多传感器信息融合

　　多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论，信号处理，人工智能，概率和统计相结合，为机器人在各种复杂，动态，不确定和未知的环境中执行任务提供了一种技术解决途径。

　　数据融合的关键问题是模型设计和融合算法，数据融合模型主要包括功能模型，结构模型和数学模型。

　　信息融合的结构模型

　　结构融合的结构模有多重不同的分类方法，其中一种分类标准是根据传感器数据在送人融合处理中心之前已经处理的程度来进行分类。

　　在这种分类标准下，融合结构被分为传感器级数据融合，中央级数据融合及混合式融合，还可以根据数据处理过程的分辨率来融合结构捷星分类。在这种情况下，融合结构为像素几笔，特征级和决策级融合。

　　多传感器信息融合实现的数学模型

　　信息融合的方法涉及到多方面的理论和技术，如信号处理，估计理论，不确定性理论，模式识别，最优化技术，模糊数学和神经网络等这方面国外已经做了大量的研究，目前，这些方法大致分为两类：随即类方法和人工智能方法。

　　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。自主移动机器人常用的导航定位方法有这几种。

　　视觉导航定位

　　在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。

　　视觉导航定位系统主要包括：摄像机、视频信号数字化设备、基于DSP的快速信号处理器、计算机及其外设等。

　　光反射导航定位

　　典型的广发那蛇导航定位方法主要是利用激光或红外传感器来测距。激光和红外都是利用光反射技术来进行导航定位的，

　　GPS全球定位系统

　　如今，在智能机器人的导航定位技术应用中，一般采用伪距差分动态定位法，用基准接收机和动态接收机共同观测4颗GPS卫星，按照一定的算法即可求出某时某刻机器人的三维位置坐标。