基于双目视觉传感器和超声测距传感器，在CV模型下应用卡尔曼滤波算法，可以得到两组状态向量的估计值和，以及相应的协方差矩阵P1和P2，由于以上两组数据来自两个不同的传感器系统，故满足P12=P21T≈0这一条件，可以使用STF融合算法得到整个系统的状态向量和协方差矩阵的最佳估计值和P。为此，需要确定以下参数，系统的过程噪声标准差σw，双目视觉传感器的量测噪声标准差σv1，超声测距传感器的量测噪声标准差σv2和卡尔曼滤波算法的初始值。下面结合仿生四足机器人的实际情况，确定以上参数。
3.1确定系统的过程噪声标准差
由于在机械结构设计和装配过程中产生的误差，使得仿生四足机器人在Walk步态下行走时，并不是理论上以0.4m/s的速度做匀速直线运动，而是在做变速直线运动，系统的过程噪声标准差是机器人在Walk步态下行走时的加速度值。下面介绍获取该加速度值的方法。
在Adams仿真软件中，建立仿生四足机器人的运动学模型。在仿生四足机器人机体的质心处建立一个前进方向的加速度测量，运行仿真，打开Adams仿真软件的后处理器，对获得的加速度曲线进行巴特沃斯滤波，然后计算加速度的平均值，将其作为该次仿真的加速度值。重复进行50次，得到50个加速度值，求出标准差，即为系统的过程噪声标准差。
3.2确定传感器的量测噪声标准差
对于传感器的量测噪声标准差，在仿真情况下，可以由其测量误差来反映。
在实际应用中，利用两个CCD摄像机获取视差信息，再根据三角测量原理恢复出场景的深度信息，如此即可测量出障碍物与机器人之间的距离信息，然而，由于CCD摄像机所拍摄的图像是以像元大小为单位的一组离散的数据，故在用双目视觉进行测量时存在最小分辨率误差，仿生四足机器人上搭载的双目视觉传感器的测量误差约为6.8cm，即σv1=0.068m。
超声测距传感器的发射头发出超声波信号，此信号被障碍物反射后，由接收头接收，根据发射和接收到信号的时间差和声速，即可得到障碍物的距离信息。当探测范围内有目标物体之外的物体存在时，会产生测量误差。仿生四足机器人上搭载的超声测距传感器的测量误差为1cm，即σv2=0.01m。
3.3确定卡尔曼滤波算法的初始值
卡尔曼滤波算法作为一个迭代过程，需要赋予其初值，初值的选择至关重要，如果初值选择不合适，就不能满足收敛性的要求。在CV模型中，P（0|0）的确定方法已经由模型给出，这里只需给出X（0|0）的取值，本文中取X（0|0）=［10，－0.4］‘
4、仿真实验与结果分析
在本文所引文献中，实验验证环节均在具体的应用场景下进行，实验结果是移动机器人能够进行无碍行走，文中均未给出具体的测量精度。本文仿真实验的结果表明：融合处理后，测量精度可达4.6cm，满足了仿生四足机器人对测距的精度要求。
5、结论
