多传感器信息融合
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 1 种技术解决途径
两种类型
内部测量传感器
用来检测机器人组成部件的内部状态
特定位置 、角度传感器 ; 任意位置 、角度传感器; 速度、角度传感器 ; 加速度传感器; 倾斜角传感器; 方位角传感器等
外部测量传感器
视觉( 测量、认识传感器)、触觉(接触、压觉 、滑动觉传感器)、力觉( 力、力矩传感器)、接近觉( 接近觉、距离传感器)以及角度传感器( 倾斜、方向、姿式传感器)
多传感器信息融合就是指综合来自多个传感器的感知数据, 以产生更可靠 、更准确或更全面的信息
主要研究方向
层次传感器融合 由于单个传感器具有不确定性、观测失误和不完整性的弱点 , 因此单层数据融合限制了系统的能力和鲁棒性
微传感器和智能传感器 传感器的性能、价格和可靠性是衡量传感器优劣与否的重要标志
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
导航与定位
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
基本任务
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
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
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
路径规划
路径规划技术是机器人研究领域的1 个重要分支
最优路径规划就是依据某个或某些优化准则( 如工作代价最小 、行走路线最短、行走时间最短等),在机器人工作空间中找到 1 条从起始状态到目标状态、可以避开障碍物的最优路径
机器人视觉
视觉系统是自主机器人的重要组成部分,一般由摄像机、图像采集卡和计算机组成
机器人视觉系统的工作包括图像的获取、图像的处理和分析 、输出和显示, 核心任务是特征提取 、图像分割和图像辨识
机器人视觉是其智能化最重要的标志之一, 对机器人智能及控制都具有非常重要的意义
