随着科学技术的进步,移动机器人技术发展的日益成熟,人类对机器人的应用也越来越广泛。机器人技术研究及应用水平在一定程度上体现了一个国家的自动化水平,因此对机器人的研究具有非常重要的战略意义。移动机器人的循迹是指机器人依靠自身拥有的传感器感知周边环境,根据获得的路径信息实现自主跟踪路径行走。在机器人研究领域中,机器人如何感知并理解周边的环境是机器人实现自主运动的难点和热点。此外,随着移动机器人应用的不断拓展,单个传感器往往难以感知周边的环境信息,因此多传感器技术应用而生。与单个传感器相比,多传感器可以进行信息的互补和融合,提高机器人对周边环境的感知能力,获取信息更全面和准确,从而提高机器人自主运动的鲁棒性。因此,移动机器人多传感器信息融合技术已经成为机器人领域研究的热点之一。本文主要研究基于超声波传感器、红外传感器及视觉传感器的多传感器信息融合的机器人循迹展示运动,包括数据的配准和融合、路径提取和控制算法等相关问题的研究。本文的主要工作概况如下:(1)首先对多传感器信息的融合模型进行了研究。分析了多传感器融合的三种模型。其次,对可能存在的采集数据错误进行修正;并针对数据采集频率的不一致,对数据进行时间配准,使获得的数据同步。实验结果表明,修正并配准之后的数据更加接近理论值且有助于数据融合,对机器人准确判断距离和避障提供帮助。(2)对机器人路径提取进行了研究。针对机器人循迹路径为彩色路径,结合灰度图像阈值分割的思想,本文提出了基于HSI颜色空间的最优阈值路径提取方法。将获取的图像从RGB转为HSI颜色空间,因为HSI三个分量之间的独立性较强,所以单独对H分量进行处理。将H分量视为灰度值,根据所提出的改进图像分割算法IOtsu找出最优H分量,实现图像的彩色阈值分割。该方法有利于提高机器人路径跟踪的准确性。(3)给出了系统整体设计流程。针对红外和超声波障碍探测系统,提出了异类传感器信息融合方法,融合后的信息对机器人的运动起到约束作用。针对机器人运动路径的特点,提出基于模糊控制的算法,根据所得到的周边环境信息,提出新的模糊规则,将环境信息模糊化和解模糊,转换为机器人能够识别指令信息,从而实现机器人的智能控制。最后,对全文进行了总结和展望,归纳了本课题主要研究成果与实验结论,并提出了一些值得进一步拓展研究的方向与问题,包括多机器人协同控制,动态环境中运动控制等。