传感器信息融合及其在机器人中的应用 摘要：多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息，可以获得系统所需的 更准确和更精确的信息。介绍了神经网络融合方法，探讨了信息融合技术在机器人方面的应用。机器 人避障实验验证了所提方法的有效性。 关键词：多传感器信息融合(MIF)；神经网络；移动机器人；避障；-Sensor Information Fusion and Its Application in Robot Summary: Multi-sensor data f

本程序所采用的基于栅格的地图表示方法即将整个环境离散化为规则的基本单元，二维栅格，对于每个栅格指出其中是否存在障碍物，通过对栅格的描述实验环境的建模。目前，这种方法已经在许多机器人系统中得到应用，是使用较为成功的一种方法。栅格地图的优点是：易于创建和维护，且不需要明确的几何参数。栅格地图的缺点是：当栅格数量增大时(在大规模环境或对环境划分比较详细时)，对于地图的维护所占用的内存和CPU时间迅速增长，使计算机的实时处理变得很困难，也就是说刚栅格表示的环境地图，环境空间的分辨率与栅格尺寸的大小有关，

针对无线传感器网络中,节点受噪声影响导致测量精度下降的问题,提出一种基于滑动窗口内正态记分 检验的同质感知数据融合方法.在节点内设置滑动窗口,存储一个周期内的测量值样本数据,并对样本数据进行双样 本正态记分检验,-Due to the declining accuracy caused by noise in wireless sensor networks, a data fusion method called normal score test, based on slidi

利用格罗贝斯统计理论剔除系统误差数据。对余下的有效数据，利用模糊理论计算其与估计值之间的模糊 贴近度，并以此确定每个传感器的重要性权重，最后提出数据融合公式实现多传感器的数据融合。应用实例验证 了该方法的有效性。-Grubbs statistical theory eliminate the use of the system error data. The remaining valid data, the use of fuzzy theory to calculate its fu