In wireless sensor networks, spatially distributed nodes provide location-dependent sensor information. Therefore, knowledge about the 3D position of all nodes is crucial for the numerous applications that require autonomous mobility. Furthermore, to acquire the nodes’ poses and the complete 6D network constellation, the 3D orientation of each node is also required. While many theoretical localization concepts exist for wireless sensor networks, there is still a lack of reliable system and localization concepts which enable robust real-time tracking in real-world scenarios. Therefore, we present a system approach based on an advanced 24 GHz wireless local positioning system, providing distance and angle measurements between pairs of nodes. Furthermore, an extended Kalman filter based localization algorithm is proposed, which evaluates these measurements to track the time varying 6D poses of all nodes in the network. Because only relative measurements are available, one node is chosen to define a joint navigation system. Hence, the proposed system works without any previously installed infrastructure or prior information of the network. The system and localization algorithm are validated by measurements performed in a mobile wireless sensor network comprising six nodes in an indoor scenario with strong multipath propagation. However, despite the challenging environment, the system allows for a stable and accurate 6D pose estimation of all robots in the network with 3D positioning root mean square errors of 6 to 15cm.

中文翻译：

---

基于距离和角度测量的协作机器人群无线本地定位系统概念和 6D 定位方法

在无线传感器网络中，空间分布的节点提供与位置相关的传感器信息。因此，了解所有节点的 3D 位置对于需要自主移动性的众多应用至关重要。此外，为了获取节点的姿态和完整的 6D 网络星座，还需要每个节点的 3D 方向。虽然无线传感器网络存在许多理论定位概念，但仍然缺乏可靠的系统和定位概念，可以在现实世界场景中实现稳健的实时跟踪。因此，我们提出了一种基于先进的 24 GHz 无线本地定位系统的系统方法，提供节点对之间的距离和角度测量。此外，提出了一种基于扩展卡尔曼滤波器的定位算法，它评估这些测量以跟踪网络中所有节点随时间变化的 6D 姿态。因为只有相对测量可用，所以选择一个节点来定义联合导航系统。因此，所提出的系统无需任何先前安装的基础设施或网络的先前信息即可工作。该系统和定位算法通过在具有强多径传播的室内场景中包括六个节点的移动无线传感器网络中执行的测量得到验证。然而，尽管环境充满挑战，该系统仍可对网络中的所有机器人进行稳定、准确的 6D 姿态估计，3D 定位均方根误差为 6 至 15 厘米。选择一个节点来定义联合导航系统。因此，所提出的系统无需任何先前安装的基础设施或网络的先前信息即可工作。该系统和定位算法通过在具有强多径传播的室内场景中包括六个节点的移动无线传感器网络中执行的测量得到验证。然而，尽管环境充满挑战，该系统仍可对网络中的所有机器人进行稳定、准确的 6D 姿态估计，3D 定位均方根误差为 6 至 15 厘米。选择一个节点来定义联合导航系统。因此，所提出的系统无需任何先前安装的基础设施或网络的先前信息即可工作。该系统和定位算法通过在具有强多径传播的室内场景中包括六个节点的移动无线传感器网络中执行的测量得到验证。然而，尽管环境充满挑战，该系统仍可对网络中的所有机器人进行稳定、准确的 6D 姿态估计，3D 定位均方根误差为 6 至 15 厘米。该系统和定位算法通过在具有强多径传播的室内场景中包括六个节点的移动无线传感器网络中执行的测量得到验证。然而，尽管环境充满挑战，该系统仍可对网络中的所有机器人进行稳定、准确的 6D 姿态估计，3D 定位均方根误差为 6 至 15 厘米。该系统和定位算法通过在具有强多径传播的室内场景中包括六个节点的移动无线传感器网络中执行的测量得到验证。然而，尽管环境充满挑战，该系统仍可对网络中的所有机器人进行稳定、准确的 6D 姿态估计，3D 定位均方根误差为 6 至 15 厘米。