基于移动机器人多传感器的信息融合

多传感器信息融合的意义：可有效的解决单传感器的模糊点更精确的观察和解释环境。

多传感器信息融合的方法（算法）：

　　经典推理法、加权平均法、卡尔曼滤波、贝叶斯估计、D-S证据理论、统计决策理论、聚类分析、参数模板、熵法、品质因数法、估计理论法、专家系统法、产生式规则、人工神经网络、模糊推理、粗糙集理论、小波分析、支持向量机

多传感器信息融合的体系结构：集中式、分布式、混合式

多传感器信息融合的层次：数据层、特征层、决策层

移动机器人路径规划的实质：移动机器人运动过程中的导航和避碰

据机器人对环境的理解程度，路径规划算法分为：

1. 基于环境模型的规划算法：栅格法、可视图法、拓扑法

2. 基于传感器信息的规划算法：人工势场法、确定栅格法、模糊逻辑法

3. 基于行为的规划算法：

移动机器人的移动方式：轮式、履带式、腿式、推进式（水下机器人）

移动机器人的驱动控制：

移动机器人的定位：相对定位、绝对定位。

传感器：超声波、声纳、微波雷达、红外测距、激光测距仪、CCD图像传感器、摄像机

 

Hilare移动机器人：触觉、听觉、两维视觉、激光测距

Stanford移动机器人：触觉、立体视觉、超声波传感器

Carnegie-Mellon大学机器人中心CMU自主陆地车：

DARPA自主陆地车ALV：