信息处理与融合论文.docx

《信息处理与融合论文.docx》由会员分享，可在线阅读，更多相关《信息处理与融合论文.docx（8页珍藏版）》请在第壹文秘上搜索。

1、信息处理与融合技术小论文前言3正文31移动机器人技术简介32数据融合技术简介33多传感渊数据融合在移动机器人中的应用4移动机器人的感知4移动机器人感知系统中所运用的传感器4移动机器人多传感器数据融合的实现4多传感器数据融合算法在移动机器人目标识别中的应用5多传感器数据融合算法在移动机涔人精确定位中的应用5多传感器数据融合算法在移动机器人自动壁障中的应用6总述64融合技术在移动机器人应用中的发展趋势7总结7参考文献8前言随芾传搏潺种类的日益丰富和传感器技术的E速发展,多传感器数据融合技术得到了越来越多的关注。并且由于其在解袂探测、跟踪和识别等问SS上具有生存实力强，能泌增加系统检测性能、可信度、

2、件棒性和牢靠性，可以提高测收数据精度，扩展系统的时间和空间跟靛范国等优势,多传感擀数据融合在军事、农业.工业等各个领域上的应用越来越颇繁.其中.数据融合技术在机器人探付领域的应用也正处在快速发展的阶段,特殊是在移动机器人中，数据融合技术的应用就更为广泛了。本文比较分析了现有移动机器人上所应用的多传形器数掘融合技术，并对将来移动机器人探讨领域内数州融合技术的发展进行了合埋的展望.1移动机器人技术倚介移动机器人是一类能够通过传感器感知自身状态和四周环境，实现在困难未知中面对目标的自主运动，并完成预定任务的机器人系统，移动机器人技术是近年来机涔人学及人工智能领域探讨的一个热点，该技术在航空、航天、航

3、海、军事、交通运输、工业、农业、服务业、医疗保健等各领域都有特别广袤的应用前班.依据自主性的不同，移动机器人可以分为自主、半自主和遥控三类：依据活动空间的不同，移动机器人可以分为水下机器人、地面机器人、飞行机器人和空间机器人等：就驱动方式而言，可以分为轮式移动机器人、履带式移动机器人、腿式移动机器人（包括仿人机器人）等.移动机器人技术涉及计算机、限制学、机械学、仿生学等众多学科领域，其核心技术包括移动平台设计、限制体系结构、路径规划、环境感知与信息融合以及运动限制等方面。本文主要介绍的是移动机器人探讨领域所用到的数据融合技术.2数据融合技术传介.要给出数据融合的一般定义比较困玳，因为数据融合探

4、讨领域的内容广泛而多样，而且随行科技的进步，这种广泛多样性日渐显著.但综合国内外学籽给出的数据融合的定义,可以将这些定义叮纳为两类：一是强调了数据融合是一个信息综合处理的过程：而是强调信息融合能实现的功能和目的”比如从处理过程及实现功能角度的一种定义为：数据融合是为了某一目的对来白多源的数据和信息进行组合和琼合的处理过程，以期得到比华，信息源更精确、史牢靠的估计或推理决策，目前数据融合的类似称谓有许多.比如信息融合、多传感潺融合、多源相关等.这几个概念是亲密相关的.当须要融合的数据信息是传感器的探测数据时，数据融合也可以称为多传感器数据融合，由于数据融合在解决探测、跟踪和识别等问时方面具有生存

5、实力强、能扩展传感器空间和时间覆版范阳、提高刈出数据的精确性等优点,世界各国都特别重视数据融合的理论和应用的探讨工作，并F1.1.I经取得了丰富的探讨成果，不管是军事领域，还是工业、农业或者与人们生活休戚相关的服务业等非军犷领域，数据融合的应用已慢慢灌透到了生产生活国防科技的方方面面.其中，数据融合技术在机器人探讨领域中的应用也日渐普及.本文主要就移动机湍人这个方向所运用的多传感器数据融合技术进行踪合阐述.3多传感器数羯融合在移动机叁人中的应用3.1 移动机野人的，知为了让移动机器人正常工作，不仅要时机器人的位置、速度、姿态以及系统内部状态等进行测证和限制，同时,还要能让机涔人感知自身所处的工

