全自主智能机器人多传感器融合感知方法的研究.pdfVIP

第 13卷第 5期 　　　　　　　　　　　　　淮 阴 工 学 院 学 报 　　　　　　　　　　　　Vol. 13 No. 5 2004年 10 月 　　　　　　　　　　　　Journal of Huaiyin In stitute of Techno logy　　　　　　　　　　　　O ct. 2004 全自主智能机器人多传感器融合感知方法的研究 童敏明 ,季 　宏 ,崔 　霞 (中国矿业大学 信息与电气工程学院 ,江苏 徐州 22 1008) 摘 　要 :全自主智能机器人采用多超声波传感器来感知周围的环境信息 ,并利用卡尔曼滤波对获取的信息进行分析和融合 ,从而达到对前 方障碍方位的准确判断 , 以完成机器人避障功能 。 关键词 :机器人 ;传感器 ;卡尔曼滤波 中图分类号 : TP274　　　　文献标识码 : A 　　　　文章编号 : 1009 - 796 1 (2004 ) 05 - 000 1 - 02 0　引　言 2　多传感器信息融合方法 随着计算机技术和传感器技术的发展 ,机器人的智能 多传感器信息融合的基本原理就象人脑综合处理信息 化水平大大提高 ,逐步由以前的遥控式向半 自主式和全 自 一样 ,充分利用多个传感器资源 ,通过对这些传感器及其观 主式方向发展 ,工作条件也逐步适应由室内到室外 、静止到 测信息的支配和使用 ,把多个传感器在空间或时间上的冗 运动 、简单到复杂的变化 。全 自主智能机器人由于其高度 余或互补信息依据某种准则来进行组合 , 以获得 目标源的 的自主性在机器人王国中所 占的比重越来越大 ,它在诸如 一致性描述 。 军事 、医疗 、娱乐 、探险等范围内发挥着重要的作用 。比如 多传感器的信息融合技术最早应用在军事方面 ,一般 巴黎已投入使用的清洁机器人 , 日本 SON Y 公司生产的火 可分成五个层次 ,即检测级融合 、位置级融合 、属性级融合 、 山探测机器人 ,美国研制的太空自动处理轨道碎片机器人 态势评估和威胁估计 。其中属性级融合或者 目标识别级的 等 。这些机器人尽管有不同的应用领域 ,但它们都具有避 融合适用于移动机器人对前方障碍的正确判断 。目标识别 障、探测与定位等最基本的功能 ,能够躲避各种动态的或静 的信息融合技术主要有模板法 、聚类分类和 自适应神经网 态的障碍物而到达 目的地 。然而要准确地识别前方的障 络等 , 目标识别层的信息融合方法一般可有三种 ,即决策级 碍 ,必须采用先进的传感器信息处理技术 ,其中多传感器信 融合 、特征级融合和数据级融合 。目前在多传感器数据融 息融合技术的应用可以较好地解决机器人的前方障碍的探 合方面使用的具体方法有加权平均 、贝叶斯估计 、卡尔曼滤 测问题 。 波 、D - S推理 、统计决策理论 、生产式规则 、模糊逻辑 、人工 1　超声波传感器探测障碍的原理及存在的 神经网络等等 [2 ] 。 卡尔曼滤波是一种递推形式的状态和参数估计方法 , 问题 它以测量误差为依据 ,进行估计和校正 ,不断逼近状态或参 数真实值 。因此可以利用其融合多个传感器的测量值 , 以 机器人用于前方障碍探测的视觉传感器有探针式 、雷