CN115979268A - 异构智能无人集群协同定位方法、设备及存储介质 - Google Patents

Abstract

本申请提供了异构智能无人集群协同定位方法、设备及存储介质，属于人工智能技术领域。该方法包括：获取第一智能体的第一位置信息；第一智能体根据预设距离阈值获取第二智能体的相对位置信息，并据此和第一位置信息得到第二智能***置的测量位置信息；向第二智能体发送测量位置信息，使第二智能体结合测量位置信息和自身获取的第二位置信息计算得到第二智能体的目标定位信息。本申请中的第一智能体为强智能体、第二智能体为弱智能体，强智能体主动获取信息的能力较强，而弱智能体主动获取信息的能力较弱，因此强智能体用于实现高精度定位，通过部分定位精确的强智能体对剩余的弱智能体进行定位优化，在提高整体定位精度的情况下，减少了应用成本。

Description

异构智能无人集群协同定位方法、设备及存储介质

技术领域

本申请涉及人工智能技术领域，尤其涉及一种异构智能无人集群协同定位方法、设备及存储介质。

背景技术

智能无人集群指的是某群体中存在的众多无智能的个体通过相互之间的简单合作所表现出来的智能行为，其广泛运用于交通、制造业、农业、军事以及金融等多个领域，智能无人集群在不同环境中提供的环境信息为场景分析、环境建模、透彻感知以及动态决策等环节提供了极为重要的信息依据，是现代社会发展中不可或缺的重要组成部分。

相关技术中，智能无人集群常常以同构的方式出现，即智能无人集群中个体的配置几乎相同，这导致智能无人集群中的个体均需要配备高性能传感器，或依赖外部定位基础设施，才能够对自身状态进行估计，因为定位要求高、局限性大，使得最终智能无人集群定位精度差，且提高了应用成本。

发明内容

本申请实施例提供了一种异构智能无人集群协同定位方法、设备及存储介质，能够提高无人集群的定位精度，并降低应用成本。

为实现上述目的，本申请实施例的第一方面提出了一种异构智能无人集群协同定位方法，所述方法包括：获取所述第一智能体的第一位置信息；若所述第一智能体与环境中第二智能体之间的距离小于预设距离阈值，获取所述第二智能体相对所述第一智能体的相对位置信息；根据所述相对位置信息和所述第一位置信息计算得到用于校准所述第二智能***置的测量位置信息；向所述第二智能体发送所述测量位置信息，以使所述第二智能体在获取自身的第二位置信息后，根据所述第二位置信息和所述测量位置信息计算得到所述第二智能体的目标定位信息。

在一些实施例中，所述方法还包括：获取所述第二智能体的所述目标定位信息；根据所述目标定位信息和所述第一位置信息进行飞行路径规划，得到规划路径；根据所述规划路径控制所述第一智能体的飞行状态，以使所述第一智能体在所述规划路径上飞行。

在一些实施例中，所述目标定位信息表征所述第二智能体的真实位置，所述测量位置信息表征所述第二智能体的测量位置；所述根据所述目标定位信息和所述第一位置信息进行飞行路径规划，得到规划路径，包括：获取所述第二智能体的速度估计信息；根据所述目标定位信息、所述测量位置信息、所述第一位置信息和所述速度估计信息得到所述第二智能体真实位置与测量位置之间的互信息；根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息；根据所述第三位置信息确定所述第一智能体的规划路径。

在一些实施例中，所述第二智能体有多个；所述根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息，包括：最大化所述互信息，得到用于描述所述第二智能体的不确定性的目标信息，基于所述目标信息得到各个所述第二智能体的第一状态信息；根据所述第一位置信息及所述第一状态信息得到所述第一智能体及第二智能体的第二状态信息；获取所述第一智能体的速度指令，根据所述速度指令、所述第一状态信息和所述第二状态信息建立奖励函数；根据所述奖励函数调整所述速度指令，并根据调整后的所述速度指令和所述第一位置信息得到第三位置信息。

在一些实施例中，所述基于所述目标信息得到各个所述第二智能体的第一状态信息，包括：获取当前时刻下各个所述第二智能体的所述第二位置信息、所述速度估计信息和所述测量位置信息；根据当前时刻下的所述第二位置信息、所述速度估计信息、所述测量位置信息和所述目标信息得到各个所述第二智能体的第一状态信息。

为实现上述目的，本申请实施例的第二方面提出了一种异构智能无人集群协同定位方法，应用于第二智能体中，所述方法包括：获取所述第二智能体的第二位置信息；若所述第二智能体与第一智能体之间的距离小于预设距离阈值，接收所述第一智能体发送的测量位置信息；其中，所述测量位置信息由所述第一智能体根据相对位置信息和第一位置信息计算得到，所述第一位置信息为所述第一智能体自身获取得到，所述相对位置信息为所述第一智能体在与环境中的所述第二智能体之间的距离小于所述预设距离阈值时获取得到；根据所述测量位置信息和所述第二位置信息计算得到所述第二智能体的目标定位信息。

在一些实施例中，所述第二智能体有多个，所述目标定位信息表征所述第二智能体的真实位置，所述测量位置信息表征第二智能体的测量位置，所述第一位置信息由第一智能体获取得到；所述方法还包括：获取所述第二智能体的速度估计信息；向所述第一智能体发送所述速度估计信息，以使所述第一智能体根据所述目标定位信息、所述测量位置信息、所述第一位置信息和所述速度估计信息得到各个所述第二智能体真实位置与测量位置之间的互信息，并根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息，以使所述第一智能体根据所述第三位置信息确定所述第一智能体的规划路径。

