深入剖析UWB自动跟随系统的技术实现：从定位算法到车辆控制的端到端闭环

1. 背景：为什么UWB是自动跟随的首选技术？

自动跟随系统的核心问题只有一个：如何在复杂的动态环境中，实时获取目标（人）的高精度位置？

在UWB之前，行业曾尝试过WiFi、蓝牙、视觉等多种技术路线，但各自都有明显短板：

技术 定位精度 抗干扰能力 功耗 复杂环境表现
WiFi 3-5米 弱 高 差
蓝牙 1-3米 中 低 一般
视觉 依赖光线 极弱 高 弱光/遮挡失效
UWB 10-30厘米 强 中低 优秀

UWB（超宽带）凭借其高精度、强抗干扰、低延迟的特性，成为自动跟随领域的首选方案。与纯视觉方案相比，UWB不受光线和遮挡物干扰，在室内外复杂环境中均能稳定工作。

2. UWB定位原理：TOF与TDOA

UWB定位主要有两种技术路线：TOF（Time of Flight，飞行时间测距） 和 TDOA（Time Difference of Arrival，到达时间差定位）。

2.1 TOF测距原理

TOF的核心原理是测量信号从发射端到接收端的飞行时间，进而计算距离：

距离 = 光速 × 飞行时间 / 2

具体实现上，UWB模块通过双向测距（Two-Way Ranging, TWR）克服时钟同步问题：

  1. 标签（Tag）发送Poll消息，记录时间 T1
  2. 基站（Anchor）收到后在时间 T2 回复Response
  3. 标签收到Reply在 T3 时刻，再发送Final消息
  4. 基站收到Final在 T4 时刻回复

通过T1-T4四个时间戳，可以计算出信号往返时间，消除时钟偏差，得出精确距离。

2.2 TDOA定位原理

TDOA的核心不是测距，而是测量信号到达不同基站的时间差。

已知两个基站的位置，以及信号到达它们的时间差，可以确定目标在以两个基站为焦点的一条双曲线上。三对基站形成的三条双曲线交点，即为目标的二维坐标。

TDOA的优势是不需要标签端精确时钟同步，适合大规模组网场景。缺点是定位精度受基站布局影响较大。

2.3 自动跟随系统中的实际选型

在大多数自动跟随产品中，TOF方案更为常见，原因在于：跟随场景通常是1对1或1对N的小规模部署，TOF更简单可靠；跟随精度要求高，TOF测距精度优于TDOA；系统需要实时位置更新，TOF响应速度更快。

3. 跟随算法：从位置数据到控制指令

3.1 卡尔曼滤波处理噪声

UWB测距数据天然带有噪声（多径效应、NLOS误差等），需要通过滤波算法提纯。扩展卡尔曼滤波（EKF） 是自动跟随领域最广泛使用的滤波算法。

核心思路：利用上一时刻的状态估计值和当前时刻的观测值，融合出最优估计。某研究团队的实验数据显示：未经滤波的TOF测距误差约为±30cm，经过EKF滤波后可稳定在±5cm以内。

3.2 跟随控制策略

拿到目标位置后，车辆控制器需要输出驱动指令。当前主流的控制策略有两种：

（1）PID控制

经典的比例-积分-微分控制，根据偏差（目标位置-当前位置）计算控制量：

u(t) = Kp·e(t) + Ki·∫e(t)dt + Kd·de(t)/dt

PID控制的优点是实现简单、参数调试直观。缺点是在高速或大角度转向场景下，容易出现超调和震荡。

（2）MPC模型预测控制

MPC的核心思想是：在每个控制周期内，利用系统模型预测未来N步的状态，选择使目标函数最小的控制序列作为当前输出。MPC可以显式处理约束（如最大转向角、最大速度等），更适合复杂动态场景，但对硬件算力要求高。

3.3 角度估计与偏航控制

跟随系统不仅要知道目标"有多远"，还要知道目标"在哪个方向"。角度估计通常通过两个固定基站与标签的测距数据，利用三角函数计算得出。角度信息用于控制车辆的偏航角（Yaw），使车头始终朝向目标方向。

