AiBrainBox-USV 通感算控一体化集群架构（GNSS拒止环境）

AiBrainBox-USV

USV（无人水面艇）的GNSS拒止难度，比UAV/UGV更高一档

——因为水面环境存在“低特征 + 强反射 + 动态扰动（浪/流）

GNSS拒止 + 水面低特征环境 + 多艇协同一致性

• UAV → 视野好，VIO容易

• UGV → 有结构（道路/墙）

• USV → 几乎没有稳定视觉特征 + 水面动态

👉 结论：

USV不能依赖单一视觉或激光雷达，必须走“多模态约束融合 + 外部参照体系”

传感器

1️⃣ 主定位传感器（核心层）

（1）高等级 IMU

• 等级：战术级（≥0.1°/hr bias instability）

• 作用：

  • 短时主导定位（抗GNSS）

  • 抵抗波浪引起的高频扰动

• 建议：

  • 双IMU冗余（正交布置）

  • 支持故障检测

👉 USV比UGV更依赖IMU

---

（2）多普勒测速

A：水体参考（DVL）

• 水下多普勒测速

• 提供相对水体速度

B：地面参考（ADCP / Bottom Track DVL）

• 浅水区可直接对地测速

👉 强烈建议：

至少配置一种“速度观测源”，否则INS会发散

---

（3）毫米波雷达（主感知 + 弱定位）

• 作用：

  • 障碍物检测（船、浮标）

  • 相对定位（多艇之间）

• 优势：

  • 抗雾、抗雨、夜间稳定

• 建议：

  • 77GHz优先（分辨率更高）

  • 支持多目标跟踪

---

2️⃣ 环境感知层

（4）激光雷达

• 使用场景：

  • 港口 / 近岸 / 桥梁环境

• 限制：

  • 开阔水面价值有限（无点云结构）

👉 建议：

选配，不作为主定位

---

（5）视觉系统

• 主要作用：

  • 目标识别（船只、障碍物）

  • 语义理解（航道、码头）

  • 辅助定位（岸线特征匹配）

👉 推荐：

• 多目环视 + AI

• 可加偏振相机（减少水面反射）

---

（6）UWB

• 用于：

  • 多USV之间相对定位

  • 编队保持

• 优势：

  • 不依赖环境特征

  • GNSS拒止下极其稳定

👉 建议：

每艇2-3节点 UWB（形成UWB协同定位网络）

---

3️⃣ 外部参考

（7）岸基/浮标定位节点

• 可部署：

  • UWB Anchor

  • 雷达反射标

  • 视觉标志（AprilTag）

👉 作用：

• 提供“全局坐标锚点”

• 解决漂移问题

---

融合定位算法：

1️⃣ 融合定位（核心）

• IMU + DVL + Radar + UWB + Vision

• 方法：

  • 因子图（Factor Graph）

  • 滑动窗口优化

---

2️⃣ 水面SLAM（可选）

• 只在：

  • 港口 / 内河

• 方法：

  • Radar SLAM

  • Semantic SLAM

---

3️⃣ 多艇协同定位

• 分布式融合：

  • 通信共享

  • UWB约束

  • 每艇局部图

👉 本质：

Multi-agent SLAM

---

通信层（Comm）

1️⃣ 主链路

• 自组网（Mesh）

• 频段：

  • 900MHz / 1.4GHz（远距离）

---

2️⃣ 辅助链路

• 4G/5G（近岸）

• 卫星（远海）

---

---

集群核心能力

1️⃣ 坐标系统一

方法组合：

• UWB相对坐标

• 初始对齐（起始GNSS or 人工）

• 回环检测（视觉 / 雷达）

👉 推荐：

分层坐标：

• Local frame（每艇）

• Swarm frame（集群）

• Global（可选）

---

2️⃣ 编队控制

• Leader-Follower

• 或分布式控制

---

3️⃣ 任务协同

• 任务链（Task Graph）

• 时间同步（软同步 + 事件驱动）

AiBrainBox-USV 总体架构图（通·感·算·控·协同）