在一些实施例中，所述第二位置信息、所述速度估计信息和所述测量位置信息均为当前时刻下的信息，所述第一智能体根据当前时刻下的所述第二位置信息、所述速度估计信息、所述测量位置信息和所述目标信息得到各个所述第二智能体的所述第一状态信息。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面实施例所述的方法，或第二方面实施例所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面实施例所述的方法，或第二方面实施例所述的方法。

本申请提出的异构智能无人集群协同定位方法、设备及存储介质，其中，不需要每个智能体都配备价格高昂的高性能传感器，而是通过部分智能体搭载定位精确的高性能传感器来对剩余的智能体进行定位优化，在提高异构智能无人集群的定位精度的情况下，减少了应用的成本。

附图说明

图1是本申请实施例提供的异构智能无人集群协同定位***的示意图；

图2是本申请实施例提供的异构智能无人集群协同定位方法的一个流程图；

图3是本申请实施例提供的异构智能无人集群协同定位方法的路径规划流程图；

图4是图3中的步骤S202的流程图；

图5是图4中的步骤S303的流程图；

图6是图5中的步骤S401的流程图；

图7是本申请实施例提供的异构智能无人集群协同定位方法的另一个流程图；

图8是本申请实施例提供的异构智能无人集群协同定位方法的又一个流程图；

图9是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

智能无人集群***指由一定数量的同类或者异构无人***或装备、控制***及人机界面组成，利用信息交互与反馈、激励与响应，实现相互间行为协同，适应动态环境，共同完成特定任务的智能联合***。

相关技术中，智能无人集群常常以同构的方式出现，即智能无人集群中个体的配置几乎相同，这导致智能无人集群中的个体均需要配备高性能传感器，或依赖外部定位基础设施，才能够对自身状态进行估计，因为定位要求高、局限性大，使得最终智能无人集群定位精度差，且提高了应用成本。

基于此，本申请实施例提供了一种异构智能无人集群协同定位方法、设备及存储介质，能够提高智能无人集群的定位精度，并降低了应用的成本。

本申请实施例中提供的异构智能无人集群协同定位方法、设备及存储介质，具体通过如下实施例进行说明。首先介绍本申请中的异构智能无人集群协同定位***，异构智能无人集群协同定位方法作用于异构智能无人集群协同定位***。

示例性地，参照图1所示，图1是本申请实施例提供的异构智能无人集群协同定位***的示意图。图1矩形框内的第一智能体和第二智能体共同构成了异构智能无人集群协同定位***，其中，第一智能体和第二智能体的数量为多个且第二智能体的数量多于第一智能体。第一智能体设置有预设距离阈值，图1中虚线相连的第一智能体和第二智能体表示第二智能体在第一智能体的预设距离阈值范围内，无虚线相连的第一智能体和第二智能体表示第二智能体在第一智能体的预设距离阈值范围外。第二智能体能够获取自身较粗略的第二位置信息，第一智能体能够获取自身较精确的第一位置信息，同时第一智能体设置有预设距离阈值，当第二智能体与第一智能体之间的距离小于预设距离阈值时，第一智能体能够获取第二智能体相对于第一智能体的相对位置信息，并根据此相对位置信息计算得到第二智能体的测量位置信息并将该测量位置信息发送给第二智能体，第二智能体根据测量位置信息及自身获取的第二位置信息计算得到目标定位信息，用该目标定位信息表示第二智能体的定位估计。由于只有第一智能体搭载着价格较昂贵且能够精确定位自身位置的装置，因此本申请实施例中的异构智能无人集群协同定位方法能够在较低的成本下，实现异构智能无人集群协同定位***的较高精度定位。

智能体是指驻留在某一环境下，能持续自主地发挥作用，具备驻留性、反应性、社会性、主动性等特征的计算实体。在本申请实施例中，第一智能体为强智能体，第二智能体为弱智能体。其中，强智能体的感知能力、计算能力以及存储能力等多种能力均较强，故强智能体主动获取信息的能力较强，与之相对地，弱智能体的感知能力、计算能力以及存储能力等多种能力均较弱，故弱智能体主动获取信息的能力较弱。因此，在本申请实施例中，强智能体能够通过强获取能力实现高精度定位，而弱智能体的定位精度较差。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据用户信息、用户行为数据，用户历史数据以及用户位置信息等与用户身份或特性相关的数据进行相关处理时，都会先获得用户的许可或者同意，例如，获取用户存储的数据以及用户的缓存数据访问请求时，均会先获得用户的许可或者同意。而且，对这些数据的收集、使用和处理等，都会遵守相关国家和地区的相关法律法规和标准。此外，当本申请实施例需要获取用户的敏感个人信息时，会通过弹窗或者跳转到确认页面等方式获得用户的单独许可或者单独同意，在明确获得用户的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的用户相关数据。

图2是本申请实施例提供的异构智能无人集群协同定位方法的一个流程图，图2中的方法可以包括但不限于包括步骤S101至步骤S104：

步骤S101，获取第一智能体的第一位置信息；

在一些实施例中，第一位置信息为第一智能体在大地坐标系或其他统一坐标系下的坐标，第一位置信息能够精确定位第一智能体在公认坐标系下的具***置。具体地，第一位置信息可以由第一智能体自身搭载的设备定位获取得到、可以是通过公共移动通信基站(以下简称“基站”)获取得到或是通过全球定位***(Global Positioning System，以下简称“GPS”)获取得到。

