必一智能運(yùn)動(dòng)科技：深度解析多傳感器融合技術(shù)
融合，有時(shí)也稱作多傳感器數(shù)據(jù)融合，于1973年在美國(guó)國(guó)防部資助開(kāi)發(fā)的聲納處理系統(tǒng)中被首次提出，它是對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)。
隨著機(jī)器人技術(shù)的不斷發(fā)展，機(jī)器人的應(yīng)用領(lǐng)域和功能有了極大的拓展和提高。智能化已成為機(jī)器人技術(shù)的發(fā)展趨勢(shì)，而傳感器技術(shù)則是實(shí)現(xiàn)機(jī)器人智能化的基礎(chǔ)之一。由于單一傳感器獲得的信息非常有限，而且，還要受到自身品質(zhì)和性能的影響，因此，智能機(jī)器人通常配有數(shù)量眾多的不同類型的傳感器，以滿足探測(cè)和數(shù)據(jù)采集的需要。若對(duì)各傳感器采集的信息進(jìn)行單獨(dú)、孤立地處理，不僅會(huì)導(dǎo)致信息處理工作量的增加，而且，割斷了各傳感器信息間的內(nèi)在聯(lián)系，丟失了信息經(jīng)有機(jī)組合后可能蘊(yùn)含的有關(guān)環(huán)境特征，造成信息資源的浪費(fèi)，甚至可能導(dǎo)致決策失誤。為了解決上述問(wèn)題人們提出了多傳感器融合技術(shù)（multi-sensorfusion）。
多傳感器融合又稱多傳感器信息融合（multi-sensor information fusion），有時(shí)也稱作多傳感器數(shù)據(jù)融合（multi-sensor data fusion），于1973年在美國(guó)國(guó)防部資助開(kāi)發(fā)的聲納信號(hào)處理系統(tǒng)中被首次提出，它是對(duì)多種信息的獲取、表示及其內(nèi)在聯(lián)系進(jìn)行綜合處理和優(yōu)化的技術(shù)。它從多信息的視角進(jìn)行處理及綜合，得到各種信息的內(nèi)在聯(lián)系和規(guī)律，從而剔除無(wú)用的和錯(cuò)誤的信息，保留正確的和有用的成分，最終實(shí)現(xiàn)信息的優(yōu)化，也為智能信息處理技術(shù)的研究提供了新的觀念。
多傳感器融合在結(jié)構(gòu)上按其在融合系統(tǒng)中信息處理的抽象程度，主要?jiǎng)澐譃槿齻€(gè)層次：數(shù)據(jù)層融合、特征層融合和決策層融合。 看飛機(jī)太傷腎，男子看航展憋尿憋出內(nèi)傷
1.數(shù)據(jù)層融合：也稱像素級(jí)融合，首先將傳感器的觀測(cè)數(shù)據(jù)融合，然后從融合的數(shù)據(jù)中提取特征向量，并進(jìn)行判斷識(shí)別。數(shù)據(jù)層融合需要傳感器是同質(zhì)的（傳感器觀測(cè)的是同一物理現(xiàn)象），如果多個(gè)傳感器是異質(zhì)的（觀測(cè)的不是同一個(gè)物理量），那么數(shù)據(jù)只能在特征層或決策層進(jìn)行融合。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問(wèn)題，得到的結(jié)果也是最準(zhǔn)確的，但計(jì)算量大，且對(duì)系統(tǒng)通信帶寬的要求很高。
2.特征層融合：特征層融合屬于中間層次，先從每種傳感器提供的觀測(cè)數(shù)據(jù)中提取的有代表性的特征，這些特征融合成單一的特征向量，然后運(yùn)用模式識(shí)別的方法進(jìn)行處理。這種方法的計(jì)算量及對(duì)通信帶寬的要求相對(duì)降低，但由于部分?jǐn)?shù)據(jù)的舍棄使其準(zhǔn)確性有所下降。
