多传感器信息融合技术的基础原理就像人脑综合处理信息的过程一样，它充分地利用多个传感资源，通过对各种传感器及其观测信息的合理支配与使用，将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来，产生对观测环境的一致性解释和描述，多传感器信息融合技术按照数据的抽象层次分类可分为数据层融合、特征层融合和决策层融合三种。

  智能控制最重要的包含模糊控制、神经网络、进化计算等，且慢慢的变成为成熟的控制思想。模糊控制源于模糊数学，或称弗晰数学，是研究怎么样表现和处理模糊性现象的一个数学分支，模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。人工神经网络控制，从生物学的观点来看，神经网络的功能为信息处理和推理、联想和思维等高级的思想活动，而人工神经网络控制是利用工程技术方法模拟人脑神经网络的结构和功能的一种技术系统，它是一种大规模并行的非线性动力学系统。

  在服务机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。把人工神经网络控制和多传感器融合技术相结合用于服务机器人的导航定位系统。

  路径规划就是指在服务机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的路径。路径规划方法大概能分为传统方法和智能方法：

  1、传统路径规划方法主要有以下几种：自由空间法、图搜索法、栅格解耦法、人工势场法，在这几种方法中，人工势场法是传统算法中较成熟且高效的规划方法，它通过环境势场模型进行路径规划，但是没有考察路径是否最优。

  2、智能路径规划方法是将遗传算法、模糊逻辑以及神经网络等人工智能方法应用到路径规划中，来提高机器人路径规划的避障精度，加快规划速度，满足实际应用的需要。其中应用较多的算法主要有模糊方法、神经网络、遗传算法、Q学习及混合算法等，这一些方法在障碍物环境已知或未知情况下均已取得一定的研究成果。把模糊控制和人工神经网络控制相融合，形成的模糊神经网络控制用于服务机器人的避障，以BP网络作为机体，以基于模糊规则的模糊神经网络，采用CCD摄像机和多个超声波测距传感器，对服务机器人能够避障来控制。返回搜狐，查看更加多