在一些实施例中，第一智能体是一种强智能体，可以通过自身搭载高性能传感器来获取第一位置信息。示例性地，第一智能体上搭载有深度相机，深度相机能够检测出与周围拍摄空间的景深距离，利用深度相机中所获取到图像中每个点到深度相机的距离，结合该图像的二维坐标，得到图像中每个点的三维坐标，以实现第一智能体对自身第一位置信息的获取。

需要说明的是，高性能传感器可以是深度相机、也可以是激光雷达，本申请实施例仅是以较佳实施例进行说明，并不做具体限制。

在一些实施例中，第一智能体可以通过周围的基站发射的信号来计算得到第一位置信息。示例性地，第一智能体上无相关的高性能传感器，而是通过信号的强度来计算估计与基站的距离。由于各个基站的位置是确定的，利用第一智能体的信号强度到基站的距离逐渐增大而减弱的特点，容易通过基站得到第一智能体的定位信息，即第一智能体的第一位置信息。

在一些实施例中，第一智能体可以通过GPS获取自身第一位置信息，GPS是以人造地球卫星为基础的高精度无线电导航的定位***，其能够提供高精度的地理位置。示例性地，由于GPS可以通过覆盖全球的卫星定位***轻易地得到当前GPS所在位置，因此在第一智能体上搭载GPS***，可使第一智能体获取到自身的第一位置信息。

需要说明的是，第一智能体的第一位置信息的获取并不仅限于本申请实施例中所示例的获取方式，本申请实施例仅是以较佳实施例进行说明，并不做具体限制。

步骤S102，若第一智能体与环境中第二智能体之间的距离小于预设距离阈值，获取第二智能体相对第一智能体的相对位置信息；

在一些实施例中，第二智能体是一种弱智能体，成本较低，第一智能体设置有预设距离阈值，预设距离阈值用于表示第一智能体和第二智能体之间的距离极限，并且可以通过预设第一智能体与第二智能体之间的预设距离阈值来判断第二智能体是否进入第一智能体获取第二智能体相对位置信息的范围。具体地，第一智能体预先设置有可捕捉第二智能体的预设距离阈值，当第二智能体进入第一智能体的距离阈值范围时，即第二智能体与第一智能体之间的距离小于预设距离阈值时，第一智能体能够获取第二智能体相对于第一智能体的相对位置信息。

在一些实施例中，第一智能体上搭载有距离测量传感器，距离测量传感器能够感知第一智能体与第二智能体之间的距离，该距离测量传感器预先设置有预设距离阈值，当第二智能体与第一智能体之间的距离小于第一智能体上搭载的距离测量传感器所设置的预设距离阈值时，第一智能体能够获取第二智能体相对于第一智能体的相对位置信息。

在一些实施例中，相对位置信息包括第二智能体相对于第一智能体的位置、速度等信息。由于第一智能体可以通过高性能传感器获取自身较准确的第一位置信息，因此当第一智能体获取第二智能体相对于第一智能体的相对位置信息时，该相对位置信息对第二智能体的定位来说，具有一定的定位准确性。

在一些实施例中，可以通过修改第一智能体的距离测量传感器中的阈值参数改变预设距离阈值，或选择制作精度更高的距离测量传感器以提高预设距离阈值范围。

示例性地，如图1所示，第一智能体能够获取预设距离阈值范围内的第二智能体相对于第一智能体的相对位置信息。例如，在图1中，第一智能体与第二智能体虚线相连表示第二智能体与第一智能体之间的距离小于预设距离阈值，此时第一智能体能够获取距离阈值范围内的第二智能体相对于第一智能体的相对位置信息；而无虚线相连的第一智能体和第二智能体则表示第二智能体不在第一智能体的预设距离阈值范围内，此时第一智能体无法获取距离阈值范围内的第二智能体相对于第一智能体的相对位置信息。

步骤S103，根据相对位置信息和第一位置信息计算得到用于校准第二智能***置的测量位置信息；

在一些实施例中，在第一智能体获取到第二智能体相对于第一智能体的相对位置信息后，第一智能体能够根据所获取的第一位置信息和相对位置信息，计算得到第二智能***置的测量位置信息。具体地，测量位置信息表示通过第一智能体根据所获取的第一位置信息和相对位置信息计算得到的第二智能体在大地坐标系或其他统一坐标系下的坐标。

示例性地，第二智能体在启动的过程中会产生相对于第一智能***置、速度等相对位置信息，在第一智能体上搭载的距离测量传感器所设置的预设距离阈值范围内，第一智能体能够获取到该相对位置信息，使得第一智能体能够结合第一位置信息计算得到第二智能***置的测量位置信息。由于第一智能体可以通过高性能传感器获取自身较准确的位置信息，因此当第一智能体获取第二智能体相对于第一智能体的相对位置信息并利用该相对位置信息计算得出测量位置信息时，该测量位置信息具有一定的定位准确性。

