论文部分内容阅读
摘 要：传感器信息融合技术可以说是一门新兴的技术，主要是在近几年发展起来，在机器人领域应用的前景较为广阔。在充分融合多个传感器的基础之上我们可为系统以供一系列所需信息，同时可实现对其准确性与精确性的保障。本文主要对传感器信息融合在机器人技术中的应用进行仔细分析，微传感器、智能传感器和自适应融合等是该项技术未来发展的主要趋势与方向，同时对社会的进步与发展也有极大的促进作用。
关键词：多传感器；信息融台；机器人
控制理论、信号处理、人工智能、概率和统计的发展是多传感器信息融合技术所涉及的主要内容，机器人在种复杂的、动态的、不确定或未知的环境中工作所依靠的技术途径主要是依靠多传感器信息融合技术所提供。在充分融合多个传感器感知数据的基础上我们可实现对多传感器信息融合的有效获取，在这一过程中所产生的信息可从根本上实现对可靠性、准确性以及精确性的获取，同时可在真正意义上实现对信息不确定性的彻底消除。
一、多传感器信息融台的一般方法
信息融合的方法是多传感器信息融合不可缺少的组成部分，同时在其中占据相当重要的位置与地位，复杂性以及多样性是其在实际应用过程中所表现出的明显特征，也是受到此种特征的影响多传感器信息融合的内容逐步分丰富，同时也会涉及到相当多的理论基础。在实际区分多传感器信息融合算法的过程中我们可主要将其分为估计方法、分类方法、推理方法以及人工智能方法四种，在实际使用过程中可结合实际对上述算法进行合理选择。
参数模板法以及聚类分析是区分多传感器信息融合算法的两种主要依据。在非线性以及不确定的场合对人工智能方法进行应用具有不可替代的优势，同时可实现对大量传感器信息的充分融合。
专家系统在实际上就是一种计算机信息系统，主要是在人工智能的基础上形成。高度非线性的超大规模连续时间自适应信息处理系统是神经网络的实质与目标。从多传感器系统自身角度对其进行分析后可以發现，通过信息源所提供的环境信息带有一定程度的不确定性，这也可对其推理过程进行直观体现。
神经网络在实际对分类标准进行确定的过程必须实现对系统接受样本的相似性的利用，同时在获取知识的过程中也需要借助特定的学习算法，进而实现对不确定性推理机制的获取。
二、传感器在机器人中的应用
我们可将机器人看作为一项学科，其中需要涉及相当广泛的技术领域，传感器以及控制技术在机器人中作为核心技术存在，多数机器人可在这一过程中实现对传感器应用的直观体现，所以我们说在机器人领域所传感器信息融合技术拥有相当广阔的发展空间。
HILARE是第一个应用多传感器信息来创建世界模型的可移动机器人，它充分利用视觉、听觉、激光测距传感器所获得的信息，以确保其能稳定地工作在未知环境中。听觉和视觉传感器用来产生一个被层次化坐标所分割的图，视觉和激光测距传感器用来感知环境中的三维区域格，并通过约束来提出无关的特征。每个传感器的不确定性分析首先假设为高斯分布。
RANGER是卡内基？梅隆大学机器人所在20世纪90年代中期研究的一种可移动机器人。该系统包括一个状态空间控制器、一个基于卡尔曼滤波的导航中心和一个自适应感知中心。RANGER以一个全新的视角来看待高速自主以及安全性问题，认为安全性需要可靠的模型来保证。一幅图像的意义仅仅在于图像处理过程，而不是明确的模型，尤其在比较粗糙的地域里，图像之间的变化很大，计算起来很复杂，因此需要通过融合各种传感器获得的信息来确保模型的可靠性。
与超声传感器相比，红外测距的准确度不高，但红外传感器可以在短时间内提供大量测量数据，易于安装在扫描仪上以获得全景图像，而且它的波束极窄，与超声传感器固有的锥形波相比，更有优势。来自两类不同的传感器信息的融合可以潜在地提供关于机器人周围的精确图景，比的“三听觉”超声传感系统，它由三个间距15cm的超声传感器排成一线，中间的作勾发射器和接收器，两边的只作为接收器。
通过三角测量，可以一次探测不止一个目标：提供距离信息，测量被测物体相对于机器人的前进方向的角度和物体的一些特征。在这一研究中，研究者们从不同的角度对通用的信息任何一种单独的应用效果要好的多。另有一个附加融台手段进行了实践。
