摘 要: | 针对室内自动导引运输车(Automated Guided Vehicle,AGV)定位偏差大、精度不足的问题,提出了一种基于主观贝叶斯网络的传感器数据融合定位方法.该方法首先结合卡尔曼滤波模型,对不同传感器的数据进行滤波处理,并通过主观贝叶斯网络模型计算信息增益大小,从而自主地选择传感器数据;再将选择的传感器数据进行融合;最后根据融合后的传感器信息进行AGV位置状态更新,获得更精确的AGV位姿信息.仿真实验结果表明,在室内实验环境中,主观贝叶斯网络融合算法能够实现多传感器的数据互补.与RUKF算法相比,该方法的均方根误差缩小到了0.17 m,定位精度提高了43.6%,定位时间缩短了0.071 s,效率提高了4.5%,数据稳定性提高了47.8%,其定位偏差明显小于单传感器的定位偏差,证明了该方法的有效性.
|