步骤S104，向第二智能体发送测量位置信息，以使第二智能体在获取自身的第二位置信息后，根据第二位置信息和测量位置信息计算得到第二智能体的目标定位信息。

在一些实施例中，第二智能体能够获取自身的第二位置信息，具体地，第二位置信息表示第二智能体对自身位置的估计。在第一智能体计算得到第二智能体的测量位置信息之后，第一智能体向第二智能体发送所计算的测量位置信息，第二智能体能够根据第二位置信息和测量位置信息得到第二智能体的目标定位信息，目标定位信息表示第二智能体在大地坐标系或其他统一坐标系下的定位坐标，目标定位信息能够较准确地表示第二智能体在公认坐标系下的定位位置。示例性地，第二智能体通过自身搭载的成本较低的、导航精度不高的定位装置来估计自身的位置，进入第一智能体预设距离阈值范围内的第二智能体能够被第一智能体获取相对位置信息，该相对位置信息可以通过定位较为精确的第一智能体计算得到第二智能体的相对于第一智能体的测量位置信息，第二智能体根据此测量位置信息对所获取的自身的第二位置信息进行优化调整，得到在与第一智能体同一坐标系下的定位精度较高的目标定位信息。利用少部分定位精度较高的第一智能体对剩余的第二智能体的定位估计进行调整，能够在较低成本的情况下，实现异构智能无人集群的较高精度定位。

在一些实施例中，第二智能体上搭载有惯性导航***，惯性导航***为一种自主导航***，其能够测量第二智能体运行时的运动数据，并通过计算，例如航推推算算法得到第二智能体的第二位置信息，即第二智能体对自身位置的估计，该位置估计可以提供第二智能体的大致位置，但定位精度较差。示例性地，第二智能体在运行的过程中会产生加速度、角加速度等运动数据，第二智能体上搭载的惯性导航***能够对获取到的加速度、角加速度等数据进行时间积分操作，以得到第二智能体的速度及位置数据，再将其变换到大地坐标系或者其他公认的坐标系中，得到第二智能体在大地坐标系或者其他公认的坐标系中的粗略位置估计。

在一些实施例中，第一智能体能够接收在第一智能体预设距离阈值范围内的第二智能体的相对位置信息，并根据相对位置信息计算得到第二智能体相对于第一智能体的测量位置信息，第一智能体将计算得到的测量位置信息发送给预设距离阈值范围内对应的第二智能体，第二智能体根据自身获取的第二位置以及第一智能体向第二智能体发送的测量位置信息计算得到第二智能体的目标定位信息。

在一些实施例中，第二智能体使用贝叶斯滤波器计算得到第二智能体的目标定位信息。在本申请实施例中，采用贝叶斯滤波器中的特例卡尔曼滤波器来计算得到第二智能体的目标定位信息。具体地，卡尔曼滤波器是一种利用线性***状态方程，其通过输入第二智能体的第二位置信息和第一智能体对第二智能体的测量位置数据进行预测和更新操作，并输出第二智能体的目标定位信息。利用卡尔曼滤波器将第二智能体定位精度较粗略的第二位置信息与由定位精度较高的第一智能体获取到的相对位置信息进行融合，得到定位精度较高的目标位置信息，该目标定位信息能够较高精度的表示第二智能体的定位信息。

需要说明的是，对目标定位信息的计算可根据具体的使用场景选择合适的计算方法，如粒子滤波器等方法，本申请实施例仅是以较佳实施例进行说明，并不做具体限制。

需要说明的是，本申请实施例为一种异构智能无人集群协同定位方法，在第二智能体能够获取第二位置信息即对自身位置估计的情况下，利用能够精确定位的第一智能体对第二智能体获取的相对位置信息计算得到测量位置信息，并将测量位置信息发送给第二智能体，第二智能体根据测量位置信息对所获取的第二位置信息进行优化处理得到目标定位信息，提高了第二智能体定位的准确度，在无需每台智能体上都搭载精确定位***的情况下，以较低的成本实现了异构智能无人集群的较高精度定位。

为更好地使第一智能体对第二智能体的相对位置信息进行获取，本申请实施例中的异构智能无人集群协同定位方法还对第一智能体进行了飞行路径的规划，图3是本申请实施例提供的异构智能无人集群协同定位方法的路径规划流程图，图3中的方法可以包括但不限于包括步骤S201至步骤S202：

步骤S201，获取第二智能体的目标定位信息；

在一些实施例中，目标定位信息为第二智能体根据测量位置信息进行优化处理自身所获取的第二位置信息所得，第二智能体能够将该目标定位信息发送给第一智能体，以使第一智能体获取第二智能体中的目标定位信息。

步骤S202，根据目标定位信息和第一位置信息进行飞行路径规划，得到规划路径；

在一些实施例中，第一智能体随着高度的上升探测信号将变弱，同样地，当第二智能体与第一智能体的距离大于预设范围时，第一智能体无法获得第二智能体的相对位置信息。在实际运动情况中，第二智能体处于无规则运行轨迹状态，并且在多个第二智能体同时运动的情况下，第一智能体不可能始终仅处于某一部分第二智能体的中心以控制该部分第二智能体。为最大限度地使尽量多的第二智能体进入第一智能体的预设距离阈值范围内，需要对第一智能体进行飞行路径规划，并得到规划路径。

需要说明的是，对第一智能体的飞行路径规划，能够使第一智能体在固有的预设距离阈值范围内，通过自身的移动，使尽量多的第二智能体进入到第一智能体的预设距离阈值范围内，以获取范围内的第二智能体的相对位置信息，使得第二智能体能够根据第一智能体发送的相对位置信息得到精度较高的目标定位信息。对第一智能体的飞行路径规划，使多个第二智能体能够及时获取到定位较为精准的测量位置信息，以得到定位精度更高的目标定位信息，在无需每台智能体上都搭载精确定位***以及在较低的成本实现了智能无人集群的高精度定位的情况下，通过对搭载高精度定位***的第一智能体进行飞行路径规划，进一步提高了异构智能无人集群的定位精度。同时，异构智能无人集群协同定位方式是由少部分第一智能体能够对剩余第二智能体进行定位优化，因此异构智能无人集群***具有可拓展性，在使用大规模集群执行感知等任务时，能够提高执行效率，缩短任务执行时间。