三、多传感器信息融合技术的发展方向
目前多传感器信息融合技术是一个十分活跃的研究领域，在这方面将来的发展方向有：多层次传感器融合、微传感器和智能传感器、自适应多传感器融合。
1.多层次传感器融合
由于单个传感器具有不确定、观测失误和不完整性的弱点，因此单层数据融合限制了系统的能力和鲁棒性。对于要求具有高的鲁棒性和灵活性的先进系统，可以采用多层次传感器融合的方法。低层次融合方法可以融合多传感器数据；中间层次融合方法可以融合数据和特征，得到融合的特征或决策；高层次融合方法可以融合特征和决策.得到最终的决策。
2.微传感器和智能传感器
传感器在人们的日常生活中起着重要的作用，它就像人的五官一样，是采集外部环境信息并处理信息的重要工具。传感器的性能、价格和可靠性是衡量传感器优劣与否的重要标志，然而许多有着优良性能的传感器由于其体积大而限制了它的应用市场。
微电子技术的迅速发展使小型或微型传感器的制造成为可能。智能传感器将主处理、硬件和软件集成在一起。如ParScientific公司研制的1000系列数字式石英智能传感器。日本日立研究所研制的可以识别4种气体的嗅觉传感器。它在同一块半导体基片上用离子注入法配置扩散了压差、静压和温度3个敏感元件，整个传感器还包括变换器、多路转换器、脉冲调制、微处理器和数字量输出接口等。
3.自适应多传感器融合
通常，多传感器融合需要感知环境的精确信息。然而，在实际世界中，不能得到关于感知环境的精确信息，并且传感器不可能确保一定正常工作。因此，对于各种各样不确定情况，算法是十分必要的。现已研究出一些自适应多传感器融合算法来处理由于传感器的不完善带来的不确定性。
结语：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，其理论与方法已成为智能信息处理的一个重要研究领域。本文概述了多传感器信息融合的一般方法。在此基础上，论述了信息融合技术在智能机器人上的应用并提出这一研究领域的发展方向。
参考文献：
[1]陈辉，邓记才，吴晓辉，等.多传感器信息融合在轮式机器人运动控制中的应用[J].传感技术学报，2011，24（6）：915-918.
[2]谢振南.多传感器信息融合技术研究[D].广东工业大学，2013.
关键词：多传感器；信息融台；机器人
控制理论、信号处理、人工智能、概率和统计的发展是多传感器信息融合技术所涉及的主要内容，机器人在种复杂的、动态的、不确定或未知的环境中工作所依靠的技术途径主要是依靠多传感器信息融合技术所提供。在充分融合多个传感器感知数据的基础上我们可实现对多传感器信息融合的有效获取，在这一过程中所产生的信息可从根本上实现对可靠性、准确性以及精确性的获取，同时可在真正意义上实现对信息不确定性的彻底消除。
一、多传感器信息融台的一般方法
信息融合的方法是多传感器信息融合不可缺少的组成部分，同时在其中占据相当重要的位置与地位，复杂性以及多样性是其在实际应用过程中所表现出的明显特征，也是受到此种特征的影响多传感器信息融合的内容逐步分丰富，同时也会涉及到相当多的理论基础。在实际区分多传感器信息融合算法的过程中我们可主要将其分为估计方法、分类方法、推理方法以及人工智能方法四种，在实际使用过程中可结合实际对上述算法进行合理选择。
参数模板法以及聚类分析是区分多传感器信息融合算法的两种主要依据。在非线性以及不确定的场合对人工智能方法进行应用具有不可替代的优势，同时可实现对大量传感器信息的充分融合。
专家系统在实际上就是一种计算机信息系统，主要是在人工智能的基础上形成。高度非线性的超大规模连续时间自适应信息处理系统是神经网络的实质与目标。从多传感器系统自身角度对其进行分析后可以發现，通过信息源所提供的环境信息带有一定程度的不确定性，这也可对其推理过程进行直观体现。
神经网络在实际对分类标准进行确定的过程必须实现对系统接受样本的相似性的利用，同时在获取知识的过程中也需要借助特定的学习算法，进而实现对不确定性推理机制的获取。
二、传感器在机器人中的应用
