在乙個無法預知全部資訊的多變環境中，對於移動機械人而言利用感測器實時識別當前環境是最為重要的一環。
對於乙個生物而言，視覺能夠提供豐富的資訊並利用這些資訊來導航、計畫、決策。相同的對於移動機械人而言，視覺也是基本的標配感測器。隨著影象處理技術的發展，這種情況尤其明顯。影象處理技術有助於從靜止或移動的攝像機拍攝的影象中提取更有用的資訊。
所以首先要關注的是利用視覺來為無人車導航，以及對視覺感測器的要求，分析其特點與效能限制。各種技術目前使用在道路和車輛跟蹤，並做障礙檢測。隨著各種視覺感測器提供的豐富資訊，為了提高獲取資料的利用效率，資料融合成為重要的課題。
其次，在環境光較弱的情況下，有源的公釐級微波雷達有了很大用處，並且提供具有高保真範圍的資訊。
對於機械人而言，出來上述的環境感知以外，它還要能夠知道自己的狀態，也就是自己的位姿（位置加姿態）。
雖然視覺感知可用於定位，但如慣性導航系統(ins)和全球定位系統(gps)，允許優化估計值。這需要了解擴充套件卡爾曼濾波(ekf)，以及gps和ins的基礎知識。然後詳細討論了ekf在融合gps和ins測量資料中的使用，接著討論了針對gps和ins融合提出的各種方法。
除了此之外，機械人還可以利用環境中的地標來感知自己的位置。地標的識別可以由視覺感測器來完成，定位是通過地標與預知地圖中的地標的關聯來實現的，從而提供位置估計。
這些感測器使機械人能夠獲得一組基本的觀測資料，控制器和更高階別的決策機制可以根據這些資料進行操作，從而在組成智慧型、自主機械人系統的模組鏈中形成乙個不可或缺的環節。
感測器資料融合
感測器 攝像頭，公釐波雷達 主控ecu 雷達 攝像頭感測器將探測到的目標，車道線，攝像頭狀態資訊，以及攝像頭安裝位置資訊給到雷達 攝像頭 單目，處理車道線資訊，探測與跟蹤目標，並估計目標狀態 融合演算法利用攝像頭與雷達的目標資訊作為輸入 主要是用雷達的dx，攝像頭的 l和 r，dy,vy 雷達感測器...
多感測器融合
2018年，l3等級的自動駕駛汽車陸續出現在市場上。奧迪的第一款l3自動駕駛汽車奧迪a8旗艦轎車，也是全球首款達到l3級別的自動駕駛量產車。以自動駕駛功能在高速公路上行駛，時速為60km h或者更低。駕駛員無需時刻監控駕駛環境。在當時，奧迪a8為何這麼牛？它是如何達到l3水平的呢？豐富的感測器功不可...
2 感測器 動作感測器
動作感測器概述 android平台支援一些用於監視裝置動作的感測器 這樣的感測器共有5個 其中兩個 加速感測器和陀螺儀感測器 是純的硬體感測器。另外三個 重力感測器 線性加速感測器和旋轉向量感測器 可能是硬體感測器，也可能是軟體感測器。例如，在一些android裝置中，這些基於軟體的感測器會從加速和...