参照图4，图4是图3中的步骤S202的流程图，在一些实施例中，步骤S202中还可以包括步骤S301至步骤S304：

步骤S301，获取第二智能体的速度估计信息；

在一些实施例中，第一智能体能够获取预设距离阈值范围内的第二智能体的速度估计信息，第二智能体的速度估计信息能够使第一智能体获取预设距离阈值范围内的第二智能体的飞行情况，并通过此速度估计信息调整第一智能体的飞行路径。

在一些实施例中，第二智能体在运动的过程中会产生噪声，第一智能体能够对接收到的噪声进行处理，得到第二智能体的速度估计信息。

在一些实施例中，第一智能体可以对第二智能体的运动图像进行捕捉，根据图像中第二智能体的运动轨迹对第二智能体的速度进行估计并得到第二智能体的速度估计信息。

需要说明的是，第一智能体获取第二智能体的速度估计信息的方式不仅限于本申请实施例中所示例的方式，本申请实施例仅是以较佳实施例进行说明，并不做具体限制。

步骤S302，根据目标定位信息、测量位置信息、第一位置信息和速度估计信息得到第二智能体真实位置与测量位置之间的互信息；

在一些实施例中，第一智能体可以根据目标定位信息、测量位置信息、第一位置信息和速度估计信息得到第二智能体真实位置与测量位置之间的互信息，示例性地，第二智能体的目标定位信息表示第二智能体的真实位置

第二智能体自身获取的第二位置信息表示第二智能体的测量位置

x^1:表示第一智能体在1到t时刻的位置，v_i,1:t-1为第i个第二智能体在1到t-1时刻的速度估计信息，I(·,·)表示两个变量的互信息，并最大化时间T内N个弱智能体真实位置与测量位置的互信息，具体表示如下：

本申请实施例中用互信息来表示第二智能体真实位置与测量位置之间的相关性，互信息的值越大，表示第二智能体真实位置与测量位置之间的相关度越高，并以此提高异构智能无人集群定位的精确度。

步骤S303，根据互信息进行优化操作，以优化第一位置信息得到第三位置信息；

步骤S304，根据第三位置信息确定第一智能体的规划路径。

在一些实施例中，第一智能体对第二智能体的真实位置以及测量位置之间的互信息进行优化处理，并对第一位置信息进行优化操作，以获得第三位置信息，第三位置信息用来指示第一智能体的飞行路径。

在一些实施例中，第一智能体的第一位置信息表示第一智能体在当前时刻的位置信息，为了更好地向更多的第二智能体发送测量位置信息，需要对第一智能体进行飞行路径优化，根据第二智能体真实位置以及测量位置之间的互信息，可以对第一智能体的第一位置信息进行优化操作以得到用于指示第一智能体下一时刻飞行路径的第三位置信息，第三位置信息可以指导第一智能体的飞行路径，通过优化第一智能体的飞行路径来最大限度地使第二智能体进入第一智能体的预设距离阈值以提高第二智能体的定位精确度。

在一些实施例中，第三位置信息表示用于指示第一智能体下一时刻的动作状态。示例性地，第三位置信息包括第一智能体的上行、下行、前进、后退、向左或向右，当第三位置信息为上行且当下一时刻来临时，第一智能体将向上飞行，表示当第一智能体在下一时刻上行时能够最大程度地使第二智能体进入第一智能体的预设距离阈值，并为第二智能体提供测量位置信息。

需要说明的是，第一智能体的第三位置信息可以根据具体需要进行预设，并不限于所提到的上行、下行、前进、后退、向左或向右，还可以包括斜45°向左或者斜45°向右等第三位置信息，本申请实施例仅是以较佳实施例进行说明，并不做具体限制。

参照图5，图5是图4中的步骤S302的流程图，在一些实施例中，步骤S303中还可以包括步骤S401至步骤S404：

步骤S401，最大化互信息，得到用于描述第二智能体的不确定性的目标信息，基于目标信息得到各个第二智能体的第一状态信息；

在一些实施例中，互信息表示第二智能体真实位置和测量位置的相关度，为使其相关度最大化，取互信息的最大值，该值用于描述第二智能体的不确定性，并记为第二智能体的不确定性度量log detΣ_i,t。并通过第二智能体上搭载的惯性导航***可以得到第二智能体的速度、位置信息以及不确定性度量log detΣ_i,t共同构成第二智能体的第一状态信息。第一状态信息包括了第二智能体运行时的重要参数数据，第一智能体能够通过此第一状态信息建立用于第一智能体飞行路径规划的奖励函数，用于指导第一智能体的飞行路径规划。

参照图6，图6是图5中的步骤S401的流程图，在一些实施例中，步骤S401中还可以包括步骤S501至步骤S502：

步骤S501，获取当前时刻下各个第二智能体的第二位置信息、速度估计信息和测量位置信息；

步骤S502，根据当前时刻下的第二位置信息、速度估计信息、测量位置信息和目标信息得到各个第二智能体的第一状态信息。

具体地，用s_i,t表示第i个第二智能体在t时刻的第一状态信息，其中，第一状态信息包括，第二智能体在t时刻的位置

第二智能体在t时刻的速度估计

第二智能***置估计的不确定性log detΣ_i,t，以及t时刻第一智能体对第二智能体的测量位置信息

具体表示为：

第二智能体的第一状态信息包括了第二智能体对自身运动数据的测量、第一智能体对第二智能体运动数据的测量以及两者之间的不确定性度量值。第一状态信息较完整地包含了第二智能体的测量数据，能够使第一智能体根据此测量数据调整飞行路径。

