具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大,计算量随群规模指数增长,可扩展性差等诸多不足,提出了一种基于超松弛迭代(SOR)的分布式多智能体轨迹估计算法,通过将最大似然(ML)准则下的轨迹估计转化为两级线性优化问题,并综合利用分布式超松弛迭代(Distributed SOR)和标记初始化方法,加快求解速度并简化信息交换流程,最终实现了多智能体位姿轨迹优化和协作定位.实验表明,所提的分布式方法能达到集中式算法的精度水平,在49个智能体规模条件下,位置估计误差小于0.15m,姿态估计误差小于0.03°,且数据交换量仅到现有主流分布式方法DDF SAM的0.06％,能很好用于大规模集群的场景.