定位是移动机器人要解决的三个基本问题之一，是无人驾驶车辆行驶的基础[5]。无人驾驶车辆行驶过程中通常会遇到如下三个问题：（1）现在哪里？（2）要往哪里去？（3）如何到达那里？其中第一个问题就是定位问题，定位是确定了无人驾驶车辆在行驶中相对于全局坐标系的位置及其本身的姿态。33008
现在的移动机器人定位的传感器种类很多，不同的传感器组合，采用不同的定位手段，都可以实现移动机器人的定位。一般可以分为相对定位和绝对定位两种，两种定位方式各有优点，结合两种定位方式的优点，优势互补，可以得到更精确的定位[6]。
现在的定位技术主要有：航迹推算[7]、信号灯定位[8]、基于地图的定位[9]、路标定位[10]、基于视觉的定位[11,12]、基于概率的定位等。还可以分为基于外部定位设备的定位，如GPS定位；基于内部定位设备的定位，如里程计，惯导航系统；基于地图的定位（自主定位），如三角定位，Kalman定位，Markov定位，Monte Calo 定位。其中KF定位、马尔可夫定位、多假设定位、粒子滤波定位等都属于基于概率的定位方法，粒子滤波定位又称蒙特卡罗定位，它是当前解决全局定位问题的主要方法[13]。论文网
航迹推算是一种广泛使用的定位手段，能够提供很高精度的短期定位。通过对陀螺仪和加速度计的测量结果进行积分，得出智能车辆移动距离和方向的变化，再根据运动学方程，对积分结果进行积分，就可以得出智能车辆的位置和姿态信息,该方法随时间有漂移，积分后误差会无限增长，因此该方法不适合长时间作为主要的定位方法，一般用于智能车辆的辅助定位。
论文采用的GPS定位，属于信号灯定位中使用三角定位技术进行定位的定位技术。每个GPS卫星就相当于一个信号灯，它们会持续地发送自己当前的位置信息（星历数据）和历书数据。星历数据是单一卫星的数据，历书数据包含了星座中每个卫星的数据，其中包括轨道数据以及系统整体的状态信息。虽然星历数据和历书数据都会为给定的卫星提供位置数据，但星历数据保证了位置计算的准确度。通过星历数据，获取传输开始时间，GPS接收机进而计算出传输过程所花费的时间。通过开始时间、结束时间以及恒定的光速（假设），GPS接收机可以计算出自身和卫星之间的距离。再利用三角定位技术就可以确定当前的位置。最少需要3个卫星才能确定一个二文的位置，也就是该位置的经度和纬度信息。如果利用更多的卫星，不仅可以确定如海拔信息等更多的位置信息，还可以提高位置精确度，但也有一个上限。
由于定位过程中存在很多不确定因素，使得基于贝叶斯滤波理论的概率定位方法得到了广泛的应用，贝叶斯滤波的核心思想是：以当前为止所收集的数据为条件，递归估计状态空间后验概率密度[14]。卡尔曼滤波器是应用最广泛是贝叶斯滤波器[15]，用于处理线性动态系统和传感器模型，对于非线性估计问题，就需要使用扩展卡尔曼滤波（EKF），EKF是将期望和方差线性化的KF，而无迹卡尔曼滤波（UKF）利用真实的非线性模型使得无迹卡尔曼滤波方法在精度和鲁棒性方面都优于扩展卡尔曼滤波方法。
马尔可夫定位是将机器人的状态空间离散化，计算机器人在每一个可能状态的概率，通过离散化方法对后验概率分布进行求解，从而实现机器人的定位。根据其实现形式又可以分为基于拓扑地图和基于栅格几何地图的马尔可夫定位方法，它最主要的缺点是计算量太大。很难将算法应用到高文状态空间。
多假设定位中的MHT方法利用混和高斯分布来克服卡尔曼滤波器只能表征单峰概率分布的缺点。因为多假设跟踪方法可以表示多峰值的概率分布，即可以用来处理多峰值概率分布，能够实现全局定位。 移动机器人定位方法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_29843.html