目前移动机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，DS证据理论推理，产生规则，模糊逻辑，人工神经网络等。

3.4充电系统

此外，解决移动机器人的能源供给也是一个重要的问题。移动机器人要实现自如的移动必然无法拖着电线到处走，因此就需要蓄电池供电，而在低电量的时候能够自行前往充电区域，开始充电，监测电池状态，充电完成，脱离充电区域继续进入工作区域完成之前的工作，整个过程实现自动化、智能，也是一个较为关键的技术。而一个机器人想要实现智能自动充电要具备以下能力：1.监测电量是否低于调定值；2.如使用接触式充电则要能够对准对接口，并且保证稳固的对接；3.在执行动作中突然电量低于调定值，对当前动作的暂停或是改变动作的处理与前往充电区域的导航，充电完成之后继续之前的动作行为。充电的方式分为接触式充电和非接触式充电，接触式充电稳定可靠效率高，比较成熟，非接触充电固然优秀便捷，潜力前景很好，但会有大量的能量损耗，在长时间使用的工业环境下成本会比较高。

四、 方案论证

4.1视觉传感器方案

视觉传感器不是一个独立工作的机器设备，它常常被安装在各种其他机器上以发挥作用，它的主要作用就是收集各类视觉信息，再将这些信息传输给需要它的机器设备，视觉传感器通常由一个到多个图形传感器组成，这些图形传感器通力合作来保证视觉传感器完成工作。我们可以提前设置视觉传感器应该获取什么样的图像，视觉传感器在获取图像后就会将图像与设置要求进行对比，满足要求的保存下来，不满足要求的图像就会被忽略，视觉传感器的图像清晰度也是以像素来衡量的，目前，视觉传感器的像素能够达到130万，因此，无论距离多远，它都能获取清晰的图像。视觉传感器具有成本低廉、使用简单的优点，因此它的应用领域十分广泛，包括分检、检测、计量、测量、定向等多个领域，在节省劳动力，提高工作效率上面发挥巨大作用。

4.1.1二维视觉传感器

二维视觉传感器主要就是一个摄像头，它可以完成物体运动的检测以及定位等功能，二维视觉传感器已经出现了很长时间，许多智能相机可以配合协调工业机器人的行动路线，根据接收到的信息对机器人的行为进行调整。

4.1.2三维视觉传感器

三维视觉传感器具有广泛的用途，比如智能手机、数码相机、机器人视觉导航、汽车安全系统、虚拟现实、工业检测等等。三维视觉传感器的研究主要集中在基于CCD或者CMOS图像传感器的图像处理与显示的研究。其工作原理类似人眼的成像原理。人眼水平分开在两个不同的位置上，当人眼在观察一个三维物体的时候，两只眼睛观察的物体虽然大体相同，但依然存在着一些差别。而两眼捕捉到的图像经由大脑处理，使人能够感受到一个三维世界的深度变化。即利用了两眼的视觉相差和光学折射原理形成三维图像。虽然CCD的使用最为广泛，长期以来都在市场上占有主导地位。灵敏度高，但响应速度较低。而CMOS针对CCD最主要的优势就是非常省电。不像由二级管组成的CCD，CMOS电路几乎没有静态电量消耗。这就使得CMOS的耗电量只有普通CCD的1/3左右

故本设计选用三维CMOS图像传感器作为视觉传感器，其具有响应速度快、动态范围高、具有焦距判断等优点。

4.2夹取机械臂方案

本设计要求机械手能实现对2kg以内的物体进行夹取，移动。为了满足设计要求，首先要考虑机械手的自由度。在三维空间描述一个物体的位姿需要六个自由度，机械手的自由度是根据用途而设计的，即存在可能小于也可能大于6个自由度的情况。故综合考虑后，本设计的机械臂具有5个自由度：1.肩的曲摆，2.大臂的曲摆，3.小臂的曲摆，4.小臂的旋转，5.手爪的开合。