一种融合卡尔曼滤波的室内组合定位算法

摘要

为了提高室内移动机器人的定位精度,提出一种抑制定位误差的Chan Taylor Kalman组合定位算法。该算法在Chan Taylor协同定位算法基础上,引入权重因子,再融合卡尔曼滤波算法优化定位观测数据,从而得到最终的目标估计值。实验结果表明:相比Chan Taylor协同定位算法,Chan Taylor Kalman组合定位算法的定位均方根误差静态环境下在7.54 cm,下降了约13.2%,动态环境下则集中在9 cm,定位性能更稳定,能满足室内移动机器人定位精度的要求。