6、作环境,并且能够时环境的改变做出正确的反应.因此,精确认得移动机器人的内部状态估恩和外部环境信息,对于保证移动机零人的正常工作、提高工作效率、节约能源以及防止意外事故发生等都具有特别重要的意义,而机器人的信息检测是依擢各种传落器来完成的.3.2 移动机人感知系统中所运用的传”移动机密人的信息检测分为内部感知和外部好知两类,故其所运用的传感战也分为内部传感器和外部传感器两类。内部传感器用于监测机器人系统内部状态参数,如位置、速度、加速度、电源电压、车轮位汽军内部传感器主要行里测速发电机、加速度传器、花螺仪、力矩传蛾器及光电编码器等,外部传感器用于识别外部环境俏息.如环境的温度、湿度、检刈的气体成

7、分、接触物产生的压力、障碍物与机器人的距禽等：外部传感静种类繁多,比如视觉传礴器、超声波传感器、激光测距传感器、压力传感器、红外传感器、温度传礴器等。不同的传整器集成在移动机器人上,构成了多性感器数据融合的第知系统，3.3 移动机叁人多传叁数据合的实现对于不同结构的移动机器人而言.其涉及的传浮器装置不同，相应所采纳的数据融合技术也不尽相同。11ii.移动机器人领域中来讷的多传感器数据融力方法主要包括：卡尔曼建波、贝叶斯估计、加权平均算、模糊逻辑舞法、神经网络算法、小波变换法、DempsterShafer(D-S)理论等。应用这线方法可以进行数据层、特征层以及决策层等不同的层次的融合，也可以实现

8、内部航迹推算系统信息、冽距传博器信息、全局定位信恩之间的俏息融合，进而可以保证移动机涔人能全面、精确地感知自身状态和四周的环境.从而能做出正确的推阍和决策.智能的移动机器人能实现目标识别、目标物体(姿测砒、精确自定位、导航、目标跟踪等系列功能，在实现不同功能的过程中，移动机器人所用到的传垓器致房和种类可能不同，各种数据融合究法在不同阶段的适用性和优劣性也不一样.一般,干腌对数据源进行操作时,可以采纳神经网络或加权平均分法等：利用对象的统计特性和概率模型进行操作时，可采纳贝叶斯估计、多贝叶斯估计、卡尔波、统计决策理论等：而在系统的决策层，采纳基于规则推理的方法比较好,如模糊逻轼、证据推理、产生式

9、规则等.多传感。融合算法在移动机器人目标IR剧中的应用神经网络算法是一种效仿生物神经系统的处理方法，它从人脑的结构动身来探讨人的智能行为,模拟人脑信息处理的功能.它具有良好的容悟性、层次性.可型性、自适应、联想记忆和并行处理实力。正是由于神经网络舞法的种种优越性,其在数据融合中的应用越来越广泛，目前，在各种数据融合算法中.神经网络算法比较适用于移动机器人对目标的识别,它能峥使移动机人对障碍物有精确的相识和估计,从而得出正确的运行轨迹.采纳基于神经网络的数据融合方法，能终较好地解决移动机器人的正确导航和自主行进问题，为了有效地改善神经网路数据融合的计峰速度和实现效果，可以采纳阵列式神经网络的数据

10、融合模型，井旦通过自网络实现信息的分蟀与融合.多传感器数据融合算法在移动机器人相现定位中的应用移动机器人要实现自主避障、行迹规划，首先必需具有利确白定位的实力。移动机器人的定位精度主要取决于所运刖的定位传感器和数据融合算法.现有的定位传感零的种类许多,相应的可用于移动机器人定位的多传感器数据融合算法也不唯一-以下对几种移动机器人自定位的数据融合算法的应用进行简要介绍。1实力风培智能移动机器人对于采纳里程计和曲世波传感涔定位的实力风暴智能移动机器人,可以用卡尔批逑波算法对从里程计和超声波传感器中得到的数据进行数据融合,用融合的结果对光电编码潺进行复位,这样能够有效的消退由于时间枳景而带来的光电编

11、码器读数的误差，并且可以削减对移动机器人所处环境的依序性，使移动机器人能更好地进行自定位。2煤矿救灾移动机器人对于用于煤矿救灾的移动机涔人.由干矿井中环境比较困难，为增加机器人定位的牢靠性，要用到多传感器的融合。在该机罂人中，用到了4种定位传感器：电机编码盘、三粕电子岁我、三轴电子花螺和三轴加速度计，为提高机器人的定位精度，在处理1种传感器数据的过程中，加入限制指令的预估计数作为另一个传感器.这样相当于就有5个定位传感器.（预估计是指通过计算机已收到的限制指令预先估计机器人下一步的位置和航向状态.）用这5种传感器对同一参数进行检测，再将检测的数据进行融合，能提高定位精度。由于外界环境因素和本身

