多傳感器集成與信息融合技術(shù)是80年代初發(fā)展起來(lái)的,它首先應(yīng)用在軍事上。美、英、法等國(guó)將戰(zhàn)場(chǎng)信息的融合列為一項(xiàng)重大的研究課題,美國(guó)國(guó)防部專(zhuān)門(mén)成立了一個(gè)信息融合小組,并組織了幾個(gè)專(zhuān)題計(jì)劃,研究、開(kāi)發(fā)多傳感器信息融合技術(shù)。隨著對(duì)機(jī)器人應(yīng)用領(lǐng)域要求的不斷擴(kuò)大和第二代具有局部(初級(jí))智能機(jī)器人的研究與開(kāi)發(fā),多傳感器集成與信息融合技術(shù)對(duì)提高機(jī)器人系統(tǒng)性能的重要性能越來(lái)越受到人們的關(guān)注,智能機(jī)和新一代智能機(jī)器人也朝著多傳感器的方向發(fā)展。

　　貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法,其信息描述為概率分布,適用于具有可加高斯噪聲的不確定性。當(dāng)傳感器組的觀測(cè)坐標(biāo)一致時(shí),可以用直接法對(duì)傳感器測(cè)量數(shù)據(jù)進(jìn)行融合。在大多數(shù)情況下,多傳感器從不同的坐標(biāo)框架對(duì)環(huán)境中同一物體進(jìn)行描述,這時(shí)傳感器測(cè)量數(shù)據(jù)要以間接的方式采用貝葉斯估計(jì)進(jìn)行數(shù)據(jù)融合。

　　Durrant-Whyte將任務(wù)環(huán)境表示為不確定幾何物體集合的多傳感器系統(tǒng)模型, 提出了傳感器信息融合的多貝葉斯估計(jì)。整個(gè)系統(tǒng)中的每個(gè)傳感器由提取這些物體的有用的靜態(tài)描述能力表示,系統(tǒng)中的多傳感器作為一個(gè)決策者隊(duì),多傳感器必須決定環(huán)境的一個(gè)隊(duì)的一致性觀測(cè)。多貝葉斯估計(jì)把每個(gè)傳感器作為一個(gè)貝葉斯估計(jì),將各單獨(dú)物體的關(guān)聯(lián)概率分布結(jié)合成一個(gè)聯(lián)合的后驗(yàn)概率分布函數(shù),通過(guò)聯(lián)合分布函數(shù)的似然函數(shù)為最小,提供多傳感器信息的最終融合值,融合信息與環(huán)境的一個(gè)先驗(yàn)?zāi)Ｐ吞峁┱麄€(gè)環(huán)境的一個(gè)特征描述。

　　卡爾曼濾波用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù)。該方法用測(cè)量模型的統(tǒng)計(jì)特性遞推決定統(tǒng)計(jì)意義下最優(yōu)融合數(shù)據(jù)估計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布的白噪聲模型,卡爾曼濾波為融合數(shù)據(jù)提供唯一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì),卡爾曼濾波的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。

　　統(tǒng)計(jì)決策理論(SDT)為多傳感器產(chǎn)生的冗余定位信息的融合提出了分兩步廣義方法。傳感器噪聲建模為多樣的可能概率分布,傳感器模型的作用是增加決策過(guò)程的魯棒性,通過(guò)分離分布函數(shù)來(lái)確定分離系數(shù),表示由不真實(shí)的傳感器讀數(shù)可能引起的偏差。與多貝斯估計(jì)相比較,統(tǒng)計(jì)決策理論中的不確定性為可加噪聲,從而對(duì)不確定性的適應(yīng)范圍更廣。

　　該方法是貝葉斯方法的擴(kuò)展。在貝葉斯方法中,當(dāng)一個(gè)傳感器可用附加信息或未知前提的數(shù)目大于已知前提的數(shù)目時(shí),已知前提的概率變得不穩(wěn)定。Shafer-Dempster方法中,使用了一個(gè)不穩(wěn)定區(qū)間,可以通過(guò)不指定未知前提的先驗(yàn)概率避免貝葉斯方法的不足。

