只適用于開放空間，沒有多徑衰落。在我們目前的研究中，我們進一步推動該方法來解決室內環境中的多路徑問題，使我們提出的系統更加實用。”

張和他的同事進行的這項新研究的主要目的是利用現成的WiFi基礎設施來估計小牛的6自由度姿態。與現有的基于計算機視覺的姿態估計技術相比，他們開發的系統不受視覺限制，這意味著它可以在不同的照明和環境條件下工作。

該系統利用了WiFi正交頻分復用(OFDM)信號的許多子載波，而不是分析傳感器收集的視覺刺激。更具體地說，它使用這些信號來找出MAV和WiFi接入點之間的直接路徑的到達角(AoA)，這些信號在室內環境中的許多反射。

張和他的同事們創建的這個系統有兩個主要組成部分:一個AoA估計算法和一個wifi -慣性傳感器融合模型。AoA估計算法是一種估計MAV姿態，解算AoA進行定位的計算方法。另一方面，wifi -慣性傳感器融合模型，結合估計的AoA和使用慣性傳感器收集的數據來優化無人機的姿態。

張說:“眾所周知，角度可以通過三角測量來定位目標，但是不需要度量尺度。”“另一方面，MAV的IMU提供了公制的姿態，但受到時間漂移的影響。我們融合了WiFi AoAs和慣性測量，兩全其利。”

與傳統的姿態估計技術相比，張和他的同事開發的系統有許多優點。首先，它是輕量級的，可以立即部署在任何室內環境覆蓋的WiFi網絡。此外，它在不同的照明和紋理條件下的工作空間表現良好。

這項研究強調了利用WiFi連接改善機器人感知和導航策略的潛力。在室內環境的一系列實驗中，新的姿態估計系統取得了顯著的效果，平均位置誤差為61.7cm，姿態誤差為0.92度。在未來，它可以用于增強MAV導航在倉庫，辦公室或其他室內環境。

“目前，我們的wifi慣性姿態估計器的精度在分米級，”張說。“我們想要改善這一點。同時，WiFi本身也存在一定的局限性，如結構堵塞、干擾等。我們相信，適當地將視覺傳感和無線傳感結合起來，可以實現更穩健、更準確的姿態估計，從而產生更實用的自主機器人。”