智能轮椅不仅能根据已知的地图信息做出全局路径规划，而且还能在行进的过程中，不断感知周围的局部环境信息，自主的作出各种决策，跟残疾患者带来很多的方便和帮助。
1、路径规划问题
路径规划是指在障碍物环境中，为智能轮椅从起点到终点寻找一条无碰路径，并按照一定的原则进行优化，找出一条最优路径。路径规划问题包含2个方面的内容：首先是环境模型的建立；其次是路径规划算法的设计。
（1）环境模型的建立
环境建模大致有3类：网络墩图模型、栅格模型和层次结构模型。网络燉模型包括自由空间法、顶点图像法、广义锥法等，是对环境的高层次的描述，计算量很大，对传感器精度要求较高；栅格模型是将空间划分为大小相同的栅格，模型建立简单，但搜索空间很大；层次结构模型是按照数据区域的一致性判别准则和空间递规分解原理对环境进行建模，采用此种模型压缩了搜索空间，且很容易用传感器的信息对模型进行更新。
（2）路径规划算法
根据智能轮椅对环境信息了解情况的不同，路径规划可以分为2种类型：全局路径规划和局部路径规划。其中，全局路径规划需要知道关于环境的所有消息，并产生一系列关键点作为子目标点下达给局部路径规划系统。而局部路径规划则只需要距离机器人较近的障碍物信息，在运动过程中根据传感器的信息来不断地更新其内部的环境信息，规划出一条从起点或某一子目标点到下一子目标点的优选路径。 比较一些路径搜索算法，寻求更优解；进一步研究对活动障碍的势态分析，给出避障策略这2个方面是机器人路径规划所要解决的主要问题。根据对环境信息了解的完整程度，路径规划可采用不同的算法。对于全局路径规划常采用的算法有：可视图法、自由空间法和栅格法等。局部路径规划常采用的方法有：人工势场法、遗传算法和模糊逻辑算法等。
2、 信息融合技术
从传感器得到的信息不能保证完全可靠和正确，可能会造成对实物存在的误判或对其距离的检测产生误差，这时我们可以采用概率法、综合多次观测法、多传感器信息融合法等进行处理，其中多传感器信息融合法的研究成为近几年的热点。
如何融合这些互补或冗余的传感器信息并得到更全面反映环境特征的信息方法尤为重要。在研究中最为关键的部分是信息融合算法的研究，人们已经提出了多种应用于不同系统的多传感器信息融合算法，这些算法可以分为2类：随机类方法和人工智能方法。
（1）随机类方法
这类方法研究对象是随机的，在多传感器信息融合中常采用随机类方法包括很多，如：加权平均法、统计决策理论、聚类分析法、小波变换法、Bayes推理方法、Dempster-Sharer的证据理论、Kalman滤波融合算法等。
（2）人工智能方法
近年来用于多传感器数据融合的计算智能方法有：模糊集合理论、专家系统、神经网络、粗集理论和支持向量机等。其中基于神经网络的多种传感器信息融合是近几年来发展的热点。 神经网络具有良好的容错性、层次性、可塑性、自适应性、联想记忆和并行处理能力，将神经网络与其他方法相结合进行信息融合技术的研究，效果显著，己形成一种研究趋势。比如小波与神经网络，Kalman滤波与神经网络，Dempster-Shafer的证据理论与神经网络，模糊聚类与神经网络，遗传算法与神经网络等。
今后的多传感器信息融合技术主要集中在算法的改进和新算法的出现、微型传感器的研制以及多层次的信息融合3个方面。
3、 系统定位
智能轮椅定位也就是环境信息获取，是指在运动过程中利用自身传感器，实时确定其在工作环境中参考坐标系下相对于全局坐标的位置和姿态。
定位技术可以分为2大类：基于机器视觉的定位技术和基于非计算机传感器的定位技术。常用定位方法有光码盘、惯性陀螺、磁罗盘、路标匹配等。每一种方法各有优点及局限性，在实际应用中智能轮椅实际综合采用了几种方法提高定位系统的精度和可靠性，但精确度离用户正常使用有一定距离，所以如何提高定位的精度和效能是将来要着重研究的问题之一。
传感器的选择在定位中很重要。根据定位技术的不同，传感器又可分为视觉和非视觉传感器。目前常用的传感器有超声测距传感器、CCD摄像机、红外传感器、激光传感器、GPS等。由于超声避障实现方便、技术成熟、成本低，成为智能轮椅常用的定位方法，应用中采用多个超声测距传感器，用超声测距传感器探测障碍物的距离，然后判定机器人当前所在的位置。
4 、结论
以上对于在智能轮椅导航研究中涉及的方法和思路进行了较为全面的探讨，同时这些研究方法也适用于移动机器人。具有较好的规划能力、实时性和实用性的智能轮椅的研究，是将来研究的核心技术，也是机器人研究领域的重点和难点问题。
