基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带（UWB）的无人车定位波动大和定位误差大的问题，提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先，建立了一套UWB基站定位系统，用于采集无人车UWB定位数据信息；然后，利用加权递推平均滤波算法对UWB定位数据信息处理，提升定位结果的稳定性；最后，结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合，得到最终的定位结果。经过无人车静止和移动场景的多组定位测试，结果表明，静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%，稳定性得到了一定的提升；移动场景下，采用加权递推平均滤波和卡尔曼滤波融合算法处理后，直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%，定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性，具有一定的推广使用价值。