1、機器人自主環境感知技術即機器人能夠根據自身所攜帶的傳感器對所處周圍環境進行環境信息的獲取，并提取環境中 有效的特征信息加以處理和理解，最終通過建立所在環境的模型來表達所在環境的信息。 機器人環境感知技術是實現自主機器人定位、導航的前提，通過對周圍的環境進行有效的感 知，機器人可以更好地進行自主定位、環境探索與自主導航等基本任務的實施。環境感知技 術是智能機器人自主行為理論中的重要研究內容，具有十分重要的研究意義。隨著傳感器技術的發展，傳感器在移動機器人中得到了充分的使用，大大提高了智能機器人 對環境信息的獲取能力。針對環境信息的提取、分類，近年來很多學者不斷加大在該領域的 研究工作。多傳感器信

2、息融合技術的使用，互補了多種傳感器在信息獲取方面的不足，并且 取得了一定的研究成果。未知環境中的建模與定位問題已成為機器人導航問題的研究熱點， SLAM技術被認為是機器人是否能夠實現自主的關鍵。環境信息的獲取人類和高等動物都具有豐富的感覺器官，能通過視覺、聽覺、味覺、觸覺、嗅覺來感受外界 刺激，獲取環境信息。機器人同樣可以通過各種傳感器來獲取周圍的環境信息，傳感器對機 器人有著必不可少的重要作用。傳感器技術從根本上決定著機器人環境感知技術的發展。 目前已開發出各種各樣的傳感器，根據定位方法的不同可分為內部傳感器和外部傳感器兩大 類。內部傳感器又稱為相對定位傳感器，包括里程計、加速度計、陀螺儀等

3、，主要用于監測 機器人的自身狀態；外部傳感器又稱為絕對定位傳感器，包括超聲傳感器、激光測距傳感器、 紅外傳感器、全球定位系統、視覺傳感器等，主要用于感知外部環境信息。機器人與傳感器生產替代人勞動的機器一直是人類的夢想，研究機器人，首先是從模仿人開始”考察人的勞動 （與環境交互過程），我們發現人是通過五官（視覺、聽覺、嗅覺、味覺、觸覺）接收來自外界的 信息，這些信息通過神經傳遞給大腦，大腦對這些分散的信息進行加工。綜合后發出行為指令, 調動肌體（如手足等）執行某些動作。如果希望機器代替人類勞動,則發現大腦可與當今的計算 機相當，肌體與機器人的執行機構相當，五官可與機器人的各種外部傳感器相當。也就

4、是說, 計算機是人類大腦或智力的外延,執行機構是人類四肢的外延，傳感器是人類五官的外延。其 中，傳感器處于連接外界環境與機器人的接口位置，是機器人信息獲取的窗口。機器人的感知 類型主要有如圖1所示的幾種。圖1平面視覺視覺（包括顏色、光強等）Y-立體視覺廠觸覺痛覺機器人/r感覺骨動覺接近覺非加株）墊覺和溫覺非視覺 力覺嗅覺聽覺I味覺工業機器人之所以能夠準確操作，是因為它能夠通過各種傳感器來準確感知自身、操作對象 及作業環境的狀態，包括：其自身狀態信息的獲取通過內部傳感器（位置、位移、速度、加 速度等）來完成，操作對象與外部環境的感知通過外部傳感器來實現，這個過程非常重要， 足以為機器人控制提供反

5、饋信息。要使機器人擁有智能，對環境的變化作出反應，首先，必須使 機器人具有感知環境的能力，用傳感器采集環境信息是機器人智能化的第一步；其次,如何采 用適當的方法，將多個傳感器獲取的環境信息加以綜合處理，控制機器人進行智能作業，更是 機器人智能化的重要體現,所以,傳感器及其信息處理系統,兩者相輔相成，構成了機器的智能, 為機器人智能作業提供決策的依據”.由此，組成了機器人智能技術中兩個最為重要的相關領 域：機器人的多感覺系統（RobotSnesorysystem）和多傳感信息的集成與融合 （MultisensorIntegrationandFusion）。在機器人技術中中，傳感器技術是實現測試與

6、自動控制的重要環節。在機器人測試系統中， 被作為一次儀表定位，其主要特征是能準確傳遞和檢測出某一形態的信息，并將其轉換成另 一形態的信息。具體地說，傳感器是指那些對被測對象的某一確定的信息具有感受（或響應） 與檢出功能，并使之按照一定規律轉換成與之對應的可輸出信號的元器件或裝置。如果沒有 傳感器對被測的原始信息進行準確可靠的捕獲和轉換，一切準確的測試與控制都將無法實 現；即使最現代化的電子計算機，沒有準確的信息（或轉換可靠的數據）、不失真的輸入， 也將無法充分發揮其應有的作用。環境信息的融合移動機器人主要通過傳感器來感知周圍的環境，但是每種傳感器都有其局限性，單一傳感器 只能反映出部分的環境信

7、息。為了提高整個系統的有效性和穩定性，進行多傳感器信息融合 已經成為一種必然的要求。多傳感器融合的實現過程可以認為是類似于模擬人腦處理復雜事件的過程。融合系統在充分 利用多個傳感器資源的基礎上，通過對多種傳感器及其感知數據的合理支配、管理與利用， 將多種傳感器在空問和時間上的獨立信息、互補信息以及冗余信息按照某種優化準則組合起 來，從而得到對所感知環境的一致性解釋和描述常用的多傳感器信息融合方法主要有：加權平均、擴展卡爾曼濾波、貝葉斯估計、D S 證據推理、統計決策理論等傳統算法、模糊邏輯、神經網絡等智能算法，以及支持向量 機、小波變換和粗糙集理論等新興的一些算法。應用這些方法可以進行數據層、特征層以及 決策層等不同層次的融合，也可以實現測距傳感器信息、內部航跡推算系統信息、全局定位 信息之間的信息融合，進而準確、全面地認識和描述被測對象與環境，使得移動機器人能夠 做出正確的判斷與決策。以上各種融合方法，各具特點，分別適合不同的場合，但是各種方 法之間又存在一定的聯系。有些文獻對這些融合算法進行了組合，如小波變換和卡爾曼濾波 法相結合，模糊邏輯與神經網絡的融合等，通過對融合算法的組合，更好地發揮各自的優點， 可以獲得更佳的融合效果。認知能力現階段研究的移動機器人只具有簡單的感知能力，通過傳感器收集外界環境信息，并通過簡 單的映射關系