基于LU分解的增广信息滤波机器人协同定位

在增广信息滤波机器人协同定位算法中,通常对联合分布的信息矩阵采用Cholesky方法进行分解。基于Cholesky分解的增广信息滤波对联合分布的信息矩阵的正定对称性要求很高,在联合分布的信息矩阵不满足正定对称性的情况下,求逆产生异常,影响联合分布的信息恢复,系统的鲁棒性下降。本文提出了一种基于LU分解的增广信息滤波算法,保证了机器人协同定位算法精度的同时,有效解决了联合分布的信息矩阵分解异常问题,最后对机器人系统可观测性进行分析。利用MATLAB软件平台对算法进行仿真验证。结果表明,该算法保证了机器人协同定位精度,提高了机器人系统的鲁棒性。