如何将ROS2差速驱动里程计数据用于UKF机器人定位？

我用FilterPy实现了UKF进行机器人定位，目前GPS传感器工作正常，但在接入ROS2差速驱动的里程计数据时遇到了问题：

• 直接输入里程计的(x,y,heading)数据：因里程计存在误差累积问题，定位结果会逐渐失效
• 改用里程计的线速度/角速度数据：初期定位效果比仅用GPS好，但后期结果和仅用GPS的情况一致（附测试图表，黑线为真实轨迹）

我清楚卡尔曼滤波的原理与实现方法，现在需要：

1. 用通俗语言解释UKF如何利用带累积误差的数据
2. 明确应从ROS2 /odom话题中选取哪些数据输入UKF

补充说明 #

• 当前代码假设里程计仅为位置添加噪声，未考虑误差累积，仅适用于粗略测试
• 现有状态量为x、y、theta，需保留历史值来计算速度、加速度，不确定是否需要将速度、加速度、角速度等也加入状态量
• 测试代码本身没有模拟误差累积效果，但ROS2仿真中的里程计位置误差会累积，目前我仅使用其速度与角速度数据
• 可通过dictSensors变量的注释/取消注释来组合不同传感器

内容的提问来源于stack exchange，提问作者Steve Brown