割草机器人多传感器融合与导航技术的研究
|
摘要
随着经济的发展，城市绿化进程逐渐加快，草坪业也得到了迅猛发展，每年对城市草坪、足球场、高尔夫球场等公共绿地进行修剪和维护作业需要消耗掉大量的人力、物力和时间。使用传统割草机对草坪进行修剪时，产生巨大的噪声和废气不仅污染环境，而且会对从业人员的身心健康产生严重影响，因此有必要研制一种自动割草机器人，用于实现草坪修剪作业的自动化，将人们从高重复、枯燥、劳累的割草作业中解放出来。
本文首先对国外市场上现有的自动割草机器人进行了介绍和比较，在总结国外自动割草机器人现有成果的基础之上，根据智能割草机器人的特点和发展方向，着重指出了在自动割草机器人研制过程中需要解决的多传感器融合技术、导航定位技术、避障控制技术以及路径规划等关键技术。
其次，本文介绍了多传感器融合技术及其在移动机器人中的应用，并依据割草机器人的设计要求、割草机器人具体的工作环境以及市场价格等因素，选取合适的传感器并搭建传感器系统。不同于室内移动机器人，割草机器人工作在户外非结构化环境中。在整个工作区域内，割草机器人使用传感器来监测自身状态并感知周围环境，为其实现定位、地图建模、导航以及避障等任务提供来自外界情况和自身状态的实时信息和依据。由于割草机器人工作环境的复杂性和不确定性，单一种类的传感器不能完成上述任务。因此，本文设计了一种用于割草机器人导航避障的多传感器系统，该系统集成了超声波传感器、红外线传感器、温度传感器、碰撞传感器、编码器以及电子罗盘。
然后，本文设计了一种多超声波传感器构成的割草机器人避障探测系统，并采用模糊神经网络算法来实现多超声波传感器信息融合。应用多个信息的互补性和冗余性来获得信息源的本质特征和准确状态，以减少或消除超声波传感器的不确定性，有效地提高了超声波传感器的测量精度，正确地反映障碍物的距离信息，为割草机器人避障提供了实时、准确的控制决策。
最后，本文提出了一种基于多传感器融合的割草机器人地图建立及定位的方法，确定了采用基于多个超声波传感器信息融合方法的导航策略。仿真结果表明，本文设计的多传感器系统、多传感器融合方法以及该方法在割草机器人地图建立以及导航定位中应用的可行性和有效性。
With the development of economy, urban greening process has been accelerated rapidly and the lawn industry spring up around quickly. Every year, it will consume lots of resources to maintain the public lawns such as city turf, football field and golf yard. Furthermore, those traditional lawn mowers bring huge noise and produce exhaust gas into the air, which have a bad effect on somatopsychic health of the workers and pollute the environment directly. It is necessary to develop a kind of autonomous robot lawn mower in order to liberate labors from high repetition, boring and tiring mowing work.
Firstly, this paper introduces and compares the existing robot mowers domestic and overseas. According to the characteristics and the development direction of the robot mower, this paper points out the key technologies for robot mower such as multisensor fusion, navigation technology, obstacle avoidance control and path planning technology.
Secondly, this paper introduces the application of multisensor fusion technology using in mobile robots and builds the sensing system for the robot mower according to the design requirements, specific working condition and market price factors. Robot mowers work in unstructured environment, it is important for an autonomous robot mower to explore its surroundings in performing the task of localization and navigation for mowing. Because of the complexity of the environment, one simple kind of sensors is not sufficient for robot mower to accomplish these tasks. This paper presents a multisensor system for combining measurements from ultrasonic sensors and navigation for robot mowers. The proposed sensing system integrates ultrasonic sensors, infrared sensors, collision sensors, encoders, a temperature sensor and an electronic compass.
Then, this paper presents a multi-ultrasonic sensor system for obstacle detecting and uses fuzzy neural network to fuse the information from the ultrasonic sensors, which improves the measurement precision effectively. And this method provides real-time and accurate control decision for the robot mower.
Finally, this paper presents a method of mapping and localization for robot mower and uses the navigation strategy based on multisensor fusion for robot mower. The simulation results indicate that the multisensor system, multisensor fusion method and the method using in mapping, navigation and localization for robot mower are feasible and effective.
