随着AGV性能的优化和功能的拓展,AGV应用领域不断扩大,应用的复杂程度不断提高,这对AGV系统的设计提出了更高的要求。定位导航、路径规划、避障和轨迹跟踪是AGV系统中的关键技术,定位问题是保证自主导向车运动精度的前提。单一传感器已经无法满足日益复杂的环境对机器人感知、定位要求,而多传感器数据融合可以取长补短,充分发挥各自优势,成为AGV定位的主要手段。随着人工智能尤其是深度学习方法的发展,在移动机器人的应用日益深入,本文提出一种基于XGBoost模型多传感器数据融合的AGV定位方法,搭建了实验平台进行验证,论文主要工作如下:1.AGV自主导向车的运动学建模。本文对非完整约束AGV自主导向车进行了系统建模,建立自主导向车运动学模型,为研究定位导航算法提供支撑。2.研究基于单传感器的AGV定位方法。本文分别建立了单一传感器的定位数学模型,重点研究惯性导航及激光SLAM在AGV定位上的算法原理,并分析上述单一传感器在定位上对AGV轨迹跟踪精度的影响,为多传感器融合积累了数据基础。3.基于XGBoost多传感器数据融合的研究。本文对XGBoost模型进行深入研究,提出了一种改进型的XGBoost多传感器数据融合模型,实现了二维运动平面AGV定位数据融合。此外,针对异常数据对模型精度的影响,提出一种四分位距限变幅滑动滤波算法,改进XGBoost模型的损失函数,提升融合算法的定位精度。4.搭建实验平台进行真实场景实验。针对本文提出的方法搭建实验平台,通过真实场景下设计精度实验和鲁棒性实验,验证其有效性和精度。