3.決策層融合：決策層融合屬于高層次的融合，由于對(duì)傳感器的數(shù)據(jù)進(jìn)行了濃縮，這種方法產(chǎn)生的結(jié)果相對(duì)而言最不準(zhǔn)確，但它的計(jì)算量及對(duì)通信帶寬的要求最低。
對(duì)于特定的多傳感器融合系統(tǒng)工程應(yīng)用，應(yīng)綜合考慮傳感器的性能、系統(tǒng)的計(jì)算能力、通信帶寬、期望的準(zhǔn)確率以及資金能力等因素，以確定哪種層次是最優(yōu)的。另外，在一個(gè)系統(tǒng)中，也可能同時(shí)在不同的融合層次上進(jìn)行融合。
融合算法是融合處理的基礎(chǔ)。它是將多元輸入數(shù)據(jù)根據(jù)信息融合的功能要求，在不同融合層次上采用不同的數(shù)學(xué)方法，對(duì)數(shù)據(jù)進(jìn)行綜合處理，最終實(shí)現(xiàn)融合。目前已有大量的融合算法，它們都有各自的優(yōu)缺點(diǎn)。這些融合算法總體上法可以分為三大類型：嵌入約束法、證據(jù)組合法、人工神經(jīng)網(wǎng)絡(luò)法。
由多種傳感器所獲得的客觀環(huán)境的多組數(shù)據(jù)就是客觀環(huán)境按照某種映射關(guān)系形成的像，傳感器信息融合就是通過(guò)像求解原像，即對(duì)客觀環(huán)境加以了解。用數(shù)學(xué)語(yǔ)言描述就是，即使所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對(duì)應(yīng)惟一的環(huán)境（即上述映射為一一映射），就必須對(duì)映射的原像和映射本身加約束條件，使問(wèn)題能有惟一的解。嵌入約束法有兩種基本的方法：貝葉斯估計(jì)和卡爾曼濾波。
證據(jù)組合法認(rèn)為完成某項(xiàng)智能任務(wù)是依據(jù)有關(guān)環(huán)境某方面的信息做出幾種可能的決策，而多傳感器數(shù)據(jù)信息在一定程度上反映環(huán)境這方面的情況。因此，分析每一數(shù)據(jù)作為支持某種決策證據(jù)的支持程度，并將不同傳感器數(shù)據(jù)的支持程度進(jìn)行組合，即證據(jù)組合，分析得出現(xiàn)有組合證據(jù)支持程度最大的決策作為信息融合的結(jié)果。
證據(jù)組合法是為完成某一任務(wù)的需要而處理多種傳感器的數(shù)據(jù)信息。它先對(duì)單個(gè)傳感器數(shù)據(jù)信息每種可能決策的支持程度給出度量（即數(shù)據(jù)信息作為證據(jù)對(duì)決策的支持程度），再尋找一種證據(jù)組合方法或規(guī)則，使在已知兩個(gè)不同傳感器數(shù)據(jù)（即證據(jù)）對(duì)決策的分別支持程度時(shí)，通過(guò)反復(fù)運(yùn)用組合規(guī)則，最終得出全體數(shù)據(jù)信息的聯(lián)合體對(duì)某決策總的支持程度，得到最大證據(jù)支持決策，即傳感器信息融合的結(jié)果。
常用的證據(jù)組合方法有：概率統(tǒng)計(jì)方法、D-S（Dempster-Shafer）證據(jù)推理法。
人工神經(jīng)網(wǎng)絡(luò)通過(guò)模仿人腦的結(jié)構(gòu)和工作原理，設(shè)計(jì)和建立相應(yīng)的機(jī)器和模型并完成一定的智能任務(wù)。神經(jīng)網(wǎng)絡(luò)根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性，確定分類標(biāo)準(zhǔn)。這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值分布上，同時(shí)可采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來(lái)獲取知識(shí)，得到不確定性推理機(jī)制。采用神經(jīng)網(wǎng)絡(luò)法的多傳感器信息融合，分三個(gè)主要步驟：
