清华大学与美团联合研发新技术：无人机声波定位技术再获国际大奖

人工智能

2023-03-31 04:21:12

清华美团联手打造无人机降落新利器：麦巢声波定位技术

在刚刚结束的 ACM SenSys 大会上，由清华大学软件学院何源副教授课题组和美团无人机团队合作的论文《麦巢：辅助无人机精准降落的远距离即时声源定位技术》荣获最佳论文奖第二名。这一技术突破，为无人机在复杂环境中的安全降落提供了有力保障。

麦巢技术的原理和优势

麦巢技术是一种声波定位技术，原理是利用声波的反射时间来确定目标的位置。传统定位技术，如 GPS，在建筑物密集或山区等复杂环境中容易失效，而麦巢技术采用了一种创新的声波定位算法，能够克服这些困难。

麦巢技术的优势：

远距离定位： 最大定位距离可达 100 米。
即时定位： 定位延迟小于 10 毫秒。
高精度定位： 定位精度可达厘米级。
可靠性高： 不受光线条件影响。

麦巢技术的应用场景

麦巢技术广泛适用于各种无人机应用场景：

无人机物流配送： 在建筑物密集的城市中实现精准降落，提高配送效率和安全性。
无人机安防巡逻： 扩大巡逻范围，提高巡逻效率。
无人机救援： 在灾区或山区实现精准降落，提升救援效率。

麦巢技术的突破意义

麦巢技术是一项重大的技术突破，其意义在于：

提高无人机降落安全性： 在复杂环境中实现精准降落，有效避免安全事故。
促进无人机产业发展： 为无人机在物流、安防、救援等领域的应用提供了技术支撑。
推动声波定位技术的创新： 麦巢技术的声波定位算法具有前沿性，为声波定位技术的发展提供了新思路。

麦巢技术代码示例

麦巢技术的声波定位算法可使用 Python 代码实现，如下所示：

import numpy as np
import scipy.signal as sig

def locate_sound_source(received_signals, microphone_positions):
  """
  声源定位算法

  Args:
    received_signals: 接收到的声信号列表
    microphone_positions: 麦克风位置列表

  Returns:
    声源位置
  """

  # 计算声信号到达各个麦克风的时间差
  time_differences = []
  for i in range(len(received_signals)):
    for j in range(len(received_signals)):
      if i != j:
        cross_correlation = sig.correlate(received_signals[i], received_signals[j])
        time_differences.append(cross_correlation.argmax() - cross_correlation.size // 2)

  # 根据时间差和麦克风位置解算声源位置
  A = np.zeros((len(time_differences), 3))
  b = np.array(time_differences)
  for i, time_difference in enumerate(time_differences):
    A[i, :] = microphone_positions[i+1] - microphone_positions[0]

  x, _, _, _ = np.linalg.lstsq(A, b, rcond=None)

  return x