自适应多传感器融合 在实际世界中, 很难得到环境的精确信息 , 也无法确保传感器始终能够正常工作。因此 ,对于各种不确定情况 , 鲁棒融合算法十分必要。现已研究出一些自适应多传感器融合算法来处理由于传感器的不完善带来的不确定性。如 Hong通过革新技术提出 1 种扩展的联合方法, 能够估计单个测量 序列滤波的 最优卡尔 曼增益 。 Pacini 和Kosko 也研究出 1 种可以在轻微环境噪声下应用的自适应目标跟踪模糊系统, 它在处理过程中结合了卡尔曼滤波算法 。

　　导航与定位

　　在机器人系统中 ,自主导航是一项核心技术 , 是机器人研究领域的重点和难点问题。导航的基本任务有 3 点: ( 1)基于环境理解的全局定位: 通过环境中景物的理解 ,识别人为路标或具体的实物 ,以完成对机器人的定位 ,为路径规划提供素材;( 2)目标识别和障碍物检测: 实时对障碍物或特定目标进行检测和识别 ,提高控制系统的稳定性; ( 3)安全保护: 能对机器人工作环境中出现的障碍和移动物体作出分析并避免对机器人造成的损伤 。

　　机器人有多种导航方式 , 根据环境信息的完整程度、导航指示信号类型等因素的不同 ,可以分为基于地图的导航、基于创建地图的导航和无地图的导航3类。根据导航采用的硬件的不同, 可将导航系统分为视觉导航和非视觉传感器组合导航[ 8] 。视觉导航是利用摄像头进行环境探测和辨识, 以获取场景中绝大部分信息 。视觉导航信息处理的内容主要包括 : 视觉信息的压缩和滤波 、路面检测和障碍物检测 、环境特定标志的识别、三维信息感知与处理。非视觉传感器导航是指采用多种传感器共同工作 , 如探针式、电容式、电感式 、力学传感器、雷达传感器、光电传感器等,用来探测环境 , 对机器人的位置、姿态 、速度和系统内部状态等进行监控, 感知机器人所处工作环境的静态和动态信息,使得机器人相应的工作顺序和操作内容能自然地适应工作环境的变化 ,有效地获取内外部信息 。

　　在自主移动机器人导航中 , 无论是局部实时避障还是全局规划, 都需要精确知道机器人或障碍物的当前状态及位置, 以完成导航 、避障及路径规划等任务,这就是机器人的定位问题 。比较成熟的定位系统可分为被动式传感器系统和主动式传感器系统。被动式传感器系统通过码盘、加速度传感器、陀螺仪、多普勒速度传感器等感知机器人自身运动状态, 经过累积计算得到定位信息 。主动式传感器系统通过包括超声传感器、红外传感器、激光测距仪以及视频摄像机等主动式传感器感知机器人外部环境或人为设置的路标 , 与系统预先设定的模型进行匹配, 从而得到当前机器人与环境或路标的相对位置 ,获得定位信息 。