12、结构问鹿，以上5种传蛤器的输出均不行不免地会受到一些干扰.从而影响机器人的行程和航向角这两个参数.由于传统的IR传感器定位技术不能很好地推断干扰的状况,而且传统的多传感器定位必:介算法也无法很好地过漉干扰数据.基于以上的缘由，提出了一种基于信任度相加的多传感器融合算法，这种算法能妹有效地克服干扰状况对机器人定位制度的影响，从而大大提高煤矿:救灾机器人的定位精度。伯任度长征的是测后位就近期里值的程度.利用概率分布的原理，建立数据信任度的函奴.时于上述5种（4感器，通过输电的传惬器数据，菸F极大似然估计的思想，计算出联合的总伯任度函数.并求出该函数的最大值，即为期里他对应的信任度.利用这种信任度算

13、法分别对行程和航向角进行做合计津就得到了融合后的行程和肮向角.3用于足球竞奏的移动机器人为了保证机器人在足球竞赛中的啜捷性，目前这类移动机器人士股采纳的是全向轮运动模型，基于此模型，足球机器人在向随意方向做直税运动的时候还同时能膨臼身旋转运动来调整自身状态.运用这种模型的机潺人有快速敏捷、易于驾$（的优点.机器人竞赛时，为了获得现场信息,可以采纳全向视觉成像模里。全向视觉传骋器位于机器人的顶部，具有36。度的水平视角，可以采集到四周环境信息，为机器人口定位供应了保证.机器人中另外一个重要的组成部分是电子罗盘,它能鲂干脆给出机器人运动的相对方向的偏心由于足球竞赛的实时性，要求参赛的移动机器人能城

14、快速精确的自定位，而传统的多传感器融合。法有些具有不容忽视的滞后性.为了改进，提出了一种Wntecar1.o（粒子沙波）算法实现融合定位.田于充分利用了全向视觉传感静的观测模型,在粒子注波定位方法的实现过程中,粒子点的置信度通过查表的方法获得，实现了运用全向视觉传呼器模里计尊机器人位资双信度的快速性,从而保证了定位算法较好的实时性。MonteCar1.O（粒子流波）算法源于贝叶斯谑波位置估计，其实现主要分四个阶段：采样阶段、僮料阶段、更新阶段、权值归一化.在详细过程中，MC1.算法须要知道的足足球机涔人的全向轮模型、全向觇觉观测模型和电子罗盘的感知模型。得到模型之后，进行以卜步骤即可实现机器人

15、的快速高精度自定位：D依据当前时刻机器人的运动模型对粒子点进行更新：2）依据当前时刻观测模型的测量结果计算每个粒子的权重：3）保留权重高的粒子,丢弃权重低的粒子,并依据相应原则添加新的粒子.多传感据融合算法在移动机暮人自主电中的应用以校内巡逻机器人为例，其要实现自主行进，必辐具有避障的功能.在试验过程中，机器人必禽在设定的区域内正确检刈的障碍物并且胜利遇障.机人中运用了多个红外传好零和超声波传厚器，利用产生式规则形式设计两组规则库，来实现从红外传感落和超刖波传呼器中获得的数据的融合，为后续的机器人自主精确避圈供应保i,可用的融合算法比较笠.在此比较适用的是自适应加权融合估计算法”这种算法不须要

16、知道传感器测ht数据的任何先验学问,只依靠多传感器供应的测量数据.就可以得出均方误差最小的融合（ft.运用起来使利快捷,总述虽然在移动机器人实现不同目标的过程中,各种数据做合獴法有其各自的适用性,但针对不同的状况可以结合多种适应性相对较好的数据融合算法,以提高机器人完成目标识别、自身定位等任务的军毒性和精确性。比如在移动机器人目标识别过程中，将神经网络算法与D-S理论相结合,则实现的效果更好.4融合技术在移动机器人应用中的发展趋势的著电子技木的飞速发展,传七零结构符期着并行体结构的方向发展.因此,开发具有并行计蚱实力的硬件和软件，以酒意具有大量数据并H.计算困难的多传学器信息融合的要求，是目前多传想器信息触合技术的主要发展趋势之一，目前.已经存在的技术成熟