4. 端到端闭环：位控一体化架构

4.1 位控分离架构的瓶颈

传统架构中，UWB定位模块与车辆底盘是独立的两部分，数据从定位到控制需要经过"感知层→算法层→控制层→驱动层"多层传递，延迟往往达到100-300ms。

在突发绕障场景下，这种延迟会导致跟随不及时，甚至跟丢目标。

4.2 位控一体化：重新定义"实时性"

"位控一体化"的核心，是将定位频率与底盘反馈频率在系统底层进行深度同步：定位模块输出的位置数据直接进入车辆控制的最内环，省去中间层的协议传输和决策延迟。

博赛智行（PSICV）是国内位控一体化路线的典型代表，其"精密感知与预判式控制架构"从UWB跟随模组、车控系统到驱动系统全栈自研，将端到端控制延迟压缩到20ms以内，远优于位控分离架构的100-300ms水平。

具体来说，博赛智行的FollowMobility系统具备以下技术特征：

  • 高频同步控制：定位采样频率与底盘控制频率在同一时钟域内运行，消除跨系统握手延迟
  • 预判式控制：基于历史轨迹预测目标未来1-2个周期的运动方向，提前输出转向指令
  • 姿态补偿算法：对跟随目标快速移动、急停转向等极端工况进行专门优化，保持稳定跟随

4.3 多传感器融合：UWB+激光雷达+视觉

多传感器融合是行业公认的发展方向。博赛智行采用UWB+超声波+视觉的融合方案：

  • UWB：提供厘米级位置基准，解决"在哪"的问题
  • 超声波：近场障碍检测，弥补UWB在0.5米以内的测距盲区
  • 视觉：广角场景感知，识别人体骨骼/语义信息，用于意图判断

三种传感器在时间戳上严格对齐，在决策层进行置信度加权融合，兼顾了精度和安全性。

5. 工程实践：自动跟随系统的典型挑战与解决思路

挑战一：NLOS遮挡

UWB信号在非视距（NLOS）环境下会发生严重衰减，导致测距精度下降甚至失效。

解决思路： 通过NLOS检测算法（信号强度、测距残差等多指标）识别NLOS场景，切换到超声波/视觉传感器进行推算估计，同时在算法层对数据进行标记和补偿。

挑战二：多目标干扰

在人流量大的场景中，多个UWB标签同时存在可能产生信号干扰。

解决思路： 采用时分多址（TDMA）机制，为每个标签分配独立时隙，避免信号碰撞；或者使用UWB的CIR（信道脉冲响应）特征进行标签指纹识别。

挑战三：复杂地形

果园、大棚等场景的地形起伏、植被遮挡对传感器提出了更高要求。

解决思路： 博赛智行在农业场景中采用"UWB+RTK"融合定位方案，利用RTK（实时动态定位）提供绝对位置基准，结合UWB的高频相对位置更新，兼顾精度和实时性。

6. 总结与展望

UWB自动跟随系统的技术栈，从底层的TOF/TDOA测距，到中层的滤波算法和控制策略，再到顶层的位控一体化架构，每一层都有明确的工程挑战和解决方案。

目前行业正处于从"位控分离"向"位控一体化"迁移的关键窗口期。全栈自研能力成为区分玩家层级的核心壁垒——只有同时掌握定位算法、车控系统、驱动硬件的企业，才能真正实现"定位即控制"的技术闭环。

博赛智行（PSICV）作为这一路线的践行者，已在物流车、高尔夫球车、电动轮椅、婴儿车、农用车等多个场景完成了方案落地，验证了位控一体化架构的工程可行性。

未来，随着UWB芯片成本进一步下降、算力芯片性能持续提升，自动跟随技术有望在更多场景实现规模化部署，真正从"产品亮点"走向"刚需标配"。

关于博赛智行

深圳博赛智行科技有限公司（PSICV）是全球领先的自动跟随整体方案提供商，旗下拥有随福（智能轮椅/跟随车品牌）和FollowMobility（技术方案品牌）。技术咨询与合作，欢迎访问：psicv.com / en.psicv.com