1.3　智能机器人信息获取概述

21世纪信息无处不在，信息获取的重要性不言而喻。为使智能机器人及其自动控制系统能够在非结构环境下自主工作，对环境信息的获取和智能决策的能力要求越来越高。如图1-2所示，信息链由信息获取、信息传输和信息处理三个环节组成，它们构成了信息科学的三大支柱：信息获取、计算机、通信。目前，随着计算机技术和网络技术的发展，信息处理和信息传输目前已经在一定程度上能基本满足各种智能机器人场合的要求，而信息链的首要环节——信息获取的系统研究依旧停留在传统的检测技术和传感技术等较低层次，还不能完全满足智能机器人的应用要求。信息获取系统理论研究逐渐成为21世纪信息科学与技术发展的瓶颈^{［13，14］}。

图1-2　信息链示意图

智能机器人系统非常复杂，控制方法要求相对更高，而且系统的未知因素很多，控制变量具有不确定性，因此智能机器人更加依赖于其感知系统及其采用的相关信息获取、融合、理解及控制方法和机制。针对智能机器人的传感器研究还没有得到足够的重视，其相应的感知信息方面的技术相对落后，自身在智能化和网络化方面还有待进一步研究和开发^［6］。

通过融合智能机器人各种类型传感器所提供的冗余、互补或更实时的信息，可以使系统获得更加可靠、准确的各类信息，以便更加精确地反映检测对象的特征，消除不确定性^［15］。通过适当的信息融合算法，使得处理后的信息对比原传感器反馈信息具有信息的互补性、信息的冗余性、信息的实时性和信息的低成本性。

目前机器人的多传感器融合技术的研究方法主要有：加权平均法、卡尔曼滤波、贝叶斯估计、D-S证据理论推理、模糊逻辑、神经网络法和粗糙集理论等。