基于多传感器融合的叉车型AGV定位技术研究

对移动机器人定位问题进行研究,提出一种改进的正态分布变换-无迹卡尔曼滤波(NDT-UKF)算法。该算法利用无迹卡尔曼滤波(UKF)对移动机器人编码器数据及激光雷达观测数据进行融合。相比于扩展卡尔曼滤波(EKF),采用无迹卡尔曼滤波进行数据融合时,无需对系统的非线性方程进行线性化处理,因此不存在系统线性化误差。同时,无迹卡尔曼滤波也不需要求解系统非线性方程的雅可比矩阵,对于复杂的非线性系统,减小了计算量。为了对提出的算法进行验证,以叉车型自动导引小车(AGV)为背景,在Matlab R2019b软件中对提出的算法进行仿真,并将仿真结果与NDT算法、NDT-EKF算法进行对比。结果表明,提出的NDT-UKF算法定位精度更高。该研究为移动机器人定位提供了一种新思路,并且定位精度的提高有利于创建高度一致性的环境地图。