自行走轮椅设计开题报告

1 课题意义

联合国发表报告指出：当二十一世纪上半叶到来时，全球人口将增加0．6倍，而老年人口将增加2．3倍，老年人【1】口占总人口的比例将上升到20％。也就是说，

全世界人口老龄化进程正在加快，今后50年内，60岁以上的人口比例预计将会翻一番。而我国是人口最多的国家，老龄化和残疾是我们不得不面对的重大问题，据老龄委统计结果显示，目前我国60岁以上的老年人已达到1．43亿，超过总人口的10％。而我国有残疾人6000多万，平均每5个家庭就有一个残疾人12J。另一项调查显示，2000年，我国60岁以上老年人中有腿脚不便情况的人已接近2800万。此外，根据中残联统计数据，目前我国肢体残疾人接近900万，其下

肢残疾人为200万左右。

随着老年人和残疾人的日益增多，服务需求将会日益增加。助老／助残服务

机器人系列产品的研发有助于形成未来老年人和残疾人生活的新模式和新概念，并解决人口老龄化带来的重大社会服务问题，以及2015年实现我国“人人享有康复服务”的国家战略目标和社会协调发展提供技术支撑。智能轮椅是助老／助残服务机器人系列产品中的一个重要研究领域。轮椅作为广大老弱病残人员使用的辅助运动工具，随着人工智能和机器人技术的发展，智能轮椅【3J的研发也

必将成为一种趋势。研究并开发实用的智能轮椅具有非常重要的现实意义。1．1多模态智能轮椅

江西省焊接与自动化机器人重点实验室研究的多模态智能轮椅包括手柄控

制，语音控制中可避障控制，自主避障控制三种模态。各模态之间即可相互独立，又可根据实际应用场合进行多模态融合。

(1)手动控制

常规模态，智能轮椅相当于普通的电动轮椅。此模态有两种控制方式，手

柄控制和键盘控制。使用者即可通过手柄，也可通过小键盘操作输出四路模拟电压，轮椅本身配有电机控制器，四路模拟电压通过电机控制器产生直流电机信号来控制直流电机，通过对直流电机的开环控制控制轮椅的前进、后退、加第1章绪论

速、减速、左转、右转、停止等运动控制。

(2)自主避障控制

本课题智能轮椅是基于超声波传感器技术基础上的避障控制。由分布在轮

椅各个方向上的七组超声波传感器获得障碍物信息，由单片机根据获得的障碍物信息做出相应的避障决策，使智能轮椅灵活避障。

(3)语音控制模态可避障系统

智能轮椅语音控制系统是属于一个拥有数个或十余个词的小词汇量的语音

识别控制系统，使用者先进行自身的语音训练，训练好的语音模型保存在存储器中，当用户选择语音控制模态后，语音命令与存储器中的语音模型进行相似度对比，从而实现语音识别。进而实现语音控制。如果语音控制过程中出现障碍物，播放“前方有障碍物，重新识别"。同时可以输入其它语音控制命令。

二国内外智能轮椅研究现状

2.1 国外智能轮椅研究现状

自1986年英国开始研制第一辆智能轮椅来，许多国家投入大量资金研究智

能轮椅，如美国麻省理工学院wheelesley项目，法国VAHM项目，德国乌尔姆

大学MAID项目，西班牙SIAMO项目，加拿大AAI公司TAO项目，欧盟TIDE项目等。1989年法国开始研究VAHM项目，第一阶段的智能轮椅由轮椅、PC486、超声波传感器、人机界面和一个可匹配用户身体能力转换的图形屏幕组成，设置为手动、自动、半自动三种模式，手动时轮椅执行用户具体指令和行动任务：自动状态时用户只需选定目标，轮椅控制整个系统，此模式需要高度的可靠性：半自动模式下用户与轮椅分享控制。为了更好适应用户需求，研究者在康复中心进行了一系列调查，得出结论：系统必须是多功能的，不仅应适应残障人士的生理和认知能力，也应适应环境的结构和形态。在此基础上，经改进研制出第二代产品，相对于第一代产品，其功能更丰富，面向用户范围更广，性价比更好，改良了大量控制。德国乌尔姆大学在一个商业轮椅基础上研制了轮椅机器人MAID，在乌尔姆市中心车站的客流高峰期及1998年汉诺威工业商品博览会的展览大厅环境中进行了实地现场表演。该轮椅机器人在公共场所有大量乘客的拥挤环境中，通过了超过36小时的考验，能够自动口!别和判断出行驶的前方是否有行人挡路，或是否可能出现行驶不通的情况，自动采取绕行动作，它甚至还能够提醒挡路的行人让开道路。根据航行的环境不同，机器运行模式分为：NAN(狭窄区域航行)和WAN(宽区域航行)，大大增加了航行准确率。此项目得到德国科学技术部的财政支持，

