典型文献
基于多传感器融合的移动机器人定位
文献摘要：
针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题, 提出了一种基于多传感器融合的移动机器人定位方法. 首先, 在未知环境下, 分别利用单一里程计, 扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit, IMU)进行定位, 实验表明他们存在累积误差; 然后, 在已知环境下, 利用自适应蒙特卡洛定位(adaptive Monte Carlo localization, AMCL)算法, 融合里程计、IMU、激光雷达进行定位. 最后, 实验结果表明, 该方法可以对累积误差进行校正, 相较于未知环境下的单一里程计定位与EKF算法融合定位, 误差均值分别减少了68％、30％, 验证了所提出定位方法的有效性以及环境地图的重要性.
文献关键词：
移动机器人;定位;多传感器融合;扩展卡尔曼滤波;自适应蒙特卡洛
中图分类号：
作者姓名：
袁千贺;田昕;沈斯杰
作者机构：
上海理工大学 光电信息与计算机工程学院, 上海 200093;上海理工大学 理学院, 上海 200093
文献出处：
引用格式：
[1]袁千贺;田昕;沈斯杰-.基于多传感器融合的移动机器人定位)[J].计算机系统应用,2022(03):136-142
A类：
B类：
多传感器融合,移动机器人定位,定位系统,一传,定位精度,环境地图,定位方法,未知环境,一里,里程计,扩展卡尔曼滤波,extended,Kalman,filter,EKF,算法融合,惯性测量单元,inertial,measurement,unit,IMU,累积误差,自适应蒙特卡洛,蒙特卡洛定位,adaptive,Monte,Carlo,localization,AMCL,激光雷达,融合定位,误差均值
AB值：
0.314102
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
