根據AGV定位可分為相對定位和絕對定位。
AGV相對定位也叫作位置跟蹤，假定機器人初始位置，采用相鄰近時刻傳感器信息對機器人位置進行跟蹤估計。相對定位分為里程計法和慣性導航法
1、里程計法
在AGV車輪上裝有光電編碼器，通過對車輪轉動記錄實現位置跟蹤。航位推算法是假定初始位置已知，根據以前的位置對當前位置估計更新。缺點是：航位推算是個累加過程，逐步累加的過程中，測量值以及計算值都會累積誤差，定位精度下降，因此只適用于短時間或短距離位置跟蹤。
2、慣性導航法
AGV從一個已知坐標出發，陀螺儀測得角加速度的值，加速度計獲得線加速度，通過角加速度和線加速度進行二次積分分別得到角度和位置。
二、絕對定位
絕對定位又稱為全局定位。完成AGV全局定位需要預先確定好環境模型或通過傳感器直接向AGV提供外接位置信息，計算AGV在全局坐標系中的位置。
1、信標定位：利用人工路標或自然路標和三角原理進行定位。
2、地圖匹配：利用傳感器感知環境信息創建好地圖，然后將當前地圖與數據庫中預先存儲好的地圖進行匹配，計算出AGV在全局坐標系中位置。
3、GPS：室外AGV導航定位
4、概率定位：基于概率地圖的定位，用概率論來表示不確定性，將AGV方位表示為對所有可能的位置的概率分布。
4.1馬爾科夫定位（Maekov Localization ML）：AGV通常不知道他所處環境的確切位置，而是用一個概率密度函數表示AGV的位置。它持有一個可能在哪里的信任度并跟蹤任意概率密度函數跟蹤AGV的信任度狀態。信任度是指AGV在整個位置空間的概率分布。信任度值的計算是馬爾科夫定位的關鍵。地圖的表示方法為柵格地圖，AGV導航環境被劃分為很多柵格，每個柵格在0~1之間，表示AGV在該柵格的信任度，所有柵格信任度之和為1.
4.2卡爾曼濾波定位：卡爾曼濾波定位算法是馬爾科夫定位的特殊情況。卡爾曼濾波不適用于任何密度函數，而是使用高斯代表AGV信任度、運動模型和測量模型。高斯分布簡單的由均值和協方差定義，在預測和測量階段兩個參數更新。然而這個假設限制了初始信任度以及高斯的選擇。
皖公網安備 34012302000784號