图片94

智能轮椅作为医疗护理领域的服务机器人，广泛应用于移动机器人技术中。智能轮椅研究中涉及的关键技术包括导航系统、控制能源系统和人机接口。然而，由于整个轮椅系统以人为本，研究的核心是轮椅的安全导航。所谓导航，是指移动机器人根据预先给定的任务命令和已知的地图信息制定全球路径规划，在行驶过程中不断感知周围的局部环境信息，独立做出各种决策，随时调整姿势，引导自己安全行驶到目标位置。

1.系统定位

智能轮椅定位，即环境信息获取，是指在运动过程中使用自己的传感器，在工作环境中实时确定相对于全球坐标的位置和姿势。

定位技术可分为两类：基于机器视觉的定位技术和基于非计算机传感器的定位技术。常用的定位方法包括光盘、惯性陀螺仪、磁罗盘、路标匹配等。每种方法都有自己的优点和局限性。在实际应用中，智能轮椅实际上采用了几种方法来提高定位系统的准确性和可靠性，但准确性与用户的正常使用有一定的距离。因此，如何提高定位的准确性和效率是未来需要研究的问题之一。

传感器的选择在定位中非常重要。根据不同的定位技术，传感器可分为视觉和非视觉传感器。目前，常用的传感器包括超声测距传感器、CCD摄像头、红外传感器、激光传感器、GPS等。由于超声避障实现方便、技术成熟、成本低，已成为智能轮椅的常用定位方法。多个超声测距传感器用于检测障碍物的距离，然后确定机器人的当前位置。

2.信息融合技术。

从传感器获得的信息不能保证完全可靠和正确，可能会导致实物误判或检测距离误差。此时，我们可以采用概率法、综合多观测法、多传感器信息融合法等，其中多传感器信息融合法的研究已成为近年来的热点。

所谓的信息集成可以广义地概括为这样一个过程，即根据既定的规则分析来自多传感器的数据和信息，结合成一个全面的情报报告，并在此基础上为系统用户提供需求信息，如：决策、任务、路线等。在传感器信息集成中，有必要使用多种传感器。多传感器信息集成技术显示了单个传感器无法比拟的优势。通过合成，您可以获得比任何单个输入数据更可靠的信息。

如何整合这些互补或冗余的传感器信息，并获得更全面地反映环境特征的信息方法尤为重要。研究中最关键的部分是信息集成算法的研究。人们提出了多种应用于不同系统的多传感器信息集成算法，可分为随机和人工智能两类。

(1)随机方法。

这种方法的研究对象是随机的。多传感器信息融合中经常采用加权平均法、统计决策理论、聚类分析法、小波变换法、Bayes推理法、Dempster-sharer证据理论、Kalman滤波融合算法等多种随机方法。

(2)人工智能方法。

近年来，多传感器数据集成的智能计算方法包括：模糊集合理论、专家系统、神经网络、粗体理论和支持向量机。其中，基于神经网络的各种传感器信息集成是近年来发展的热点。神经网络具有良好的容错性、层次性、可塑性、自适应性、联想记忆和并行处理能力，结合神经网络等方法研究信息集成技术，效果显著，形成研究趋势。例如，小波和神经网络、Kalman滤波器和神经网络、证据理论和神经网络、模糊聚类和神经网络、遗传算法和神经网络等。

未来的多传感器信息融合技术主要集中在算法的改进和新算法的出现、微传感器的开发和多层次的信息集成三个方面。