步骤S402，根据第一位置信息及第一状态信息得到第一智能体及第二智能体的第二状态信息；

在一些实施例中，第一智能体和第二智能体共同构成异构智能无人集群，用s_t表示该异构智能无人集群的第二状态信息。示例性地，第一智能体上搭载的高性能传感器能够获取第一智能体自身运动的第一位置信息。在本申请实施例中，第一位置信息包括第一智能体的飞行速度、飞行位置等运动数据，并与第一状态信息共同构成异构智能无人集群的第二状态信息s_t。

在一些实施例中，用s_t表示异构智能无人集群***在t时刻的状态，其中，第二状态信息包括，所有第二智能体在t时刻的状态s_i,t以及t时刻第一智能体的第一位置信息x^t，具体表示为：

异构智能无人集群***的第二状态信息s_t包括了所有第二智能体在t时刻的状态s_i,t以及t时刻第一智能体的第一位置信息x^t，涵盖了第一智能体以及第二智能体的运动数据，能够使第一智能体根据异构智能无人集群***的整体运动信息来规划飞行路径。

步骤S403，获取第一智能体的速度指令，根据速度指令、第一状态信息和第二状态信息建立奖励函数；

步骤S404，根据奖励函数调整速度指令，并根据调整后的速度指令和第一位置信息得到第三位置信息。

在一些实施例中，为使第一智能体能够最大限度地使第二智能体进入第一智能体的预设距离阈值范围内，需要对第一智能体的飞行路径进行规划，使第一智能体从当前状态转到下一个状态时，有尽量多的第二智能体进入到第一智能体的预设阈值范围内，从而使第二智能体能够获取到第一智能体发送的测量位置信息。为此，根据第一智能体的速度指令、第二智能体的第一状态信息以及异构智能无人集群***的第二状态信息建立奖励函数，该奖励函数能够生成在各个速度指令下，当前状态通过该速度指令转变至下一时刻状态时的奖励值，该奖励值用来评价第一智能体通过速度指令转变至下一时刻状态时的效益表现，以指导第一智能体更好地获取速度指令。

在一些实施例中，第一智能体的速度指令包括速度大小以及速度方向，该速度方向为预设值，示例性地，在本申请实施例中，第一智能体的速度方向为上行，下行，前进，后退，向左或向右，速度大小则由第一智能体自身调节，速度指令能够指导第一智能体从当前时刻状态转至下一时刻状态。具体地，奖励函数表示为：

其中，s_t为异构智能无人集群在t时刻的第二状态信息，u_t为第一智能体在t时刻的速度指令，而s_t+1为异构智能无人集群在t+1时刻的第二状态信息。log detΣ_i,t表示第i个第二智能体在t时刻位置估计的不确定性，该值越大，则说明位置估计的不确定性越大，

用于计算所有第二智能***置估计不确定性的均值。log detΣ_t+1为所有第二智能***置估计不确定性的集合，σ(·)意为计算集合的方差，σ(log detΣ_t+1)意为计算所有第二智能***置估计不确定性的方差。通过最小化第二智能***置估计不确定性的方差，使得第一智能体不仅仅只关注一部分第二智能体，而是尽可能对所有第二智能体产生测量数据。α和β为调节因子，用于调节奖励函数对均值和方差的重视程度。奖励函数能够根据第一智能体、第二智能体以及他们所构成的异构智能无人集群的运动数据来优化第一智能体的飞行路径。

在一些实施例中，分别计算第一智能体通过上行、下行、前进、后退、向左或向右的速度指令从当前状态转至下一时刻状态时，奖励函数的奖励值，根据奖励函数的奖励值，示例性地，以奖励值最大的速度指令作为第一智能体的下一时刻飞行路径指示。

图7是本申请实施例提供的异构智能无人集群协同定位方法的另一个流程图，图7中的方法可以包括但不限于包括步骤S601至步骤S603：

步骤S601，获取第二智能体的第二位置信息；

在一些实施例中，第二智能体能够获取自身的第二位置信息，示例性地，第二智能体上搭载有惯性导航***，惯性导航***为一种自主导航***，其能够测量第二智能体运行时的运动数据，并通过计算，例如航推推算算法得到第二智能体的第二位置信息，即第二智能体对自身位置的估计，该位置估计可以提供第二智能体的大致位置，但定位精度较差。示例性地，第二智能体在运行的过程中会产生加速度、角加速度等运动数据，第二智能体上搭载的惯性导航***能够对获取到的加速度、角加速度等数据进行时间积分操作，以得到第二智能体的速度及位置数据，再将其变换到大地坐标系或者其他公认的坐标系中，得到第二智能体在大地坐标系或者其他公认的坐标系中的粗略位置估计。

步骤S602，若第二智能体与第一智能体之间的距离小于预设距离阈值，接收第一智能体发送的测量位置信息；其中，测量位置信息由第一智能体根据相对位置信息和第一位置信息计算得到，第一位置信息为第一智能体自身获取得到，相对位置信息为第一智能体在与环境中的第二智能体之间的距离小于预设距离阈值时获取得到；