（2）。各傳感器的輸入信息綜合處理為一總體輸入函數(shù)，并將此函數(shù)映射定義為相關(guān)單元的映射函數(shù)，通過(guò)神經(jīng)網(wǎng)絡(luò)與環(huán)境的交互作用把環(huán)境的統(tǒng)計(jì)規(guī)律反映網(wǎng)絡(luò)本身的結(jié)構(gòu)；
（3）。對(duì)傳感器輸出信息進(jìn)行學(xué)習(xí)、理解，確定權(quán)值的分配，進(jìn)而對(duì)輸入模式作出解釋，將輸入數(shù)據(jù)向量轉(zhuǎn)換成高級(jí)邏輯（符號(hào)）概念。
在多傳感器融合技術(shù)中，融合結(jié)構(gòu)、融合算法都占有重要地位。隨著多傳感器融合研究與應(yīng)用的深入，未來(lái)的多傳感器融合將會(huì)是一個(gè)更加復(fù)雜的信息處理過(guò)程，不僅包括許多具體的算法，而且結(jié)構(gòu)也比較復(fù)雜。如何根據(jù)實(shí)際應(yīng)用將算法與結(jié)構(gòu)有機(jī)地結(jié)合在一起，為整個(gè)融合系統(tǒng)提供更加有效的融合策略，這是未來(lái)多傳感器融合研究所要解決的主要問(wèn)題。目前已有大量的融合算法，它們都存在各自的優(yōu)缺點(diǎn)，需要通過(guò)合理的融合結(jié)構(gòu)將這些算法組合在一起，使其揚(yáng)長(zhǎng)避短，構(gòu)成更加有效的融合方法。另外，多傳感器融合還將面臨一個(gè)難題，那就是動(dòng)態(tài)與未知環(huán)境下的融合問(wèn)題，這無(wú)疑會(huì)對(duì)融合方法提出更高的要求。這不僅需要性能更好的融合算法，而且需要更加靈活的融合結(jié)構(gòu)，提高融合系統(tǒng)的自適應(yīng)性和魯棒性。
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。舉報(bào)投訴
進(jìn)行多層次、多空間的信息互補(bǔ)和優(yōu)化組合處理，最終產(chǎn)生對(duì)觀測(cè)環(huán)境的一致性解釋。
（Multi-sensor Information Fusion，MSIF），就是利用計(jì)算機(jī)
（Multi-sensor Information Fusion,MSIF），就是利用計(jì)算機(jī)
除了用于臨床醫(yī)學(xué)以外，還在發(fā)酵工業(yè)、環(huán)境檢測(cè)、食品領(lǐng)域廣泛應(yīng)用。 3．
本帖最后由 eehome 于 2013-1-5 09:50 編輯 各位前輩，我是新手，現(xiàn)在想制作一個(gè)實(shí)物，將多個(gè)
（微電子機(jī)械系統(tǒng)）的出現(xiàn)意味著電子系統(tǒng)設(shè)計(jì)的一個(gè)重大改變，但這種改變并非在一夜之間發(fā)生的。該
需要經(jīng)過(guò)多年完善和成本優(yōu)化，不過(guò)最近幾年從智能手機(jī)領(lǐng)域大獲裨益。一些行業(yè)分析
上的波瀾不驚轉(zhuǎn)變成為汽車安全、安防、醫(yī)療保健、物聯(lián)網(wǎng)（IoT）和人工智能（AI）等應(yīng)用賦能的前沿
對(duì)玻璃、鏡子等投射或者反射光信號(hào)的物體進(jìn)行檢測(cè)，此外單線束的激光雷達(dá)也難以檢測(cè)出不同高度的障礙物信息。所以，
（Multi-sensor Information Fusion，MSIF），就是利用計(jì)算機(jī)
