卡爾曼濾波器在實際AGV小車係統中的（de）局限性主要有以下幾（jǐ）點：
線性高斯係統假設
卡爾曼濾（lǜ）波器建立在線性高斯係統假設基礎上，即初始（shǐ）置信度、控（kòng）製過程（狀態（tài）轉移）和觀測過程都服從正態分布。然而，實際的AGV小車係（xì）統往往是非線（xiàn）性的，例如AGV小車的運動模型可能受到複雜的動力學、摩擦力（lì）、負（fù）載變化（huà）等非線性因素影響，導致經過狀態轉移或觀（guān）測後得到的狀（zhuàng）態量並不符合高斯分布。在這種情況下，直（zhí）接（jiē）使用卡爾曼濾波器可能會導（dǎo）致估計結果不準確。
對模型參數的敏感性
卡爾（ěr）曼濾波器的性能依賴於準確（què）的係統模型參數，包括狀態（tài）轉移（yí）矩陣（zhèn）、觀測矩陣、過程噪聲協方差（chà）矩陣和測量噪聲協方差矩陣等。在實際AGV小車係統中，這些參數可能會受到多種因素（sù）的影響，如傳感（gǎn）器的精度（dù）、環（huán）境的變化、AGV小（xiǎo）車自身的（de）磨損等，導致參數不準（zhǔn）確。如果模（mó）型參數與實際係統不匹配，卡爾曼濾波器的估（gū）計效果（guǒ）會顯著下降，甚至可能出現濾波發散的情況。
計算（suàn）資源需（xū）求
卡爾曼（màn）濾波器的計（jì）算過程相對複雜，需要進行矩陣運算，包括（kuò）狀態預測、協方差預測、卡爾曼增益計算、狀態更新和協方差更新等（děng）步驟。在實際（jì）AGV小車係統中，尤其是在高采樣率或係（xì）統狀態維度較高的情況下，卡（kǎ）爾曼濾波器的計算量可（kě）能會較大，對AGV小車的計算資源提（tí）出較（jiào）高要求。如果AGV小車的（de）計算能力有限，可能無法實時運行卡（kǎ）爾曼濾波器，從而影響（xiǎng）係統的實時（shí）性和性能。
對初始狀態（tài）的依賴
卡爾曼濾波器的估計結果對初始狀（zhuàng）態的估計值較為敏感。如果初始狀態估計不準確（què），濾波器（qì）可能需要較長的時間才能收斂到正確的狀態估計值，甚至可（kě）能無法（fǎ）收斂。在實際AGV小車係統中，準（zhǔn）確獲取初始狀態可能存在一定困難，例如在（zài）AGV小車啟動時，傳感器可能存在初始化誤差或不確定性，這會影響卡爾曼濾波器的初始狀態估計，進而影響後續的狀態估計精度。
噪聲特性假（jiǎ）設
卡爾曼濾波器假設（shè）係統噪聲和測量噪聲是高斯白（bái）噪聲，且其（qí）統計特性已知。然（rán）而，在實際AGV小車係統中，噪聲的分布可能並非嚴格的高（gāo）斯分布，而且噪（zào）聲的統計特性可能（néng）會隨時間、環境等因素發生變化。如果噪聲特性與（yǔ）假設不符，卡爾曼濾波器的性能會受到影響，無法得到最優的狀態估計。
綜（zōng）上所述，卡爾曼濾波器在實際（jì）AGV小車係統中存在一定的局限性（xìng），主要包括線性高斯係統假設、對模型參數的敏（mǐn）感性、計算資源需求、對初始狀態的依賴以（yǐ）及噪（zào）聲特性假設等方麵。在實際應用中，需要根據AGV小車係統的具體特點和要求（qiú），對卡爾曼濾波器進行適當的（de）改進和優化，以提高其在非（fēi）線性、非高斯等複雜情況下的性能。