据计划，这种智能轮椅将于两年后『F式面世，价格会比普通电动轮椅高出约50％。同本北海道工业设计学院的研究人员研制出一种不爿j人工操作的声控轮

椅。研究人员将uT感应语占声响的晶片，装置在轮椅的控制机关内，在使用者

对着麦克风讲出要求后，感应系统便会依照要求启动运作，除了可向前后左右

和快慢行走外，椅背还可向后倾，方便使用者休息。

2.2 国内智能轮椅研究现状

我国智能轮椅研究起步较晚，在机构的复杂性和灵活性上和国外相比有一定差距，但也根据自身特色研制出技术指标接近国外先进水平的智能轮椅。研究单位有中科院自动化所、台湾中正大学电机系、上海交通大学和第三军医大学等。中国科学院自动化研究所承担了“863”智能机器人智能轮椅项目，研制了一种具有视觉和口令导航功能并能与人进行语音交互的机器人轮椅NLPR，中科院研制的智能轮椅曾在“863”。计划十五周年成就展展馆的人群中穿棱自如。此项研究成果于2000年11月通过“863”智能机器人主题专家组的鉴定，并研制出我囡第一台多模态交瓦式智能轮椅样机。此项研究高度重视了智能轮椅人机控制界面的设计，在轮椅的设计中综合运用模式识别实验室有关图像处理、计算机视觉和语音识别等最新成果，使人能通过语音控制轮椅自出行走，轮椅可以实现简单的人机对话功能。上海交通大学开发成功一种声控轮椅．主要是为四肢全部雀失功能的残疾者设计，使用者只需发出“开”、“前”、“后”、“左”、“右”、“快”、“慢”、“停”等指令，轮椅可在1．2秒内按指令执行。上海交通大学研制的智能轮椅具有自辛避障，目标跟踪和防跌功能。同时还设计可抓取日常用品的机械手臂。台湾中正大学电机系以一台工业级Pc为控制中心，通过马达控制卡驱动放大器，利用操作杆执行基本的电动轮椅操作功能，采取平行化设计，配备了麦克风、CCD，LCD、传感器、无线网络通讯界面等，并搭配了自行开发的软件以达到系统配置最佳效果。天津大学研制的智能轮椅可用脑电信号控制智能轮椅，采用的控制器是计算机。

2.3 智能轮椅关键技术研究

2.3.1移动机器人路径规划理论

路径规划[41技术是移动机器人技术研究领域中的一个重要分支，是机器人智能化的重要标志。总的控制目标是使移动机器人运动到目标点，总的约束是在整个过程中，机器人不碰到任何一个障碍物。该问题根据对环境信息的掌握程度可以分为两类：一类是环境信息已知的全局规划，另一类是环境信息未知的局部规

划。全局规划方法依照己获取的环境信息，给机器人规划出一条路径【5J，规划路径的精确程度取决于获取环境信息的准确程度。全局方法通常可以寻找最优解，但是需要预先知道环境的准确信息，并且计算量很大。局部规划方法侧重于考虑机器人当前的局部环境信息，让机器人具有良好的避碰能力。很多机器人规划方法通常是局部的方法，因为它的信息获取仅仅依靠传感器系统获取的信息，并且随着环境的变化实时地发生变化。和全局规划方法相比较，局部规划方法更具有实时性和实用性。缺陷是仅仅依靠局部信息，有时会产生局部极点，无法保证机器人能顺利到达目的地。上述两种方法各有利弊，故将两种方法互相结合，取长补短的综合研究方法渐渐成为研究的趋势。

(1)环境信息的获得，即研究机器人获得周围工作环境信息的途径的问题，其中最普遍的方式就是通过自身的各类传感器来获取，除此之外还有示教等。这里面涉及到机器人的导航与定位的问题以及传感器信息融合等问题。