本文首先对国外市场上现有的自动割草机器人进行了介绍和比较，在总结国外自动割草机器人现有成果的基础之上，根据智能割草机器人的特点和发展方向，着重指出了在自动割草机器人研制过程中需要解决的多传感器融合技术、导航定位技术、避障控制技术以及路径规划等关键技术。
其次，本文介绍了多传感器融合技术及其在移动机器人中的应用，并依据割草机器人的设计要求、割草机器人具体的工作环境以及市场价格等因素，选取合适的传感器并搭建传感器系统。不同于室内移动机器人，割草机器人工作在户外非结构化环境中。在整个工作区域内，割草机器人使用传感器来监测自身状态并感知周围环境，为其实现定位、地图建模、导航以及避障等任务提供来自外界情况和自身状态的实时信息和依据。由于割草机器人工作环境的复杂性和不确定性，单一种类的传感器不能完成上述任务。因此，本文设计了一种用于割草机器人导航避障的多传感器系统，该系统集成了超声波传感器、红外线传感器、温度传感器、碰撞传感器、编码器以及电子罗盘。
然后，本文设计了一种多超声波传感器构成的割草机器人避障探测系统，并采用模糊神经网络算法来实现多超声波传感器信息融合。应用多个信息的互补性和冗余性来获得信息源的本质特征和准确状态，以减少或消除超声波传感器的不确定性，有效地提高了超声波传感器的测量精度，正确地反映障碍物的距离信息，为割草机器人避障提供了实时、准确的控制决策。
最后，本文提出了一种基于多传感器融合的割草机器人地图建立及定位的方法，确定了采用基于多个超声波传感器信息融合方法的导航策略。仿真结果表明，本文设计的多传感器系统、多传感器融合方法以及该方法在割草机器人地图建立以及导航定位中应用的可行性和有效性。
With the development of economy, urban greening process has been accelerated rapidly and the lawn industry spring up around quickly. Every year, it will consume lots of resources to maintain the public lawns such as city turf, football field and golf yard. Furthermore, those traditional lawn mowers bring huge noise and produce exhaust gas into the air, which have a bad effect on somatopsychic health of the workers and pollute the environment directly. It is necessary to develop a kind of autonomous robot lawn mower in order to liberate labors from high repetition, boring and tiring mowing work.
Firstly, this paper introduces and compares the existing robot mowers domestic and overseas. According to the characteristics and the development direction of the robot mower, this paper points out the key technologies for robot mower such as multisensor fusion, navigation technology, obstacle avoidance control and path planning technology.
Secondly, this paper introduces the application of multisensor fusion technology using in mobile robots and builds the sensing system for the robot mower according to the design requirements, specific working condition and market price factors. Robot mowers work in unstructured environment, it is important for an autonomous robot mower to explore its surroundings in performing the task of localization and navigation for mowing. Because of the complexity of the environment, one simple kind of sensors is not sufficient for robot mower to accomplish these tasks. This paper presents a multisensor system for combining measurements from ultrasonic sensors and navigation for robot mowers. The proposed sensing system integrates ultrasonic sensors, infrared sensors, collision sensors, encoders, a temperature sensor and an electronic compass.
Then, this paper presents a multi-ultrasonic sensor system for obstacle detecting and uses fuzzy neural network to fuse the information from the ultrasonic sensors, which improves the measurement precision effectively. And this method provides real-time and accurate control decision for the robot mower.
Finally, this paper presents a method of mapping and localization for robot mower and uses the navigation strategy based on multisensor fusion for robot mower. The simulation results indicate that the multisensor system, multisensor fusion method and the method using in mapping, navigation and localization for robot mower are feasible and effective.
引文
[1] Anon. The 3rd Annual ION Autonomous Lawnmower Competition[EB/OL]. http://www.automow.com/, 2006-06-01.
[2] Anon. Institute of Navigation[EB/OL]. http://www.ion.org/satdiv/alc/,2006-02-01.
[3] Anon. Friendly Robotics [EB/OL]. http://www.friendlyrobotics.com/,2006-03-20.
[4] Anon. Ambrogio Robot [EB/OL]. http://www.roboticazucchetti.com/robotic/jsp/index.jsp, 2006-03-05.
[5] Anon. Husqvarna Automower [EB/OL]. http://www.automower.com/,2006-06-01.
[6] Anon. Husqvarna Automower [EB/OL]. http://www.automower.co.uk, 2006-04-17.
