鲁棒协作定位算法

抗异常测量

该算法通过粒子近似和协方差交叉法融合机器人间相对测量，抑制异常测量的影响，实现高精度定位。

Wang, Miao · 刘青山

PeerJ Computer Science 2023

技术优势

避免线性化误差

用粒子近似表示机器人位置分布，而非直接线性化，从而减少测量更新阶段的误差。

融合协方差有上界

协方差交叉法融合各机器人的初步估计，保证融合协方差的最小上界。

剔除异常测量

用 KL 散度计算估计间的距离，拒绝融合与预测阶段差异过大的估计。

精度高于对比算法

在仿真中，该算法的定位精度高于其它三种算法。

应用场景

• 多机器人系统：多机器人编队中共享相对观测以提升定位精度。
• 机器人定位：获取机器人高精度位置估计，支持导航与协作任务。
• 协作定位：利用机器人间测量实现分布式定位，减少基站依赖。
• 状态估计：融合多源信息，提供鲁棒的状态估计。