本文主要是介绍基于移动机器人多传感器的信息融合，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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：
-
基于环境模型的规划算法：栅格法、可视图法、拓扑法
-
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
-
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：
这篇关于基于移动机器人多传感器的信息融合的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