[7] Anon. BigMow[EB/OL]. http://www.bigmow.biz/,2005-07-08.
[8] van Graas F, Pervan B, Raquet J, et al. Just keep rolling a lawn-ION's autonomous mowers. GPS World, 2004, (9):41-50.
[9] Misra P, Enge P. Global Positioning System: Signals, Measurements, and Performance. Lincoln, Massachusetts, USA: Ganga-Jamuna Press, 2001.
[10] Schonberg T, Ojala M, Suomela J, et al. Positioning an autonomous off-road vehicle by using fused DGPS and inertial navigation. International Journal of Systems Science, 1996, 27(8): 745-752.
[11] Anon. National Robotics Engineering Center[EB/OL]. http://www.rec.ri.cmu.edu/projects/toro/,2006-02-16.
[12] 李杏春．移动割草机器人总体方案和控制系统设计与研究．南京：南京理工大学，2000．
[13] 陈正江．户外自主移动机器人体系结构与控制系统研究．南京：南京理工大学，2002．
[14] 沈娜．基于Internet的户外移动机器人的控制研究．南京：南京理工大学，2004．
[15] 王金振．太阳能草坪割草机关键技术的研究．南京：南京理工大学，2004．
[16] 丁毅．基于GPS和数字罗盘的割草机器人导航定位方法的研究．南京：江苏大学，2005．
[17] 周宁．割草机器人割台设计与运动控制研究．南京：江苏大学，2005．
[18] Y Huang, Z Cao, S Oh et al. Automatic operation for a robot lawn mower. SPIE Conference on Mobile Robots. USA:f986, 478-482.
[19] Rob W. Hicks Ⅱ and Ernest L. Hall. Survey of robot lawn mowers. Proceedings of SPIE. USA:2000,43-50.
[20] 祖莉．割草机器人全区域覆盖运行的控制和动力学特性研究：(博士学位论文)．南京：南京理工大学，2005．
[21] Outdoor Power Equipment Institute [EB/OL] http://opei.mow.org/, 2006-7-16.
[22] 饶开晴，王晋峰．我国草坪业研究概况及现状分析．四川草原，2004，104(7)：53-56．
[23] 李淑珍，王洪晶．我国草坪业现状分析．林业科技情报，2005，37(1)：2-4．
[24] 韩烈保．中国草坪业从狂热进入理性．中国花卉园艺，2005，(5)：32-33．
[25] 肖雄军，蔡自兴．服务机器人的发展．自动化博览，2006，(6)：10-13．
[26] 戴博，肖晓明，蔡自兴．移动机器人路径规划技术的研究现状与展望．控制工程，2005，12(3)：198-202．
[27] 罗志增，蒋静坪．机器人感觉与多信息融合．北京：机械工业出版社，2002．
[28] 刘国良，强文义．移动机器人信息融合技术研究．哈尔滨工业大学学报2003(7)：802-805．
[29] 何友，王国宏．多传感器信息融合及应用．北京：电子工业出版社，2000：1-11．
[30] Peli, Tamar. Feature Level Sensor Fusion. Proceedings of SPIE. The International Society for Optical Engineering, 1999, (3719): 332-338.
[31] 杨万海．多传感器数据融合及其应用．西安：西安电子科技大学出版社，2004．
[32] 刘同明，夏祖勋，解洪成．数据融合技术及其应用．北京：国防工业出版社，1998
[33] 郁文贤，雍少为，郭桂蓉．多传感器信息融合技术评述．国防工业大学学报，1994，16(3)：1-11．
[34] 袁军，王敏等．智能系统多传感器信息融合研究进展．控制理论与应用，1994，11(5)：513-519．
[35] 丛明，金立刚，房波．智能割草机器人的研究综述．机器人，2007，29(4)：407-716．
[36] Hakyoung Chung, Lauro Ojeda, Johann Borenstein. Accurate mobile robot dead-reckoning with a precision-calibrated fiber optic gyroscope. IEEE Transactions and Automation, 2001,17(1): 80-84.
[37] Koichi Yoshizawa, Hideki Hashimoto, Masayoshi Wada et al. Path tracking control of mobile robots using a quadratic curve. Proceedings of Intelligent Vehicles Symposium, 1996,58-63.