　　集成多維低層處理的最初結(jié)果是線和區(qū)域數(shù)據(jù),它們是圖像的兩種最常用的低層描述。集成多區(qū)域分割算法中最為靜態(tài)的方法允許每一個(gè)過(guò)程獨(dú)立地分割圖像,然后每一個(gè)分割區(qū)域用以下兩種方法聯(lián)合:一是將所有區(qū)域界投影到一幅圖像上,并合并結(jié)果區(qū)域;二是作出所有分割中具有支持作用的那些邊界的投影,并連接結(jié)果邊界段。

　　多傳感器系統(tǒng)中,各信息源提供的環(huán)境信息都具有一定程度的不確定性,對(duì)這些不確定信息的融合過(guò)程實(shí)質(zhì)上是一個(gè)不確定性推理過(guò)程。采用模糊邏輯融合景像分析和目標(biāo)識(shí)別信息,通過(guò)指定一個(gè)從0到1之間的實(shí)數(shù)表示的真實(shí)度,相當(dāng)于隱式算子的前提, 允許將多傳感器信息融合過(guò)程中的不確定性直接表示在推理過(guò)程中,如果采用某種系統(tǒng)化的方法建模,融合過(guò)程中的不確定性,則可產(chǎn)生一致性模糊推理。 神經(jīng)網(wǎng)絡(luò)要根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性,確定分類(lèi)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。

　　Bsports必一體育

　　移動(dòng)機(jī)器人和自主車(chē)有著廣泛的應(yīng)用,當(dāng)它們?cè)谖粗暮蛣?dòng)態(tài)環(huán)境中工作時(shí),將多傳感器提供的數(shù)據(jù)進(jìn)行融合,使環(huán)境信息得以快速的感知。移動(dòng)機(jī)器人對(duì)多傳感器信息集成與融合的發(fā)展起了重大的促進(jìn)作用。 Hilare移動(dòng)機(jī)器人將觸覺(jué)、聽(tīng)覺(jué)、兩維視覺(jué)、激光測(cè)距等傳感器結(jié)合起來(lái),使之能在未知環(huán)境中操作。Hilare移動(dòng)機(jī)器人是首次用多傳感器信息形成未知環(huán)境實(shí)物模型的移動(dòng)機(jī)器人,使用聲音和視覺(jué)傳感器建立分割為定位層次的圖表。視覺(jué)和激光測(cè)距得到環(huán)境中不同區(qū)域的近似三維表示,激光測(cè)距獲得物體更精確的范圍。使用3種不同的方法得到機(jī)器人位置的精確估計(jì):使用標(biāo)記的絕對(duì)位置定位、無(wú)外部坐標(biāo)的軌跡集成、參照環(huán)境的相對(duì)位置定位。每一種方法互補(bǔ)校正,減少其他方法中的誤差和不確定性,不同傳感器產(chǎn)生的信息,經(jīng)過(guò)集成,提供已知物體的位置和相對(duì)于機(jī)器人的定位,根據(jù)物體的特征和與機(jī)器人的距離,選擇恰當(dāng)?shù)娜哂鄠鞲衅鳒y(cè)量物體。每個(gè)傳感器的不確定性建模為高斯分布,如果所有傳感器測(cè)量的標(biāo)準(zhǔn)偏差具有相同的幅度,那么加權(quán)平均值將作為物體頂點(diǎn)的融合估計(jì)。

　　Stanford 移動(dòng)機(jī)器人將觸覺(jué)、立體視覺(jué)和超聲波傳感器用于非結(jié)構(gòu)化人為環(huán)境中的機(jī)器人導(dǎo)航,兩維環(huán)境模型采用分層表示,最低層環(huán)境特征與傳感器提供的數(shù)據(jù)一致,高階層是抽象的和符號(hào)表示的環(huán)境特征。機(jī)器人定位的不確定和環(huán)境特征建模為高斯分布,隨著機(jī)器人的運(yùn)動(dòng),卡爾曼濾波用于傳感器信息的融合。 Carnegie-Mellon大學(xué)機(jī)器人中心研制的CMU自主陸地車(chē)具有彩色TV攝像機(jī)、激光測(cè)距儀和聲納傳感器,能實(shí)行多傳感器信息集成與融合。并行處理是該研究的主要目標(biāo)。局部環(huán)境模型中的數(shù)據(jù)具有屬性數(shù)值標(biāo)志。標(biāo)志代表實(shí)際物體,幾何定位由平面多邊形組成,聲納傳感器用于檢測(cè)近障礙物,可用于將定位從一個(gè)坐標(biāo)系統(tǒng)變換到另一個(gè)坐標(biāo)系統(tǒng)的參考坐標(biāo)框架,時(shí)間標(biāo)記記錄標(biāo)志建立的時(shí)刻和接收傳感器數(shù)據(jù)的時(shí)間,當(dāng)由攝像機(jī)和激光測(cè)距儀在不同時(shí)刻和定位測(cè)量的距離數(shù)據(jù)融合時(shí),每個(gè)傳感器做標(biāo)志的坐標(biāo)框架首先變換到共同的車(chē)體框架,接著變換到時(shí)間上的同一點(diǎn),數(shù)據(jù)融合的結(jié)果產(chǎn)生一個(gè)表示融合數(shù)據(jù)的新標(biāo)志。

