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，这些节点可组成无线相机传感器网络（CSN），广泛应用于监控、安全、智能环境、灾区监测、太空探索和机器人协调等领域。

在众多应用中，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。由于每个相机能在自身参考系下估计物体姿态，因此需要找出相机对之间的相对变换，以便将物体姿态统一到同一参考系下。也就是说，要实现物体定位（估计物体在全局参考系下的姿态），需先进行相机定位（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，从图像中提取对应二维点来确定相对姿态。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（例如，循环节点间相对变换的组合可能不等于恒等变换）。

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，实现全局定位。分布式共识算法是将有噪声的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）。

2. 平均共识算法回顾

近年来，分布式算法在带宽受限的网络系统中实现广泛协作和信息融合方面备受关注，其中平均共识算法借助代数图论和控制理论技术，受到了显著关注。

在平均共识的基本设置中，传感器网络用有向图 $G = (V, E)$ 表示，其中顶点 $