在物流行业飞速发展的今天,分拣中心的劳动力需求日益增加。而无人分拣中心在很大程度上可以节省人力分拣的工作量。但在现有的无人分拣中心中,物流设备是否满足基站定位条件、物流设备是否处于视距情况、传统匹配定位方法指纹库是否过大、以及是否使用适当定位方式,都会影响无人分拣中心的运作。因此论文依托万物互联的发展趋势,针对以上影响无人分拣中心运作的因素进行了相关研究,主要研究工作如下:1、针对处于仓库深处,视距条件差的物流设备,普通定位基站无法对其进行定位的问题,提出一种基于聚类筛选的协同定位算法,并与H-SPAWN算法进行了仿真对比验证。仿真结果表明基于聚类筛选的协同定位算法在定位精度上更优于H-SPAWN算法。2、针对单利用信号无法辨别物流设备之间视距情况的环境,研究了碰撞检测算法在视距判断中的应用。在拥有物流设备模型的前提下,论文使用碰撞检测的方法来辅助基础定位方案判断物流设备间视距状态。3、针对使用信号无法定位的环境,提出一种基于DTW的地磁场强度增量匹配算法。基于DTW的地磁场强度增量匹配算法在测试场景下与地磁场强度匹配方法、传统的地磁场强度增量匹配方法进行了对比分析。基于DTW的地磁场强度增量匹配算法路径指纹库的大小和定位结果精度都优于另外两种算法。4、针对在无人分拣中心出口区域物流设备室内/室外状态尚未确定时,物流设备无法使用合适的定位方法进行定位的问题,研究一种室内/室外状态判断方法,来保证物流设备能够使用正确的定位方式进行定位。在多个测试场景下进行实测,与多个判断方法进行了对比分析。结果表明论文中所提出的室内/室外状态判断方法适用的场景更广,准确度更高。