多传感器信息融合.docVIP

多传感器信息融合 多传感器信息融合 2 PAGE PAGE 9 多传感器信息融合 0前言 移动机器人的定位问题是提高移动机器人 自主能力的关键问题之一。具体来说， 定位是利用先验环境地图信息、机器人位姿的当前估计及传感器的观测值等输入信息 ，经过一定的处理和变换 ，产生更加准确地对机器人当前位姿的估计。机器人的定位方式有很多种， 如 ， 基于光电寻线的定位 、基于声纳的机器人自主定位 、基于全景视觉的定位及基于激光测距的定位等。可以看出：机器人的定位方式取决于所采用的传感器。目前， 在移动机器人上使用较多的传感器有视觉传感器、里程计和惯导系统、超声传感器、激光测距仪、GPS定位系统等。其中，视觉传感器具有信息量大、感应时间短的优点，但往往获得的数据噪声大、 信息处理时间长；激光传感器在测距范围和方向上具有较高的精度，但价格昂贵；超声波传感器虽然角度分辨力较低，但它处理信息简单、成本低 、速度快，因此，在自主移动机器人上得到了广泛的应用；里程计是一种相对定位传感器，它通过累计计算得到定位信息，缺点是存在累计误差问题，因此，可结合绝对定位传感器，如超声传感器等，提供较准确的定位。各传感器都有它自己的局限性，因此，移动机器人往往同时装备多种传感器，各自提供关于机器人定位的消息。目前的趋势是：根据传感器的可靠性。使用不同类型的传感器来测量相关数据。本文采用扩展卡尔曼滤波( EKF) 技术，