[38] Andre Kamga, Ahmed Rachid. Speed, steering and path tracking controls for a tricycle robot. Proceedings of the 1996 IEEE International Symposium on Computer-Aided Control System Design, 1996,56-59.
[39] 樊明轩．全区域覆盖移动机器人避障策略与多传感器系统的设计研究：(硕士学位论文)．南京：南京理工大，2002．
[40] 西格沃特，I R诺巴克什著．李人厚译．自主移动机器人导论．陕西：西安交通大学出版社，2006．
[41] 陈兵芽，耿茂鹏，刘莹等．基于光电码盘的高精度电机转速测量．制造业自动化，2005，27(6)：47-50．
[42] 赵广涛，陈荫杭．基于超声波传感器的测距系统设计．微计算机信息，2006，5(6)：129-130，149．
[43] Bank D A. Novel Ultrasonic Sensing System for Autonomous Mobile Systems. Sensors Journal, 2002,2(6):597-606.
[44] Hee Rak Boem, Hyung Suck Cho. Sonar Based Navigation Experiments on a Mobile Robot in Indoor Environment. Proceedings of the 2000 IEEE International Symposium on Intelligent control, 2000, 395-401.
[45] 高国富，谢少荣，罗均．机器人传感器及其应用．北京：化学工业出版社，2005．
[46] 桑海泉，王硕，谭民，张志刚．基于红外传感器的仿生机器鱼自主避障控制．系统仿真学报，2005，17(6)：1400-1401．
[47] 刘茜，曾立波，雷俊锋等．热释电红外检测器研究探讨．红外，2005，(11)：1-7．
[48] 张海涛．基于多超声波传感器的避障系统设计．山西科技，2006，(1)：20-21．
[49] 王士同．神经模糊系统及其应用．北京：北京航空航天大学出版社，1998．
[50] 楼顺天，胡昌华．基于MATLAB的系统分析与设计—模糊系统．西安电子科技大学出社，2001．
[51] 赵振宇，徐用．模糊理论和神经网络的基础与应用．北京：清华大学出版社，1996．
[52] 孙增诉，徐红兵．基于T-S模型的模糊神经网络．清华大学学报(自然科学版)，1997，37(3)：18-26．
[53] 庄严．移动机器人基于多传感器数据融合的定位及地图创建研究：(博士学位论文)．大连：大连理工大学，2004．
[54] 李凌翔．智能割草机器人路径识别、跟踪与障碍探测技术的研究：(硕士学位论文)．南京：南京理工大学，2004．
[55] 高峰，黄玉美，林义忠等．自主移动机器人的模糊智能导航．西安理工大学学报，2005，21(4)：337-341．
[56] Youjing Cui, Shuzhi Sam Ge. Autonomous vehicles positioning with GPS in urban canyon environments. IEEE Transactions on Robotics and Automation, 2003, 19(1): 15-25.
[57] 王栋耀，马旭东，戴先中．基于声纳的移动机器人沿墙导航控制．机器人，2004，26(4)：346-350．
[58] Risto Miikkulainen, David Filliat, Jean-Arcady Meyer. Map-based navigation in mobile robots: Ⅰ. A review of localization strategies. Cognitive Systems Research, 2003, (4), 243-282.
[59] Risto Miikkulainen, Jean-Arcady Meyer, David Filliat. Map-based navigation in mobile robots: Ⅱ. A review of localization strategies. Cognitive Systems Research, 2003, (4):283-371.
[60] Stephen Se, David G. Lowe, James J. Little. Vision-based global localization and mapping for mobile robots. IEEE Transactions on Robotics, 2005,21(3):364-375.
[61] J.M. PORTA, J.J. VERBEEK, B.J. A. KROSE. Active appearance-based robot localization using stereo vision. Autonomous Robots, 2005, 18, 59-80.
[62] 黄毓瑜，曹作良，E．L．Hall．移动机器人区域充满运行的计算机模拟．机器人，1989，3(1)：33-39．
[63] Ming Cong, Bo Fang. Multisensor fusion and navigation for robot mower, IEEE International Conference on Robotics and Biomimetics 2007,417-422.
[2] Anon. Institute of Navigation[EB/OL]. http://www.ion.org/satdiv/alc/,2006-02-01.
[3] Anon. Friendly Robotics [EB/OL]. http://www.friendlyrobotics.com/,2006-03-20.