步骤S603，根据测量位置信息和第二位置信息计算得到第二智能体的目标定位信息。

在一些实施例中，第一智能体设置有预设距离阈值，当第二智能体进入第一智能体的预设距离阈值范围内时，第一智能体能够获取预设阈值范围内的第二智能体的相对位置信息，第一智能体根据相对位置信息计算得到第二智能***置的测量位置信息并将该测量位置信息发送给第二智能体。示例性地，在图1中，第一智能体与第二智能体虚线相连表示第二智能体与第一智能体之间的距离小于第一智能体的预设距离阈值，此时，第二智能体进入第一智能体的预设距离阈值范围，第一智能体能够获取第二智能体相对于第一智能体的相对位置信息，根据此相对位置信息计算得到第二智能体的测量位置信息并发送给第二智能体，第二智能体能够接收第一智能体所发送的测量位置信息。

在一些实施例中，第一智能体预设距离阈值内的第二智能体在接收了第一智能体根据相对位置信息计算得出的测量位置信息后，能够根据该测量位置信息和自身所获取的第二位置信息得到目标定位信息，目标定位信息表示第二智能体当前的定位信息。示例性地，在图1中，第一智能体与第二智能体虚线相连表示第二智能体与第一智能体之间的距离小于预设距离阈值，此时第一智能体能够获取距离阈值范围内的第二智能体相对于第一智能体的相对位置信息并计算得到测量位置信息后发送给第二智能体，由相应的第二智能体接收该测量位置信息。

需要说明的是，若预设距离阈值范围内的第二智能体接收到了由第一智能体发送的测量位置信息，则目标定位信息为测量位置信息；若第二智能体不在第一智能体的预设距离阈值范围内，则目标定位信息为第二位置信息。

第一智能体能够获取预设距离阈值范围内的第二智能体相对于第一智能体的相对位置信息。例如，在图1中，第一智能体与第二智能体虚线相连表示第二智能体与第一智能体之间的距离小于预设距离阈值，此时第一智能体能够获取距离阈值范围内的第二智能体相对于第一智能体的相对位置信息；而无虚线相连的第一智能体和第二智能体则表示第二智能体不在第一智能体的预设距离阈值范围内，此时第一智能体无法获取距离阈值范围内的第二智能体相对于第一智能体的相对位置信息。

为使第一智能体对第二智能体的相对位置信息进行获取，第二智能体需要向第一智能体发送速度估计信息，图8是本申请实施例提供的异构智能无人集群协同定位方法的又一个流程图，图8中的方法可以包括但不限于包括步骤S701至步骤S702：

步骤S701，获取第二智能体的速度估计信息；

步骤S702，向第一智能体发送速度估计信息，以使第一智能体根据目标定位信息、测量位置信息、第一位置信息和速度估计信息得到各个第二智能体真实位置与测量位置之间的互信息，并根据互信息进行优化操作，以优化第一位置信息得到第三位置信息，以使第一智能体根据第三位置信息确定第一智能体的规划路径。

在一些实施例中，第二智能体上搭载有惯性导航***，该惯性导航***能够获取第二智能体在运行时的速度估计信息，具体地，速度估计信息包括第二智能体的速度大小及速度方向。当第二智能体进入第一智能体的预设距离阈值范围内时，将该速度估计信息发送给第一智能体。

在一些实施例中，第二智能体通过自身搭载的惯性导航***获取自身的速度估计信息，该速度估计信息包括速度大小和速度方向，第一智能体上设置有预设距离阈值，当第二智能体与第一智能体之间的距离小于预设距离阈值时，第二智能体能够将获取的速度估计信息发送给第一智能体，第一智能体接收该速度估计信息并根据目标定位信息、测量位置信息、第一位置信息和速度估计信息得到各个第二智能体真实位置与测量位置之间的互信息，根据该互信息优化第一位置信息得到第三位置信息，用该第三位置信息对第一智能体的飞行路径进行规划。第二智能体的速度估计信息为第一智能体的规划路径提供了重要的参数，以使第一智能体能够通过路径规划提高异构智能无人集群的整体定位精度。

进一步地，本申请实施例提供的异构智能无人集群协同定位方法中还包括：第二位置信息、速度估计信息和测量位置信息均为当前时刻下的信息，第一智能体根据当前时刻下的第二位置信息、速度估计信息、测量位置信息和目标信息得到各个第二智能体的第一状态信息。

在一些实施例中，第二位置信息由第二智能体通过自身搭载的惯性导航***获取得到，速度估计信息包括速度大小和速度方向，为第二智能体通过自身搭载的惯性导航***获取得到，测量位置信息由第一智能体通过第二位置信息和相对位置信息计算得到，目标信息由第一智能体根据第二智能体的真实位置和测量位置之间的互信息计算得到，第二位置信息、速度估计信息、测量位置信息和目标信息均为当前时刻下的运动数据，且共同构成了第一状态信息，第一状态信息能够为第一智能体所用以优化第一智能体的飞行路径，目的是使最大限度地使第二智能体进入第一智能体的预设距离阈值范围内，使多个第二智能体能够及时获取到定位较为精准的测量位置信息，以得到定位精度更高的目标定位信息，在无需每台智能体上都搭载精确定位***以及在较低的成本实现了智能无人集群的高精度定位的情况下，通过对搭载高精度定位***的第一智能体进行飞行路径规划，进一步提高了异构智能无人集群的定位精度。