、集成聯(lián)動(dòng)運(yùn)行方式，加強(qiáng)了水質(zhì)污染、異常事故的預(yù)防和污染排放的監(jiān)管能力。同時(shí)，通過(guò)湖泊水質(zhì)信息網(wǎng)絡(luò)的建設(shè)，可分析區(qū)域內(nèi)水質(zhì)動(dòng)態(tài)趨勢(shì)，有效加強(qiáng)區(qū)域管理，為污染動(dòng)態(tài)研究、湖泊富營(yíng)養(yǎng)化預(yù)測(cè)、湖泊水庫(kù)水污染治理提供科學(xué)依據(jù)，為水環(huán)境管理與決策提供科學(xué)有效的
源信息進(jìn)行綜合處理、評(píng)估，從而得到更為準(zhǔn)確、可靠的結(jié)論。因此，對(duì)于多個(gè)
位于同一位置時(shí)，可以創(chuàng)建令人興奮的新功能，并且可以交換和增強(qiáng)單個(gè)測(cè)量。在這些類型的設(shè)計(jì)中，
嘿，我們正在使用NUCLEO-F401RE板，并期待通過(guò)Bosch（BMI 160）連接imu
結(jié)構(gòu)，貝葉斯推理、Dempster_Shasher算法、人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯和模糊神經(jīng)網(wǎng)絡(luò)。老外的書(shū)，比較經(jīng)典！
，結(jié)合定位算法，實(shí)現(xiàn)對(duì)工業(yè)機(jī)器人的精確定位，提高工業(yè)機(jī)器人的重復(fù)定位精度和絕對(duì)定位精度。
`1.《龍哥手把手教您LabVIEW視覺(jué)設(shè)計(jì)（自學(xué)版）》2. 《龍哥手把手教你學(xué)視覺(jué)-運(yùn)動(dòng)篇》— 視覺(jué)工程師進(jìn)階必學(xué)
是將一種物理量經(jīng)過(guò)電路轉(zhuǎn)換成一種能以另外一種直觀的可表達(dá)的物理量的描述。而下文我們將對(duì)
？ ＃motion-sensor #inemo＃sensor-fusion＃sensor-fusion #inemo以上來(lái)自于谷歌翻譯以下為原文 What is sensor
綜合了概率統(tǒng)計(jì)、信號(hào)處理、人工智能、控制理論等多個(gè)學(xué)科的最新科研成果，為機(jī)器人精確、全面、實(shí)時(shí)地感知各種復(fù)雜的、動(dòng)態(tài)的、不確定的未知環(huán)境提供了一種先進(jìn)的
的工作細(xì)節(jié)以及它們的缺點(diǎn)和交互情況。多年來(lái)，人們的關(guān)注點(diǎn)已經(jīng)被帶進(jìn)導(dǎo)航、智能手機(jī)
位于同一位置時(shí)，可以創(chuàng)建令人興奮的新功能，并且可以交換和增強(qiáng)單個(gè)測(cè)量。在這些類型的設(shè)計(jì)中，
由于半導(dǎo)體材料的固有特性和制造工藝的缺陷，對(duì)溫度敏感，需要采用一定的溫度補(bǔ)償措施［1］。該文針對(duì)已研制成功的檢測(cè)設(shè)備，采用
工作進(jìn)行基準(zhǔn)測(cè)試，我想創(chuàng)建一個(gè)代碼應(yīng)用程序來(lái)測(cè)試它。作為電話應(yīng)用程序的一部分提供的那個(gè)不能可靠地工作，也想自己編寫(xiě)代碼。我正在檢查網(wǎng)站上提供的介紹。在提供的“專業(yè)模式”示例中，我
網(wǎng)絡(luò)（Wireless Sensor Network，WSN）集數(shù)據(jù)的采集、傳輸、
分析于一體，在環(huán)境監(jiān)測(cè)、醫(yī)療監(jiān)護(hù)、城市交通管理、軍事偵察等領(lǐng)域具有廣闊的應(yīng)用前景。無(wú)線
網(wǎng)絡(luò)(wircless sensor network， wSN)是一種無(wú)基礎(chǔ)設(shè)施的無(wú)線網(wǎng)絡(luò),最初來(lái)源于美國(guó)DARPA的研究項(xiàng)目，它綜合了
