为解决室内环境下的非视距(NLOS)、多径传播以及欠观测条件下的量测系统误差给测距定位带来较大误差的问题,提出了改进增量卡尔曼滤波以消除定位误差的算法。该算法运用增量卡尔曼滤波对由超宽带(UWB)室内定位系统得到的距离值进行去噪,避免了受环境、测量设备等因素影响或者难以自校准由量测方程带来的系统误差而导致较大的卡尔曼滤波误差问题;然后运用经典Chan定位算法对目标标签实现定位获得定位结果。实验和仿真表明,与传统的小波去噪和卡尔曼滤波相比,该定位算法数据稳定性好,误差减小,显著提高了定位精度。

针对低成本惯性测量单元(IMU)在室内定位应用中普遍存在漂移严重、精度较低等问题,通过实验分析低成本传感器误差特点,并提取其定位误差特征,提出一种基于低成本IMU的自动导引车(AGV)室内实时定位误差补偿方法,以提高其定位精度。为解决惯性导航位置解算存在累积误差的问题,将RFID电子标签作为参考节点,实现累积误差的定期消除,进一步提高AGV的定位精度。实验验证表明,相较于单纯使用低成本IMU定位,这里方法定位精度提高了31%。

针对轮式里程计误差随时间累积和UWB数据抖动以及非视距问题导致的粗大误差,提出一种基于卡尔曼滤波的数据融合方法,有望在单片机上实现长时高精度定位。该方法使用里程计对UWB数据进行非视距情况判断,然后使用卡尔曼滤波算法对里程计和UWB数据进行不同信赖度下的融合,再使用融合后的数据对里程计数据进行累计误差修正以提高系统长时间运行的精度和稳定性。仿真和实验结果表明:系统可以检测到UWB的视距状态,同时能对里程计数据进行修正,在具

基于超声波测距原理,提出了一种室内定位方法与系统。定位区域划分成M×L个方格,在每个方格的4个角上各安装1个带有无线通信功能的超声波测距模块构成定位基点,其坐标是已知的。移动目标根据每个定位基点超声波测距结果,计算出与每个定位基点的距离,再根据这些距离计算出其在定位区域内的坐标。移动目标将计算出的坐标数据通过无线通信上传到上位机进行显示、处理及保存。实验结果表明,定位偏差不大于5cm。

随着机器人技术的日益发展，机器人的室内定位方法和精度要求也越来越高。文章针对实体四轮机器人进行运动学建模，根据机器人的平移与转动对其空间坐标的转换进行了数学建模，受到GPS的定位原理的启发，利用四片高性能单片机与机器人在室内环境下模拟室内机器人定位系统，基于实验平台进行定位实验研究对该系统进行验证，通过对比pc机控制行走轨迹与采用该室内定位系统后的行走轨迹，将实验结果导入到MATLAB中进行仿真，对比前后的机器人行走轨迹图，验证了该定位系统的准确性。