机器人入门资料：机器人关键技术解析

一、环境感官　　目前，在结构化的室内环境中，以机器视觉居多并借助其他传感器的移动机器人自律环境感官、场景理解及导航系统技术比较成熟期。而在室外实际应用于中，由于环境的多样性、随机性、复杂性以及天气、光照变化的影响，环境感官的任务要简单得多，实时性拒绝更高，这仍然是国内外的研究热点。多传感器信息融合（Multi-sensor Information Fusion，MSIF）、环境建模等是机器人感官系统面对的技术任务。

　　1、多传感器信息融合　　基于单一传感器的环境感官方法都有其难以克服的弱点。将多种传感器的信息有机地融合一起，通过处置来自有所不同传感器的信息冗余、有序，就可以包含一个覆盖面积完全所有空间和时间的检测系统，可以提升感官系统的能力。因此，利用机器视觉信息非常丰富的优势，融合由雷达传感器、超声波雷达传感器或红外线传感器等提供距离信息的能力，来构建对本车周围环境的感官沦为各国学者研究的热点。

　　用于多种传感器包含环境感官系统，带给了多源信息的实时、给定和通信等问题，必须研究解决问题多传感器横跨模态横跨尺度信息配准和融合的方法及技术。但在实际应用于中，并不是所用于的传感器及种类越多越好。针对有所不同环境中机器人的明确应用于，必须考虑到各传感器数据的有效性、计算出来的实时性。

　　多传感器信息融合的应用于　　2、环境建模　　所谓环境建模，是指根据未知的环境信息，通过萃取和分析涉及特征，将其转换成机器人可以解读的特征空间。结构环境模型的方法分成几何建模方法和流形建模方法。

几何建模方法一般来说将移动机器人工作环境分析分解成一系列网格单元，以栅格为单位记录环境信息，通过树根搜寻或距离切换找寻路径；流形建模方法将工作空间拆分成具备流形特征的子空间，根据彼此连通性创建流形网络，在网络上找寻接续点到目标点的流形路径，然后再行切换为实际的几何路径。　　环境模型的信息量与建模过程的复杂度是一对对立。例如针对城区综合环境中无人驾驶车辆的明确应用于，环境模型应该能体现出有车辆自动行经所必须的信息，与一般移动机器人只需找寻行驶路径有所不同的是，车辆行经还必需遵从交通规则。

信息量就越多、模型结构就越简单，则留存数据所需的内存就越少、计算出来就越简单。而建模过程的复杂度必需必要，以需要及时体现出有路况的变化情况，便于作出应付。

本文来源：半岛体育官方网站-www.markanist.com