32、基于图像的相机传感器网络分布式定位共识算法

基于图像的相机传感器网络分布式定位共识算法

1. 引言

近年来，硬件创新催生了可配备小型相机的低功耗传感器节点，这些节点能组成无线相机传感器网络（CSN），在监控、安全、智能环境、灾害区域监测、太空探索和机器人协调等众多领域有广泛应用。

在很多应用场景中，节点在三维空间中任意分布，需要交换关于共同场景量（如物体姿态）的信息。为了将物体姿态统一到全局参考系下进行定位，首先要对相机进行定位，即确定相机在全局参考系下的姿态。原则上，视野重叠的两个相机可通过标准计算机视觉算法，从图像中提取的二维对应点来确定相对姿态，但由于图像测量噪声和二维点匹配误差，局部估计的相对姿态可能不一致。

为实现 CSN 的一致定位，一种方法是将各节点的图像数据或二维点传输到单个节点进行集中式求解，但这需要 CSN 可能不具备的通信和计算资源。另一种方法是让小部分相机进行局部特征提取和匹配，所有相机协作融合局部估计，以实现全局定位。分布式共识算法是将噪声局部相对姿态测量整合为全局一致 CSN 定位的自然选择，但经典平均共识算法主要用于低维欧几里得数据平均，而物体和相机定位问题涉及从二维图像估计的非欧几里得量（物体/相机姿态）的整合。

2. 平均共识算法回顾

平均共识算法在带宽受限的网络系统中应用广泛，它借助代数图论和控制理论技术。在基本的平均共识设置中，传感器网络用有向图 $G = (V, E)$ 表示，其中顶点 $V = {1, …, N}$ 代表网络节点，边 $(i, j) \in E \subseteq V \times V$ 表示通信链路或相机视野重叠关系。假设网络和视觉图已知且等价，图是对称的，节点 $i$ 的邻居集为 $N_i = {j \in V | (