基于多传感器信息融合的移动机器人导航综述

三、多传感器信息融合技术

应用于移动机器人的传感器可以分为内部传感器和外部传感器两大类。内部传感器用于检测机器人系统内部参数,主要有里程计、陀螺仪、磁罗盘及光电编码器等;外部传感器用于感知外部环境信息,主要有视觉传感器、激光测距传感器、超声波传感器、红外传感器等,由于单一传感器难以保证信息的准确性和可靠性,不足以充分反应外界环境信息,因此,采用多个传感器可实现环境信息的充分理解,便于机器人做出正确的决策。

多传感器信息融合技术常用的方法有:加权平均法、贝叶斯估计、多贝叶斯方法、卡尔曼滤波、D2S证据推理、模糊逻辑、产生式规则、人工神经网络等。

加权平均法是将多个传感器的冗余数据进行加权平均,是一种底层数据融合方法,其结果不是统计上的最优估计。贝叶斯方法是根据已知的事实对未发生的事件进行概率判断,通过已知的先验概率对未知的概率进行推断。D2S证据推理是贝叶斯方法的扩展,它使用了一个不稳定区间,可通过未知前提的先验概率来弥补贝叶斯方法的不足。它特别适应于处理多传感器集成系统的信息融合问题。

Kalman滤波是用测量模型的统计特性递推决定在统计意义下的最优融合数据估计。人工神经网通过一定的学习算法可将传感器的信息进行融合,获得网络参数。选择有代表性的样本集是个关键难题,通过运用粗糙集理论的知识数据表格约简方法可以很好地解决这个问题。

四、移动机器人导航技术的展望

目前,移动机器人导航技术已经取得了很好的研究成果。计算机技术、电子技术、通信技术、传感器技术、控制技术、网络技术地迅猛发展必将推动和促进移动机器人导航技术取得更多的研究成果。移动机器人导航技术的发展有以下几方面的趋势:（1）视觉导航具有信息量大、探测范围广等特点,仍然是移动机器人导航技术的主要发展方向;（2）导航系统结构将朝着分布式、模块化、网络化、多机器人协作的方向发展。分布式和模块化的结构有利于减少机器人的体积和自重。通过互联网实现机器人的远程操作以及基于网络的多机器人协作是导航技术的新的研究热点;（3）路径规划将朝着多层规划和多方法相结合的方向发展。采用基于反应式的行为规划与基于慎思行为规划相结合的方法。全局路径规划和局部路径规划相结合更有利于复杂环境的避障规划;（4）新技术、新方法（如,虚拟现实技术、信息融合新方法、新型传感器等）将促进移动机器人导航技术更快地发展。

五、结束语

综上所述,移动机器人导航技术虽然取得了一些成果,但还没有达到实用化的水平,仍有许多问题有待解决。如何提高系统的鲁棒性、柔性、容错性,增强系统的学习能力,信息融合的有效理论和方法,用仿生技术来提高系统的决策智能性等有待进一步研究,但这些问题并不是孤立的,各部分相互作用、相互影响,必须把各部分有机地结合为一个整体系统,研究开发面向全局性能优化的导航理论与方法。