(2)环境信息的理解问题，也可以称之为将环境建模或建立地图模型，即’运一些算法将所获得的环境信息变成机器人能够识别和运用的数据信息，以备下一进行可行路径的搜索，主要是一些算法理论的研究。

(3)可行路径搜索问题，即研究如何将第二步所得的数据信息按照一定的标准或要求组织生成一条(段)可行的路径，主要是一些优化算法和理论的研究。按运动类型的不同，移动机器人的路径规划可分为三种：最优路径规划、局部路径规划和自适应路径规划。本课题着重研究局部路径规划。

2.3.2 局部路径规划

局部路径规划[71是指在未知或者部分已知的环境中进行的路径规划，它根据有无最终目标位置可以分成两种情况：探索和漫游。后者仅要求移动机器人能避开障碍物，对运动的朝向没有约束。而对前者，则还有个最终目标位置作指引，机器人必须努力向这个位置靠近，在机器人前进的过程中，由于缺乏先验的全局环境信息，有时一条明显的路径要花费很大努力才能找到，而且由于信息的不完整性，不存在全局意义上的最优指标，但它可以达到某种次优性。这种情况下，移动机器人一般配有能感知周围局部环境的距离传感器，其路径规划则常按照“Hypothesize．and．test假设一测试，HT"的思想来实现，顾名思义，它先假设一条从起点到终点的直线路径，行进过程中，发现正前方有障碍物时，一般采用沿着障碍物边缘行走的方法避障，直到它发现前方目标方向上不再有障碍物时，又转回到这条直线路径上来：为了让工作在漫游状态下的移动机器人能避开动态

障碍物，一类基于行为的路径规划方法被大量采用。它把路径规划问题分解成许多相对独立的小系统，在运行状态下通过竞争机制取得控制机器人运动的主导权，并在环境交互作用中最终达到目标。对室外移动机器人，它的移动范围大，由于环境是不可预知的，在它的行驶过程中，必须以局部环境信息和机器人自身状态信息为基础，规划出一段短行程内与障碍物无碰撞的理想路径。局部路径规划【8】[91[101算法包括：C空间法、人工势场法、模糊逻辑算法遗传算法和神经网络法等、基于滚动窗口的路径规划算法。

(1)C空间法

C空间又称位姿空间，是由Lozano—Perez和Wesley于1978年提出的。目前的很多规划方法都是基于位姿空间的规划方法。其实质是根据运动物体的大小和姿态，把周围的障碍物向外扩展一定的距离，即相应的“膨胀"，变成扩展障碍。与此同时，运动物体缩为一个点(运动物体位姿的描述简化为位姿空问中的一个点)，于是得到一个新的空间，称为位姿空间。这实际上构造了一个虚拟的空间：把运动物体、障碍物及其几何约束关系做了等效变换，将物体的规划问题转变为点的规划问题，将复杂问题简单化，同时又具有实际意义，因此得到了广泛的运用。这种方法本质上属于环境建模的方法。

(2)人工势场法

人工势场法最初是由Khatib提出的一种虚拟办法。势场法的基本思想是在移动机器人的工作环境中构造一个人工势场，使得在该势场中移动的机器人受到其目标位置引力场和障碍物周围斥力场的共同作用。势场法的吸引力在于数学描述上简洁、美观。但它也有其内在的局限性，即当目标附近有障碍物时，移动机器人受到的斥力大于或者等于目标点产生的引力，将永远也到达不了目的地。如果目标和障碍物都离的很远，障碍物的斥力会随着机器人向目标的接近而变的越来越小，甚至可以忽略，机器人将只受到吸引力的作用而直达目标。但在当在实际环境中至少有一个障碍物与目标点离的很近的情况下，当移动机器人逼近目标的同时，它也将向障碍物靠近，如果利用以前对引力场函数和斥力场函数的定义，斥力将比引力大的多，这样目标点将不是整个势场的全局最小点，因此移动机器人将不可能到达目标。总的来说这个方法存在着三个方面的问题：在相近的障碍物之间不能发现路径；在障碍物前可能会出现震荡；在狭窄通道中出现摆动现象。

