智能轮椅如何通过传感器获取周围环境的信息？

智能轮椅之所以智能，就是因为它拥有着许许多多的传感器。这些传感器不断地将周围的环境传输给智能轮椅上的电脑中进行综合处理。

　　智能轮椅一般处于非结构化环境，周围环境信息往往是多义的、不完全的或不准确的，而且可能随着时间而变化。故智能轮椅多采用基于传感器导航，即通过多传感器收集数据，获取其活动的周围环境信息，用一定算法对数据进行分析、融合。为寻航系统提供正确的决策。所以环境信息采集和建模是研究的关键问题之一。

　　由于智能轮椅导航的实时性和避障的可靠性要求。获取环境信息的传感器既要有足够的视角以覆盖整个空间获得完整的环境信息。又要具有较高的采集信息速率以保证在轮椅运动时能提供实时的信息。轮椅行驶时必须不断地感知周围环境及自身状态信息，只靠一种传感器难以完成对环境的感知，通常轮椅都装有多种传感器：超声波传感器、红外传感器、CCD图像传感器、激光雷达传感器等，传感器的选择主要是考虑机器人所使用的环境以及环境信息获取的类型。为了有效地利用传感器信息，需要对其进行综合、融合处理。

　　多传感器信息融合是在20世纪80年代诞生的信息处理技术，协同使用多种传感器并将各种传感器信息有效地结合起来，形成高性能感知系统来获取对环境的一致性描述。通过综合分析多传感器的信息，结合其差异性与互补性，提高系统的可靠性和鲁棒性，扩展时间上和空间上的观测范围，增强数据的可信任度。目前国内外研究的热点是如何利用多传感器系统以及先进的感知算法来实现现实环境中轮椅的高灵活度和高鲁棒性。

　　近年来，人们提出许多传感器信息融合算法，如贝叶斯估计、卡尔曼滤波法、加权平均法、人工神经网络数学模型等．数据融合主要包括基础理论、算法与模型开发、汇集处理所用到的数据与知识库、开发推理系统等四个方面，这也是当前和今后研究工作的重点。目前，将模糊逻辑、神经网络，进化计算、粗集理论、小波变换等计算智能技术有机地结合起来，利用集成的计算智能方法f如模糊逻辑+神经网络、模糊逻辑+进化计算、神经网络+进化计算、小波变换+神经网络等。加强信息处理深度，改进融合算法进一步提高融合系统的性能。经过融合的信息能比较完整地反映环境特征．提高机器人导航精确度．

　　在未知的动态环境中如何提高多传感器的信息融合，如何利用有关的先验数据提高数据融合的性能，及开发并行计算的软件和硬件。以满足具有大量数据且计算复杂的多传感器融合的要求，都是需要认真研究和解决的问题。