【導讀】在傳感器避障領域，采用單一的傳感器測量的效果并不理想，在實際應用中往往需要采用其他類型的傳感器進行補償，才能實現對周圍環境的探測的最佳效果。當然，這就產生了多傳感器信息的融合處理的問題，增大了信息處理的工作量和難度。
那么，除了這種傳感器避障方法，還有很多的其他方法融合處理多種傳感器信息，讓全自主機器人實現完美避障，比如人工勢場法避障控制法、模糊邏輯控制避障控制法、人工神經網絡避障控制法、柵格法避障控制法以及聲波避障控制法等。
人工勢場避障控制法
人工勢場避障控制法，是一種比較簡單又新穎的做法，是另一種仿生學，仿照物理學中電勢和電場力的概念，建立機器人工作空間中的虛擬勢場，按照虛擬勢場力方向，實現局部路徑規劃。
通過構造目標位姿引力場和障礙物周圍斥力場共同作用的人工勢場，來搜索勢函數的下降方向，然后尋找無碰撞路徑。
聽起來很玄乎，但是早已經有應用產品了，Khatib曾應用于移動機器人的導航上。但是并沒有得到大規模應用。
因為即使對于簡單環境很有效，但是都是在靜態的研究中得出的，而沒有考慮障礙物的速度和加速度的影響，所以在動態避障控制中，人工勢場法避障控制不是很理想。因為在復雜的多障礙環境中，不合理的勢場數學方程容易產生局部極值點，導致機器人未到達目標就停止運動，或者產生振蕩、擺動等現象。
另外，傳統的人工勢場法著眼于得到一條能夠避障的可行路徑，還沒有研究出什么最優路徑。
模糊邏輯控制避障法出現得并不晚，1965年美國的一位教授就提出過模糊邏輯的概念。1974年，英國倫敦大學一位教授利用模糊控制語句組成的模糊控制器控制鍋爐和氣輪機的運行獲得成功，開始將模糊數學應用于自動控制領域，包括機器人領域。
由于不必創建可分析的環境模型，目前模糊邏輯方法在解決機器人避開障礙物問題上己經有了大量的研究工作。另一個獨特優點也讓用專家知識調整規則成為可能，因為規則庫的每條規則具有明確的物理意義。
在模糊邏輯控制避障法中，模糊控制規則是模糊控制的核心。當前研究工作的新趨勢之一是它的漸增本質，特別是在模糊控制規則的自動生成方面，即連同自動模糊數據獲取，給予算法在線模糊規則學習能力，數據獲取和規則生成均自動執行。
人工神經網絡是由許多單元（又稱神經元），按照一定的拓撲結構相互連接而成的一種具有并行計算能力的網絡系統，它具有較強的非線性擬合能力和多輸入多輸出同時處理的能力。用在機器人上，就是通過模擬人腦神經網絡處理信息的方式，從另一個研究角度來獲取具有人腦那樣的信息處理能力。
對于智能機器人來說，采用人工神經網絡進行信息融合有一個最大優勢，即可大規模地并行處理和分布式信息存儲，具有良好的自適應、自組織性，以及很強的學習功能、聯想功能和容錯功能，接近人腦的信息處理模式。
這屬于用啟發式算法在單元中搜索安全路徑。賦予每個柵格一個通行因子后，路徑規劃問題就變成在柵格網上尋求兩個柵格節點間的最優路徑問題。搜索過程多采用四叉樹或八叉樹表示工作空間。
柵格法以基本元素為最小柵格粒度，將地圖進行柵格劃分，比如基本元素位于自由區取值為0，處在障礙物區或包含障礙物區為1，直到每個區域中所包含的基本單元全為0或全為1，這樣在計算機中就較容易建立一幅可用于路徑規劃的地圖。
柵格粒度越小，障礙物的表示會越精確，也就更好避障。但往往會占用大量的儲存空間，而且算法也將按指數增加。
聲波避障控制法
聲波避障行為能夠實時監測長距離超聲波傳感器，為機器人搜索開闊路徑。當機器人離障礙物還有一定距離時，超聲波傳感器就能夠檢測到相關信息，并據此控制機器人離開。
然而，超聲波傳感器對非常接近的物體會探測不到，這個距離稱為物理探測盲區。在剛發射信號的時候，返回信號的閾值會被設定得很高以防止發射波直接觸發接收器，因此如果檢測的距離很短、閾值沒有下降，返回信號已經到達接收器，這時接收器會認為這個返回信號是剛發出的信號從而拒絕接收，使超聲波傳感器形成一個探測盲區，沒法對近距離物體探測。
另一個缺陷是，如果在一個比較小的轉彎角度上安裝有平滑的表面，該表面能夠將聲納波束向前反射，而不是反射回機器人。在這種情況下，由于沒有回波返回，傳感器就會產生一次漏報，機器人也會因此認為在自己行走的路徑上沒有障礙物存在。此時，聲波避障行為不能得以觸發，也就無法避障。
近年來，激光雷達在移動機器人導航中的應用日益增多。這主要是由于基于激光的距離測量技術具有很多優點，特別是其具有較高的精度。
激光雷達與其它距離傳感器相比，能夠同時考慮精度要求和速度要求，這一點特別適用于移動機器人領域。此外，激光雷達不僅可以在有環境光的情況下工作，也可以在黑暗中工作，而且在黑暗中測量效果更好。不過，該傳感器也有一些相應的缺點，比如安裝精度要求高、價格比較昂貴等。