網(wǎng)絡(luò)中節(jié)點(diǎn)的能量十分有限，因此在設(shè)計(jì)各種網(wǎng)絡(luò)協(xié)議時(shí)必須考慮節(jié)能。采用網(wǎng)內(nèi)數(shù)據(jù)處理
網(wǎng)絡(luò)逐步發(fā)展起來(lái)了，因其具有開(kāi)設(shè)簡(jiǎn)單、價(jià)格低廉、抗毀性強(qiáng)、隱蔽性高等優(yōu)勢(shì)，在發(fā)達(dá)國(guó)家得到了很好的應(yīng)用。
網(wǎng)絡(luò)中動(dòng)作的工具。本文使用Berkeley Mica2模擬辦公室環(huán)境，完成對(duì)用戶常見(jiàn)的動(dòng)作進(jìn)行識(shí)別，進(jìn)而根據(jù)用戶的活動(dòng)狀態(tài)，智能地調(diào)節(jié)和控制室內(nèi)的燈光
、編碼等處理后，發(fā)送給指揮中心，處理還原后在監(jiān)控平臺(tái)顯示出來(lái)的探測(cè)系統(tǒng)。它集
也不例外。在大多數(shù)新的工業(yè)系統(tǒng)中，無(wú)線鏈接確實(shí)要比布線經(jīng)濟(jì)得多，方便得多。早期的產(chǎn)品就是實(shí)現(xiàn)
控制和通信 IC 的發(fā)展在實(shí)現(xiàn)下一代的機(jī)器人中起到重要作用。然而，這些復(fù)雜的現(xiàn)代機(jī)器人的核心是許多新的、小型化和低成本的
由于雷達(dá)探測(cè)存在盲區(qū),低空與超低空飛行的入侵目標(biāo)給雷達(dá)防御系統(tǒng)帶來(lái)困難與威脅。基于GPS
摘要：由于雷達(dá)探測(cè)存在盲區(qū),低空與超低空飛行的入侵目標(biāo)給雷達(dá)防御系統(tǒng)帶來(lái)困難與威脅。基于GPS
，然后連接到身體的適當(dāng)位置，并結(jié)合AI驅(qū)動(dòng)的用戶界面，平臺(tái)便可以獲取運(yùn)動(dòng)數(shù)據(jù)并提供即時(shí)反饋，請(qǐng)教老師目前哪些
、編碼等處理后，發(fā)送給指揮中心，處理還原后在監(jiān)控平臺(tái)顯示出來(lái)的探測(cè)系統(tǒng)。它集
數(shù)量急劇增加，傳統(tǒng)儀器很難滿足整個(gè)系統(tǒng)的測(cè)量需求。 本文開(kāi)發(fā)了一種基于虛擬儀器軟件開(kāi)發(fā)環(huán)境
的必要性, 提出了基于Rough 集構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)的方法, 并應(yīng)用于多
方法大致可以分為三類，即，概率統(tǒng)計(jì)方法、邏輯推理方法和學(xué)習(xí)方法。使用模糊推理、D-S證據(jù)理論和產(chǎn)生式規(guī)則的方法進(jìn)行信息
“INDEMIND：隨著機(jī)器人的應(yīng)用領(lǐng)域不斷拓展，對(duì)機(jī)器人的環(huán)境感知能力的要求也在不斷提升，而要解決環(huán)境感知問(wèn)題，
之一，它對(duì)于機(jī)器人的意義亦如人眼對(duì)于人，但與人眼不同的是，它的構(gòu)成主要由
被越來(lái)越多地應(yīng)用于我們的日常生活中，以幫助收集各種應(yīng)用中有意義的數(shù)據(jù)，例如建筑暖通空調(diào)系統(tǒng)、工業(yè)自動(dòng)化、醫(yī)療保健、門禁控制和安全系統(tǒng)等。
獲得，比如慣性測(cè)量單元（IMU）和編碼器，而觀測(cè)值則是通過(guò)GPS、相機(jī)和激光雷達(dá)等其他
了先驗(yàn)信息與觀測(cè)數(shù)據(jù)之后得到的結(jié)果，它代表了根據(jù)所有已知信息計(jì)算出的最優(yōu)定位輸出。