[4] Anon. Ambrogio Robot [EB/OL]. http://www.roboticazucchetti.com/robotic/jsp/index.jsp, 2006-03-05.
[5] Anon. Husqvarna Automower [EB/OL]. http://www.automower.com/,2006-06-01.
[6] Anon. Husqvarna Automower [EB/OL]. http://www.automower.co.uk, 2006-04-17.
[7] Anon. BigMow[EB/OL]. http://www.bigmow.biz/,2005-07-08.
[8] van Graas F, Pervan B, Raquet J, et al. Just keep rolling a lawn-ION's autonomous mowers. GPS World, 2004, (9):41-50.
[9] Misra P, Enge P. Global Positioning System: Signals, Measurements, and Performance. Lincoln, Massachusetts, USA: Ganga-Jamuna Press, 2001.
[10] Schonberg T, Ojala M, Suomela J, et al. Positioning an autonomous off-road vehicle by using fused DGPS and inertial navigation. International Journal of Systems Science, 1996, 27(8): 745-752.
[11] Anon. National Robotics Engineering Center[EB/OL]. http://www.rec.ri.cmu.edu/projects/toro/,2006-02-16.
[12] 李杏春．移动割草机器人总体方案和控制系统设计与研究．南京：南京理工大学，2000．
[13] 陈正江．户外自主移动机器人体系结构与控制系统研究．南京：南京理工大学，2002．
[14] 沈娜．基于Internet的户外移动机器人的控制研究．南京：南京理工大学，2004．
[15] 王金振．太阳能草坪割草机关键技术的研究．南京：南京理工大学，2004．
[16] 丁毅．基于GPS和数字罗盘的割草机器人导航定位方法的研究．南京：江苏大学，2005．
[17] 周宁．割草机器人割台设计与运动控制研究．南京：江苏大学，2005．
[18] Y Huang, Z Cao, S Oh et al. Automatic operation for a robot lawn mower. SPIE Conference on Mobile Robots. USA:f986, 478-482.
[19] Rob W. Hicks Ⅱ and Ernest L. Hall. Survey of robot lawn mowers. Proceedings of SPIE. USA:2000,43-50.
[20] 祖莉．割草机器人全区域覆盖运行的控制和动力学特性研究：(博士学位论文)．南京：南京理工大学，2005．
[21] Outdoor Power Equipment Institute [EB/OL] http://opei.mow.org/, 2006-7-16.
[22] 饶开晴，王晋峰．我国草坪业研究概况及现状分析．四川草原，2004，104(7)：53-56．
[23] 李淑珍，王洪晶．我国草坪业现状分析．林业科技情报，2005，37(1)：2-4．
[24] 韩烈保．中国草坪业从狂热进入理性．中国花卉园艺，2005，(5)：32-33．
[25] 肖雄军，蔡自兴．服务机器人的发展．自动化博览，2006，(6)：10-13．
[26] 戴博，肖晓明，蔡自兴．移动机器人路径规划技术的研究现状与展望．控制工程，2005，12(3)：198-202．
[27] 罗志增，蒋静坪．机器人感觉与多信息融合．北京：机械工业出版社，2002．
[28] 刘国良，强文义．移动机器人信息融合技术研究．哈尔滨工业大学学报2003(7)：802-805．
[29] 何友，王国宏．多传感器信息融合及应用．北京：电子工业出版社，2000：1-11．
[30] Peli, Tamar. Feature Level Sensor Fusion. Proceedings of SPIE. The International Society for Optical Engineering, 1999, (3719): 332-338.
[31] 杨万海．多传感器数据融合及其应用．西安：西安电子科技大学出版社，2004．
[32] 刘同明，夏祖勋，解洪成．数据融合技术及其应用．北京：国防工业出版社，1998
[33] 郁文贤，雍少为，郭桂蓉．多传感器信息融合技术评述．国防工业大学学报，1994，16(3)：1-11．
[34] 袁军，王敏等．智能系统多传感器信息融合研究进展．控制理论与应用，1994，11(5)：513-519．
[35] 丛明，金立刚，房波．智能割草机器人的研究综述．机器人，2007，29(4)：407-716．
[36] Hakyoung Chung, Lauro Ojeda, Johann Borenstein. Accurate mobile robot dead-reckoning with a precision-calibrated fiber optic gyroscope. IEEE Transactions and Automation, 2001,17(1): 80-84.
