多传感融合技术相关文献综述

机器人多传感器信息融合研究综述

机器人多传感器信息融合的发展趋势

微型化和智能化机器人传感器的研究

传感器是机器人的五官$也是机器人多传感器信息融合技术的硬件基础$一台智能化程度较高的机器人通常配有几十只乃至上百只传感器% 随着/^/V 技术和精加工技术飞速地发展$使得微型传感器的研发和生产成为可能%为进一步减小机器人的体积和提高传感器的性能$机器人传感器将向着信息转换&处理&传输为一体的智能化发展%如德国a0*01) ‘14L1).)3*公司研制的a‘VH‘;#8$智能视觉传感器集图像采集&处理&XbA控制及通信于一体$而体积仅有$#44cQ#44cPR9;44% 该图像传感器采用了当前性能最强大的图像处理专用ZV:$其工作频率高达;##/@O$运算速度高达P"##/X:V $ 智能化程度高$搭建系统成本低%。

多传感器信息融合算法的改进

现有的多传感器信息融合算法有着自身的缺陷和局限性% 目前主要采用几种算法共同使用的方法来对其进行弥补% 如模糊神经网络算法弥补了模糊逻辑自适用能力差的缺点也提高了神经网络算法的鲁棒性% 目前$将模糊逻辑&神经网络&进化计算&小波变换等智能计算方法有机地结合起来$是一个重要的发展趋势(";) % 多种信息融合算法的综合运用虽然能够弥补单一算法的缺陷$但同时增加了系统的计算量$降低了系统的反应速度% 因此$对机器人多信息融合算法的改进和创新是迫切需要的% Z(K0+ D1,’.)-1等人正在尝试用一种在非统计世界中在线学习模型的方法来融合来自于激光探测仪和红外幅度探测器的信息$以提高机器人导航的能力% 文献("R)提出了一种改进的ZCV 论据理论对超声波传感器采集的信息进行融合$在传感器模型中增加一个距离信度因子$减少了超声波传感器采集信息的不确定性% 文献("Q)提出了一种基于任务的神经网络多传感器数据融合新方法% 该方法根据遥控操作机器人过程中的不同任务$利用优化的神经网络算法$对双视觉&六维力U力矩&接近觉!数字U模拟"&指端力&关节角度等多种传感器信息进行融合决策%。

结论

近几十年来，多传感器信息融合技术得到了普遍的关注和广泛的应用，已成为智

能机器人的关键技术。采用机器人多传感器信息融合技术，可使机器人获得对环境的正确理解，使机器人系统具有容错性，保证系统信息处理的快速性和正确性。传感器技术的发展和信息融合技术水平的提高$使机器人获取环境信息的感知能力和系统决策能力不断提高。随着社会对机器人的需求量越来越高，机器人多信息融合技术将会有更加广阔的发展前景。机器人多传感器信息融合技术的研究不仅可以推动机器人智能化的进程而且还可以推动相关研究领域的发展。

多传感器融合技术基本原理

多传感器数据融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。其基本原理[ 2] 就是充分利用传感器资源, 合理支配使用传感器检测信息, 将采集的信息依据某种准则组合起来, 产生目标的一致性描述。其目的是基于分离信息的优化组合, 提高传感器系统有效性, 达到对智能模拟的效果。多传感器融合的步骤：

( 1) 信号获取。根据不同情况选择适应的传感器获取被测目标的信息, 一般采用工程专用传感器, 演示系统选用视觉传感器加语音识别的组合。

( 2) 数据预处理。在信号获取过程中, 由于客观环境的影响, 采集的信息常伴有干扰, 有必要在处理前进行过滤, 以尽可能保持采集信息的纯度。

( 3) 特征提取。特征为检测目标的各种物理量, 如位置、旋转和音频等。

( 4) 融合计算。包括数据相关技术和识别技术等。

信息融合算法及其应用研究

2.1 信息融合的定义

信息融合实质就是充分利用多个传感器或多特征属性的感知数据，以一定的规则合理的使用和支配这些感知数据，综合多方位的不完整的局部环境信息，消除信息间可能存在的矛盾，得到对感知对象的描述或解释，又叫多源信息融合或多传感器信息融合。可见，多源信息融合过程本质上仍然是一个信息处理的过程，只是其处理的多源信息是多级别、多方面、多层次的。

虽然对信息融合这门新技术研究有了很大的突破，但是目前仍然没有一个被广泛认可的关于信息融合的定义。不同研究领域的科研人员根据自己的应用领域和自己的理解，分别给出了不同的定义，如 Waltz[3]认为信息融合是对来自多个信息源的数据进行处理，获取对监测

对象准确的状态估计，以及实时和完备的态势估量。美国三军实验室 JDL[4]给出信息融合是对单一种类和复合信息源进行处理，获取更为精确的位置、状态和身份信息、完备和实时的态势估计的过程。T.Rong Li[31]最近给出定义信息融合是为了达成某个特定目标而对多个信息进行综合处理。

综上各种不同的定义，可以得出信息融合的定义可以理解为，是对来自多个数据

源的信息利用计算机技术进行多层次、多方面的综合处理的过程，从而产生一个能够达到所需的决策和估计目标的新信息。因此，信息融合的数据来源是传感器，处理对象是数据信息，信息融合的核心是协调优化和综合处理。

2.3 信息融合的级别

根据被测对象需要处理多源信息的层次关系，可将信息融合系统的实现过程划分为三个层次：数据级信息融合、特征级信息融合和决策级信息融合。

数据级融合是最低层次的融合，直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。这种融合处理方法的主要优点是：较少的数据量损失，拥有其他融合层次所不能提供的细微信息，精度最高。它的局限性包括：传感器数据量大，故处理代价高，实时性差；这种融合是在信息的最低层进行的，传感器信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠缠处理能力；传感器必须是同类的，即提供对同一观测对象的同类观测数据；数据通信量大，抗干扰能力差。

特征级信息融合的实现过程为:首先抽取每个传感器的观测数据的特征，得到对应的特征向量，特征向量必须尽可能多的保证原数据包含的信息，然后把这些特征向量利用相关方法关联融合起来，并根据融合后的特征向量进行决策给出判决结果。特征级信息融合实现了对原始信息的提炼和压缩，减小了数据量，提高了运算速度。主要应用于目标识别与跟踪综合模式识别等问题。

决策级信息融合的实现过程为:首先对每个传感器的观测数据分别进行特征提取，对特征进行独立的判断，得到子决策，然后把这些子决策送到融合中心，进行关联处理和决策融合，最终获得输出联合推断结果。可见，决策级融合是一个联合决策过程，可以获得更高的决策精度和较好的鲁棒性。因而该方法可应用于多属性信息联合决策、复杂系统的多元状态监测问题。

信息融合的信息对象

信息融合系统的数据来源有：传感器的检测信息，人工输入信息和先验数据库。传感器的检测信息是系统所需的主要对象，是信息融合系统的主要信息源。对来自传感器组数据信息，多源系统在信息处理过程中会得到三类信息：（1）冗余信息：冗余信息是由多种传感器对客观事物的某一特征提供的多个重复信息，

它可以提高系统的可靠性。冗余信息是由多个独立传感器提供的关于环境信息中同一特征的

多个信息，也可以是某一传感器在一段时间内多次测量得到的信息。冗余信息的