2、视觉传感器
视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其它传感器配合使用，通过一定的算法可以得到物体的形状、距离、速度等诸多信息。或是利用一个摄像机的序列图像来计算目标的距离和速度，还可采用SSD算法，根据一个镜头的运动图像来计算机器人与目标的相对位移。但在图像处理中，边缘锐化、特征提取等图像处理方法计算量大，实时性差，对处理机要求高。且视觉测距法检测不能检测到玻璃等透明障碍物的存在，另外受视场光线强弱、烟雾的影响很大。
3、红外传感器
大多数红外传感器测距都是基于三角测量原理。红外发射器按照一定的角度发射红外光束，当遇到物体以后，光束会反射回来，如图所示。反射回来的红外光线被CCD检测器检测到以后，会获得一个偏移值L，利用三角关系，在知道了发射角度α，偏移距L，中心矩X，以及滤镜的焦距f以后，传感器到物体的距离D就可以通过几何关系计算出来了。红外传感器的优点是不受可见光影响，白天黑夜均可测量，角度灵敏度高、结构简单、价格较便宜，可以快速感知物体的存在，但测量时受环境影响很大，物体的颜色、方向、周围的光线都能导致测量误差，测量不够精确。
4、超声波传感器
超生波传感器检测距离原理是测出发出超声波至再检测到发出的超声波的时间差，同时根据声速计算出物体的距离。由于超声波在空气中的速度与温湿度有关，在比较精确的测量中，需把温湿度的变化和其它因素考虑进去。超声波传感器一般作用距离较短，普通的有效探测距离都在5-10m之间，但是会有一个最小探测盲区，一般在几十毫米。由于超声传感器的成本低，实现方法简单，技术成熟，是移动机器人中常用的传感器。
机器人避障技术的分类
目前移动机器人的避障根据环境信息的掌握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种。传统的导航避障方法如可视图法、栅格法、自由空间法等算法对障碍物信息己知时的避障问题处理尚可，但当障碍信息未知或者障碍是可移动的时候，传统的导航方法一般不能很好的解决避障问题或者根本不能避障。而实际生活中，绝大多数的情况下，机器人所处的环境都是动态的、可变的、未知的，为了解决上述问题，人们引入了计算机和人工智能等领域的一些算法。同时得益于处理器计算能力的提高及传感器技术的发展，在移动机器人的平台上进行一些复杂算法的运算也变得轻松，由此产生了一系列智能避障方法，比较热门的有：遗传算法、神经网络算法、模糊算法等，下面分别加以介绍。
1、基于遗传算法的机器人避障算法