[37] Koichi Yoshizawa, Hideki Hashimoto, Masayoshi Wada et al. Path tracking control of mobile robots using a quadratic curve. Proceedings of Intelligent Vehicles Symposium, 1996,58-63.
[38] Andre Kamga, Ahmed Rachid. Speed, steering and path tracking controls for a tricycle robot. Proceedings of the 1996 IEEE International Symposium on Computer-Aided Control System Design, 1996,56-59.
[39] 樊明轩．全区域覆盖移动机器人避障策略与多传感器系统的设计研究：(硕士学位论文)．南京：南京理工大，2002．
[40] 西格沃特，I R诺巴克什著．李人厚译．自主移动机器人导论．陕西：西安交通大学出版社，2006．
[41] 陈兵芽，耿茂鹏，刘莹等．基于光电码盘的高精度电机转速测量．制造业自动化，2005，27(6)：47-50．
[42] 赵广涛，陈荫杭．基于超声波传感器的测距系统设计．微计算机信息，2006，5(6)：129-130，149．
[43] Bank D A. Novel Ultrasonic Sensing System for Autonomous Mobile Systems. Sensors Journal, 2002,2(6):597-606.
[44] Hee Rak Boem, Hyung Suck Cho. Sonar Based Navigation Experiments on a Mobile Robot in Indoor Environment. Proceedings of the 2000 IEEE International Symposium on Intelligent control, 2000, 395-401.
[45] 高国富，谢少荣，罗均．机器人传感器及其应用．北京：化学工业出版社，2005．
[46] 桑海泉，王硕，谭民，张志刚．基于红外传感器的仿生机器鱼自主避障控制．系统仿真学报，2005，17(6)：1400-1401．
[47] 刘茜，曾立波，雷俊锋等．热释电红外检测器研究探讨．红外，2005，(11)：1-7．
[48] 张海涛．基于多超声波传感器的避障系统设计．山西科技，2006，(1)：20-21．
[49] 王士同．神经模糊系统及其应用．北京：北京航空航天大学出版社，1998．
[50] 楼顺天，胡昌华．基于MATLAB的系统分析与设计—模糊系统．西安电子科技大学出社，2001．
[51] 赵振宇，徐用．模糊理论和神经网络的基础与应用．北京：清华大学出版社，1996．
[52] 孙增诉，徐红兵．基于T-S模型的模糊神经网络．清华大学学报(自然科学版)，1997，37(3)：18-26．
[53] 庄严．移动机器人基于多传感器数据融合的定位及地图创建研究：(博士学位论文)．大连：大连理工大学，2004．
[54] 李凌翔．智能割草机器人路径识别、跟踪与障碍探测技术的研究：(硕士学位论文)．南京：南京理工大学，2004．
[55] 高峰，黄玉美，林义忠等．自主移动机器人的模糊智能导航．西安理工大学学报，2005，21(4)：337-341．
[56] Youjing Cui, Shuzhi Sam Ge. Autonomous vehicles positioning with GPS in urban canyon environments. IEEE Transactions on Robotics and Automation, 2003, 19(1): 15-25.
[57] 王栋耀，马旭东，戴先中．基于声纳的移动机器人沿墙导航控制．机器人，2004，26(4)：346-350．
[58] Risto Miikkulainen, David Filliat, Jean-Arcady Meyer. Map-based navigation in mobile robots: Ⅰ. A review of localization strategies. Cognitive Systems Research, 2003, (4), 243-282.
[59] Risto Miikkulainen, Jean-Arcady Meyer, David Filliat. Map-based navigation in mobile robots: Ⅱ. A review of localization strategies. Cognitive Systems Research, 2003, (4):283-371.
[60] Stephen Se, David G. Lowe, James J. Little. Vision-based global localization and mapping for mobile robots. IEEE Transactions on Robotics, 2005,21(3):364-375.
[61] J.M. PORTA, J.J. VERBEEK, B.J. A. KROSE. Active appearance-based robot localization using stereo vision. Autonomous Robots, 2005, 18, 59-80.
[62] 黄毓瑜，曹作良，E．L．Hall．移动机器人区域充满运行的计算机模拟．机器人，1989，3(1)：33-39．
[63] Ming Cong, Bo Fang. Multisensor fusion and navigation for robot mower, IEEE International Conference on Robotics and Biomimetics 2007,417-422.