(3)模糊逻辑算法

采用模糊逻辑算法进行局部路径规划，是基于机器人本身装备的传感器的实时

测量到的环境信息，通过查表得到规划的控制策略，此算法计算量不大，能满足实时性要求。模糊逻辑算法最大的特点是其控制规则是由人的经验总结出来的，能够克服势场法容易产生的局部极小问题，对处理环境未知下的规划问题具有了很大的优越性。对于解决当遇到用通常的定量的方法来说是很复杂的问题或当外界仅能够提供定性的、近似的、不确定的信息数据时模糊逻辑算法是非常有效的。

(4)遗传算法

遗传算法运用于轮椅机器人路径规划的研究进来取得了许多成果，其基本思想是：首先初始化种群内的所有个体，即将个体编码为路径中一系列中途点，然后进行遗传操作，如选择、交叉、复制、变异。经过若干代进化以后，停止进化，输出当前最优个体。遗传算法主要依靠适应度函数来控制进化方向，因此，适应度的构造至关重要。遗传算法作为并行算法，不容易陷入局部最优，故更有可能搜索到全局最优解。但和人工势场法、模糊逻辑算法相比，遗传算法实时性交叉，且需要较大的存储空间和较多的运算时间。

(5)神经网络法

近年来，随着人工神经网络研究的深入，人们已将神经网络引入到智能机器人避障研究中，通过实例教学使网络收敛，学习完成后的网络，除了其固有的并行特性外，还具有一定的容错能力，并且对学习中未遇到的情况，也能进行一定的处理。机器人系统是一个实时性要求很高的非线性系统，人工神经网络提供了解决这方面问题的可能性。由于神经网络是一个高度并行的分布式系统，所以可用来完成对视觉系统探测到的图像进行处理，它不仅处理速度高，还可以充分利用其非线性处理能力达到环境及目标辨识的目的，还可以完成机器人内部坐标和全局坐标的快速转换。另外，基于环境拓扑结构组织的网络，在给出目标后，还可以通过网络能量函数的收敛得到一条最优途径。神经网络在导航中的应用还在于对避障和路径规划方面。由于避障和路径规划工作没有明显的规则和难以进行时间分类，可以让神经网络通过大量的实例学习来掌握。由于不需要迭代，采用前向网络学习算法来学习避障行为时，速度很快；Kohonen网络的自组织特性也可以用来融合传感器信息，学习从地图上不同位置到目标的行走路线，一旦学习完成后，机器人就能够实现自主避障。

(6)基于滚动窗口的路径规划算法

基于滚动窗口的机器人路径规划是一类典型的在不确定环境下进行路径规划的算法，它借鉴了预测控制滚动优化原理，把控制论中优化和反馈两种基本机制

合理地融为一体，使得整个控制既基于模型与优化的，又是基于反馈的。基于滚动窗口的路径规划算法的基本思路：首先进行场景预测，在滚动的每一步，机器人根据其探测到的局部窗口范围内的环境信息，用启发式方法生成局部子目标，并对动态障碍物的运动进行顶测，判断机器人行进是否可能与动态障碍物发生碰撞；其次，机器人根据窗口内的环境信息及预测结果，选择局部规划算法，确定向子目标行进的局部路径，并依所规划的局部路径行进一步，窗口相应向前滚动；然后，在新的滚动窗口产生后，根据传感器所获取的最新信息，对窗口内的环境及障碍物运动状况进行更新。基于滚动窗口的路径规划方法，主要用于全局未知的环境中，该方法放弃了对全局最优解的要求，利用机器人实时测得的局部环境信息，以滚动方式进行在线规划，具有良好的避碰能力。滚动窗口的路径规划是一种基于C自由空间的局部路径规划算法，由于滚动窗口获得的环境信息有限，就全局看来，按这种方法规划出的整条路径并非全局最优，这也是所有局部路径规划方法都不可避免的问题。

语音识别技术

一个典型的语音识别过程包括语音信号的预处理、特征提取、训练、识别、后处理五个基本单元。

(1)预处理

语音信号的预处理，包括预滤波、语音信号的数字化、预加重处理、分帧、噪声抑制和端点检测等。语音信号的预处理是语音识别过程的前期预备工作，为以后各个环节的处理奠定了基础。

(2)特征提取

预处理后进行特征参数的提取，合理的选用语音特征是语音识别的一个根本问题，并且对系统的识别性能有着重要的影响。因此，针对系统的实际需求，选用合理的语音特征参数是非常关键的。

