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）