我们可将机器人看作为一项学科，其中需要涉及相当广泛的技术领域，传感器以及控制技术在机器人中作为核心技术存在，多数机器人可在这一过程中实现对传感器应用的直观体现，所以我们说在机器人领域所传感器信息融合技术拥有相当广阔的发展空间。
HILARE是第一个应用多传感器信息来创建世界模型的可移动机器人，它充分利用视觉、听觉、激光测距传感器所获得的信息，以确保其能稳定地工作在未知环境中。听觉和视觉传感器用来产生一个被层次化坐标所分割的图，视觉和激光测距传感器用来感知环境中的三维区域格，并通过约束来提出无关的特征。每个传感器的不确定性分析首先假设为高斯分布。
RANGER是卡内基？梅隆大学机器人所在20世纪90年代中期研究的一种可移动机器人。该系统包括一个状态空间控制器、一个基于卡尔曼滤波的导航中心和一个自适应感知中心。RANGER以一个全新的视角来看待高速自主以及安全性问题，认为安全性需要可靠的模型来保证。一幅图像的意义仅仅在于图像处理过程，而不是明确的模型，尤其在比较粗糙的地域里，图像之间的变化很大，计算起来很复杂，因此需要通过融合各种传感器获得的信息来确保模型的可靠性。
与超声传感器相比，红外测距的准确度不高，但红外传感器可以在短时间内提供大量测量数据，易于安装在扫描仪上以获得全景图像，而且它的波束极窄，与超声传感器固有的锥形波相比，更有优势。来自两类不同的传感器信息的融合可以潜在地提供关于机器人周围的精确图景，比的“三听觉”超声传感系统，它由三个间距15cm的超声传感器排成一线，中间的作勾发射器和接收器，两边的只作为接收器。
通过三角测量，可以一次探测不止一个目标：提供距离信息，测量被测物体相对于机器人的前进方向的角度和物体的一些特征。在这一研究中，研究者们从不同的角度对通用的信息任何一种单独的应用效果要好的多。另有一个附加融台手段进行了实践。
三、多传感器信息融合技术的发展方向
目前多传感器信息融合技术是一个十分活跃的研究领域，在这方面将来的发展方向有：多层次传感器融合、微传感器和智能传感器、自适应多传感器融合。
1.多层次传感器融合
由于单个传感器具有不确定、观测失误和不完整性的弱点，因此单层数据融合限制了系统的能力和鲁棒性。对于要求具有高的鲁棒性和灵活性的先进系统，可以采用多层次传感器融合的方法。低层次融合方法可以融合多传感器数据；中间层次融合方法可以融合数据和特征，得到融合的特征或决策；高层次融合方法可以融合特征和决策.得到最终的决策。
2.微传感器和智能传感器
传感器在人们的日常生活中起着重要的作用，它就像人的五官一样，是采集外部环境信息并处理信息的重要工具。传感器的性能、价格和可靠性是衡量传感器优劣与否的重要标志，然而许多有着优良性能的传感器由于其体积大而限制了它的应用市场。
微电子技术的迅速发展使小型或微型传感器的制造成为可能。智能传感器将主处理、硬件和软件集成在一起。如ParScientific公司研制的1000系列数字式石英智能传感器。日本日立研究所研制的可以识别4种气体的嗅觉传感器。它在同一块半导体基片上用离子注入法配置扩散了压差、静压和温度3个敏感元件，整个传感器还包括变换器、多路转换器、脉冲调制、微处理器和数字量输出接口等。
3.自适应多传感器融合
通常，多传感器融合需要感知环境的精确信息。然而，在实际世界中，不能得到关于感知环境的精确信息，并且传感器不可能确保一定正常工作。因此，对于各种各样不确定情况，算法是十分必要的。现已研究出一些自适应多传感器融合算法来处理由于传感器的不完善带来的不确定性。
结语：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，其理论与方法已成为智能信息处理的一个重要研究领域。本文概述了多传感器信息融合的一般方法。在此基础上，论述了信息融合技术在智能机器人上的应用并提出这一研究领域的发展方向。
参考文献：
[1]陈辉，邓记才，吴晓辉，等.多传感器信息融合在轮式机器人运动控制中的应用[J].传感技术学报，2011，24（6）：915-918.
[2]谢振南.多传感器信息融合技术研究[D].广东工业大学，2013.