(3)模型训练

经过预处理及特征提取，进行模型训练，训练过程的目的是让系统从大量的真实语音中学习必要的模型参数形成语音参考模式库。

(4)模式匹配

根据一定的规则，利用上述模型参数对输入的语音进行模式匹配，并给出一个识别结果。

(5)后处理

后处理单元可能涉及语句分析、语句理解、语义网络以及语言模型等。它往往不是一个孤立的单元，而是与匹配计算单元、参考模式库融合在一起，构成一个逻辑关系复杂的系统整体。目前后处理在小词汇量实用语音系统中还很难使用。2.3.3 分类

语音识别系统可以根据对输入语音的限制加以分类。如果从说话者与识别系统的相关性考虑，可以将识别系统分为3类：(1)特定人语音识别系统：仅考虑对于专人的话音进行识别；(2)非特定人语音识别系统：识别的语音与人无关，通常要用大量不同人的语音数据库对识别系统进行学习；(3)多人的识别系统：通常能识别一组人的语音，或者成为特定组语音识别系统，该系统仅要求对要识别的那组人的语音进行训练。

语音识别应用系统根据对说话方式的要求，可以将识别系统分为3类：(1)孤立词语音识别系统：孤立词识别系统要求输入每个词后要停顿；(2)连接词语音识别系统：连接词输入系统要求对每个词都清楚发音，一些连音现象开始出现；(3)连续语音识别系统：连续语音输入是自然流利的连续语音输入，大量连音和变音会出现。如果从识别系统的词汇量大小考虑，也可以将识别系统分为3类：(1)小词汇量语音识别系统：通常包括几十个词的语音识别系统。(2)中等词汇量的语音识别系统：通常包括几百个词到上千个词的识别系统。(3)大词汇量语音识别系统：通常包括几千到几万个词的语音识别系统。随着计算机与数字信号处理器运算能力以及识别系统精度的提高，识别系统根据词汇量大小进行分类也不断进行变化。目前是中等词汇量的识别系统到将来可能就是小词汇量的语音识别系统。这些不同的限制也确定了语音识别系统的困难度。

2.3.3 分析

一般来说，语音识别的方法有三种：基于语音学和声学的方法、模板匹配的方法以及利用人工神经网络的方法。’

(1)基于语音学和声学的方法

该方法起步较早，在语音识别技术提出的开始，就有了这方面的研究。但由于其模型及语音知识过于复杂，现阶段没有达到实用的阶段。

(2)模板匹配的方法

模板匹配的方法发展比较成熟，目前已达到了实用阶段。在模板匹配方法中，要经过四个步骤：特征提取、模板训练、模板分类、判决。常用的技术有三种：动态时问规整(DTW)、隐马尔可夫模型(HMM)理论、矢量量化(VQ)技术。

(3)神经网络的方法。

利用人工神经网络的方法是80年代末期提出的一种新的语音识别方法。人工神经网络(ANN)本质上是一个自适应非线性动力学系统，模拟了人类神经活动的原理。具有自适应性、并行性、鲁棒性、容错性和学习特性。其强的分类能力和输入一输出映射能力在语音识别中都很有吸引力。但由于存在训练、识别时间太长的缺点，目前仍处于实验探索阶段。由于ANN不能很好的描述语音信号的时间动态特性．所以常把ANN与传统识别方法结合，分别利用各自优点来进行语音识别。这些结合形成的算法提高了识别的性能，并弥补了神经网络的缺点，增强了识别系统的鲁棒性。

三研究内容和实验方案

根据调研结果，智能轮椅在国外已取得长足的发展，但大多数也都是在实验室或是少数定做，还没有形成批量生产，在国内也是近几年才开始进行研究。智能轮椅作为帮助残疾人的一种服务机器人，应以人为核心进行设计，即应当在安全行驶和实用性方面下功夫。本文以人为本，对智能轮椅安全避障，语音控制中可避障控制，手动控制进行了深入研究。

(1)研究目的

本课题的目标是构建智能轮椅多模态控制系统：自主避障模态、手动控制模态、语音控制中可避障模态。适应多种用户的需要。

(2)研究方法

本课题智能轮椅多模态控制系统总体设计采用模块化设计，采用超声波传感器测距原理和局部路径规划理论设计了轮椅自主避障模态，采用SPI模拟技术设计了手动控制模态，语音识别技术和决策层融合技术设计了语音控制可避障模态。