　　裝配作業(yè)是機(jī)器人應(yīng)用的一個(gè)復(fù)雜領(lǐng)域。Groen等提出了一種具有視覺(jué)、超聲波、觸覺(jué)、力傳感器的裝配機(jī)器人結(jié)構(gòu)。裝配過(guò)程表示為某一傳感器運(yùn)行的條件滿(mǎn)足時(shí)所進(jìn)入的一系列階段,整個(gè)過(guò)程由建模為NBS分層結(jié)構(gòu)控制,采用一套模塊化的低層外部處理執(zhí)行傳感器處理、機(jī)器人控制和數(shù)據(jù)通訊等專(zhuān)門(mén)任務(wù)。視覺(jué)傳感器用于識(shí)別不同零件和定位,腕力傳感器和被動(dòng)柔性裝置用于高精度軸孔匹配、零件傳送和放取。Karlaruhe自由移動(dòng)裝配機(jī)器人用于柔性制造單元中的零件傳輸和裝配操作,它是一個(gè)具有兩臺(tái)PUMA260機(jī)器人的移動(dòng)平臺(tái),平臺(tái)具有4個(gè)獨(dú)立驅(qū)動(dòng)的輪子,并裝有對(duì)角配置的無(wú)驅(qū)動(dòng)滾子,使得它能向任何方向移動(dòng), 一臺(tái)攝像機(jī)用來(lái)識(shí)別兩維零件。裝配作業(yè)在兩個(gè)腕力傳感器和兩個(gè)位于末端執(zhí)行器上的攝像機(jī)輔助下完成,一個(gè)超聲波傳感器和4臺(tái)攝像機(jī)完成導(dǎo)航。控制系統(tǒng)采用層次化的結(jié)構(gòu),傳感模塊和執(zhí)行模塊用一個(gè)特殊通信接口耦合的黑板系統(tǒng)實(shí)現(xiàn),規(guī)劃模塊由產(chǎn)生一系列基本操作的進(jìn)程組成,基本操作由單獨(dú)的基本操作模塊組成, 這些模塊包含執(zhí)行基本操作所必須的專(zhuān)家知識(shí)。這樣它能夠執(zhí)行復(fù)雜的、自主的傳感器指導(dǎo)的任務(wù)。規(guī)劃模塊僅指定期望目標(biāo),而基本操作模塊指定目標(biāo)實(shí)現(xiàn)的方法。

　　Bsports必一體育

　　本文為授權(quán)轉(zhuǎn)載文章，任何人未經(jīng)原授權(quán)方同意，不得復(fù)制、轉(zhuǎn)載、摘編等任何方式進(jìn)行使用，e-works不承擔(dān)由此而產(chǎn)生的任何法律責(zé)任! 如有異議請(qǐng)及時(shí)告之，以便進(jìn)行及時(shí)處理。聯(lián)系方式：tel/20/21。

　　制造業(yè)人工智能八大應(yīng)用場(chǎng)景——2021廣州市人工智能與機(jī)器人應(yīng)用高峰論壇論文精選十

　　語(yǔ)音識(shí)別智能控制技術(shù)應(yīng)用于養(yǎng)老服務(wù)業(yè)——2021廣州市人工智能與機(jī)器人應(yīng)用高峰論壇論文精選九

　　人工智能助力制造業(yè)智能化建設(shè)——2021廣州市人工智能與機(jī)器人應(yīng)用高峰論壇論文精選八