多傳感器信息融合

　　多傳感器信息融合技術是近年來十分熱門的研究課題，它與控制理論，信號處理，人工智能，概率和統計相結合，為機器人在各種復雜，動態，不確定和未知的環境中執行任務提供了一種技術解決途徑。

　　數據融合的關鍵問題是模型設計和融合算法，數據融合模型主要包括功能模型，結構模型和數學模型。

　　信息融合的結構模型

　　結構融合的結構模有多重不同的分類方法，其中一種分類標準是根據傳感器數據在送人融合處理中心之前已經處理的程度來進行分類。

　　在這種分類標準下，融合結構被分為傳感器級數據融合，中央級數據融合及混合式融合，還可以根據數據處理過程的分辨率來融合結構捷星分類。在這種情況下，融合結構為像素幾筆，特征級和決策級融合。

　　多傳感器信息融合實現的數學模型

　　信息融合的方法涉及到多方面的理論和技術，如信號處理，估計理論，不確定性理論，模式識別，最優化技術，模糊數學和神經網絡等這方面國外已經做了大量的研究，目前，這些方法大致分為兩類：隨即類方法和人工智能方法。

　　導航與定位

　　在機器人系統中，自主導航是一項核心技術，是機器人研究領域的重點和難點問題。自主移動機器人常用的導航定位方法有這幾種。

　　視覺導航定位

　　在視覺導航定位系統中，目前國內外應用較多的是基于局部視覺的在機器人中安裝車載攝像機的導航方式。

　　視覺導航定位系統主要包括：攝像機、視頻信號數字化設備、基于DSP的快速信號處理器、計算機及其外設等。

　　光反射導航定位

　　典型的廣發那蛇導航定位方法主要是利用激光或紅外傳感器來測距。激光和紅外都是利用光反射技術來進行導航定位的，

　　GPS全球定位系統

　　如今，在智能機器人的導航定位技術應用中，一般采用偽距差分動態定位法，用基準接收機和動態接收機共同觀測4顆GPS衛星，按照一定的算法即可求出某時某刻機器人的三維位置坐標。