(3)研究结果

本课题在实验室外空旷区域进行了智能轮椅多模态控制系统实验，经过实验我们发现，多模态控制系统运行良好，可以满足多种用户的需要，具有很高的实用价值。

四目标,主要特色及工作进度

本课题创新点体现在以下几点：

(1)仅在SPCE061A单片机的基础上，实现了语音控制中可避障控制、自主避障控制、手动控制，使得智能轮椅人机交互性更强，运行更加安全、稳定可靠。并且在功能上可以根据不同的用户对象分模块定制。

(2)利用超声波测距原理和路径规划理论，以一块SPCE061A单片机开发板为控制核心，电动轮椅为控制载体，设计了智能轮椅自主避障模态的硬件系统和软件系统。

(3)基于安全角度考虑，在对语音控制单模态和自主避障控制单模态进行分析的基础上，设计了语音控制中可避障模态。

(4)利用SPI模拟技术设计了DA驱动控制模块和手动控制模块。

工作进度:

(1)收集有关资料,写出相关报告;3.24—4.3

(2)系统方案设计 4.6---4.23

(3)轮椅结构及主要部件功能 4.26—5.5

(4)绘制零件图 5.7---5.25

(5)撰写论文 5.28—6.6

五参考文献

【1】张桂荣．人口老龄化与社会养老保险[D】．山东，山东大学

【2】李芳蕾．我国报刊残疾人报道研究【D】．北京，中央民族大学

【3】Brooks R A robust layered control system for a mobile robot．IEEE Transactions on Robotics

and Automation．1 986．2(¨．1 4～23

【4】向静波．移动机器人的路径规划和控制研究【D】．河北，西北工业大学．2004 【5】BorockeR R W et a1．Asymptomic Stability and Feedback Stabilization．Differential

Geometric Control Theory，1 983：1 8 1"-208

【6】N Nilsson．A mobile automation：An application of artificial intelligence techniques．In proc

IJCAI，1969

【7】C．Ronald Kube and Hong Zhang．Task modelling in Collective Robotics．Autonomous

Robots，1997 53"72

【8】Koren，Y and Broenstein，j．Potential Field Methods and their Limitations for mobile Robot

Navigation．IEEE Int．Conf．on Robotics and Automation．1 99 1：1 398～1404

[9】张颖，吴成东，原宝龙．机器人路径规划方法综述【J】．控制工程，2006(12)：23"-'25

【10】樊长虹，陈卫东，席裕庚．未知环境下移动机器人安全路径规划的一种神经网络方法【J】．

自动化学报．2004。30(6)：2～8

【1 l】Gang Feng．A Compensating Scheme for Robot Tracking Based Oil Neural Networks．

Robotics and Autonomous Systems．1 995：1 99-206

【1 2】Yang Simon X，Meng Max．An Effcient Neural Network Method for Real-time Motion

Planning with Safety Consideration．Robot and Autonomous Systems．2000 [13】张颖，吴成东，原宝龙．机器人路径规划方法综述．控制工程．2003，10(50)：1～2

【14】李玲，邹大勇，谢维达．基于自适应模糊人工势场法的自动引导小车路径规划．长沙电力

学院学报．2005．20(3)：1"-3 。

[15】谢宏斌，刘国栋，李春光．基于遗传算法的机器人动态路径规划的仿真．武汉工业学院学

报．2003，22(3)：1---3

【16】刘成良，张凯，付庄．神经网络在机器人路径规划中的应用研究．机器人．2001，23(7)：1～4

【1 7】李磊，叶涛，谭民．移动机器人技术研究现状与未来．机器人．2005，24(5)：1"-'5

【1 8】LeventYenilmez,HakanTemeltas．Real Time Multi-Sensor Fusion And Navigation For

Mobile Robots．Electroteehnical Conference，1 998，VOL．1：22 1"-'225 【19】何友，王国宏，陆大淦，彭应宁．传感器信息融合及其应用【MJ．北京：电子工业出版社，

2000

【20】袁军，王敏，黄心汉，陈锦江．智能系统多传感器信息融合研究进展．控制理论与应用，

1994，ll(5)：513～519

【21】Chang and Song Ultrasonic Sensor Data integration[J]．Journal of Robotic System，1996，

8(3)：664～667