一种基于梯度下降的多源量测分布式协作定位方法

本发明公开了一种基于梯度下降的多源量测分布式协作定位方法，包括：采用状态空间模型预测机器人自身预测状态信息，将预测状态信息传递给相邻机器人和机器人自身的定位融合中心；利用相对传感器和绝对传感器获取多源量测信息，基于多源量测信息构建相对量测和绝对量测模型；基于多源量测信息和预测状态信息进行卡尔曼数据融合更新，计算出绝对和相对卡尔曼增益；采用梯度下降算法优化绝对和相对卡尔曼增益，得到最优绝对和相对卡尔曼增益；利用最优绝对和相对卡尔曼增益更新机器人状态信息。本发明采用多中心分布式架构，通过融合多源量测信息和利用梯度下降算法求解最优绝对和相对卡尔曼增益，解决了现有技术定位精度和稳定性不高的技术问题。