需要说明的是，本申请实施例中的异构智能无人集群协同定位方法通过少部分第一智能体搭载价格较昂贵的高性能定位设备对剩余第二智能体进行定位优化，在较低的成本下实现了异构智能无人集群的较高精度定位。同时，异构智能无人集群协同定位方式是由少部分第一智能体能够对剩余第二智能体进行定位优化，因此异构智能无人集群***具有可拓展性，在使用大规模集群执行感知等任务时，能够提高执行效率，缩短任务执行时间。

本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述异构智能无人集群协同定位方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

参照图9，图9本申请实施例提供的电子设备的硬件结构示意图，电子设备包括：

处理器801，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器802，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器802可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行本申请实施例的异构智能无人集群协同定位方法；

输入/输出接口803，用于实现信息输入及输出；

通信接口804，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线805，在设备的各个组件(例如处理器801、存储器802、输入/输出接口803和通信接口804)之间传输信息；

其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述异构智能无人集群协同定位方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种异构智能无人集群协同定位方法，其特征在于，应用于第一智能体中，所述方法包括：

获取所述第一智能体的第一位置信息；

若所述第一智能体与环境中第二智能体之间的距离小于预设距离阈值，获取所述第二智能体相对所述第一智能体的相对位置信息；

根据所述相对位置信息和所述第一位置信息计算得到用于校准所述第二智能***置的测量位置信息；

向所述第二智能体发送所述测量位置信息，以使所述第二智能体在获取自身的第二位置信息后，根据所述第二位置信息和所述测量位置信息计算得到所述第二智能体的目标定位信息。

2.根据权利要求1所述的异构智能无人集群协同定位方法，其特征在于，所述方法还包括：

获取所述第二智能体的所述目标定位信息；

根据所述目标定位信息和所述第一位置信息进行飞行路径规划，得到规划路径；

根据所述规划路径控制所述第一智能体的飞行状态，以使所述第一智能体在所述规划路径上飞行。

3.根据权利要求2所述的异构智能无人集群协同定位方法，其特征在于，所述目标定位信息表征所述第二智能体的真实位置，所述测量位置信息表征所述第二智能体的测量位置；所述根据所述目标定位信息和所述第一位置信息进行飞行路径规划，得到规划路径，包括：

获取所述第二智能体的速度估计信息；

根据所述目标定位信息、所述测量位置信息、所述第一位置信息和所述速度估计信息得到所述第二智能体真实位置与测量位置之间的互信息；

根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息；

根据所述第三位置信息确定所述第一智能体的规划路径。

4.根据权利要求3所述的异构智能无人集群协同定位方法，其特征在于，所述第二智能体有多个；所述根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息，包括：

最大化所述互信息，得到用于描述所述第二智能体的不确定性的目标信息，基于所述目标信息得到各个所述第二智能体的第一状态信息；

根据所述第一位置信息及所述第一状态信息得到所述第一智能体及第二智能体的第二状态信息；

获取所述第一智能体的速度指令，根据所述速度指令、所述第一状态信息和所述第二状态信息建立奖励函数；

根据所述奖励函数调整所述速度指令，并根据调整后的所述速度指令和所述第一位置信息得到第三位置信息。

5.根据权利要求4所述的异构智能无人集群协同定位方法，其特征在于，所述基于所述目标信息得到各个所述第二智能体的第一状态信息，包括：

获取当前时刻下各个所述第二智能体的所述第二位置信息、所述速度估计信息和所述测量位置信息；

根据当前时刻下的所述第二位置信息、所述速度估计信息、所述测量位置信息和所述目标信息得到各个所述第二智能体的第一状态信息。

6.一种异构智能无人集群协同定位方法，其特征在于，应用于第二智能体中，所述方法包括：

获取所述第二智能体的第二位置信息；

若所述第二智能体与第一智能体之间的距离小于预设距离阈值，接收所述第一智能体发送的测量位置信息；其中，所述测量位置信息由所述第一智能体根据相对位置信息和第一位置信息计算得到，所述第一位置信息为所述第一智能体自身获取得到，所述相对位置信息为所述第一智能体在与环境中的所述第二智能体之间的距离小于所述预设距离阈值时获取得到；

根据所述测量位置信息和所述第二位置信息计算得到所述第二智能体的目标定位信息。

7.根据权利要求6所述的异构智能无人集群协同定位方法，其特征在于，所述第二智能体有多个，所述目标定位信息表征所述第二智能体的真实位置，所述测量位置信息表征第二智能体的测量位置，所述第一位置信息由第一智能体获取得到；所述方法还包括：

获取所述第二智能体的速度估计信息；

向所述第一智能体发送所述速度估计信息，以使所述第一智能体根据所述目标定位信息、所述测量位置信息、所述第一位置信息和所述速度估计信息得到各个所述第二智能体真实位置与测量位置之间的互信息，并根据所述互信息进行优化操作，以优化所述第一位置信息得到第三位置信息，以使所述第一智能体根据所述第三位置信息确定所述第一智能体的规划路径。

8.根据权利要求7所述的异构智能无人集群协同定位方法，其特征在于，所述第二位置信息、所述速度估计信息和所述测量位置信息均为当前时刻下的信息，所述第一智能体根据当前时刻下的所述第二位置信息、所述速度估计信息、所述测量位置信息和所述目标信息得到各个所述第二智能体的所述第一状态信息。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的异构智能无人集群协同定位方法、或实现权利要求6至8任一项所述的异构智能无人集群协同定位方法。

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的异构智能无人集群协同定位方法、或实现权利要求6至8任一项所述的异构智能无人集群协同定位方法。

Images