多传感器数据融合技术.doc

-1- 多传感器数据融合技术在移动机器人中的应用摘要机器人多传感器数据融合是当今科学研究的热点问题。综述了多传感器数据融合技术在移动机器人几个工作阶段中的应用。指明了移动机器人领域中多传感器数据融合技术的发展趋势。关键词移动机器人多传感器数据融合 Abstract Nowadays, the multi -sensor data fusion ofrobots isanintensive topic in scientific research .The application ofmulti -sensor data fusion technology in mobile robots' several sessions isdescribed .Atlast, future development trends ofthis technology are also presented. Key Word mobile robot multi -senso rdata fusion 前言随着传感器种类的日益丰富和传感器技术的飞速发展,多传感器数据融合技术得到了越来越多的关注。并且由于其在解决探测、跟踪和识别等问题上具有生存能力强,能够增强系统检测性能、可信度、鲁棒性和可靠性,可以提高测量数据精度,扩展系统的时间和空间覆盖范围[1]等优势,多传感器数据融合在军事、农业、工业等各个领域上的应用越来越-2- 频繁。其中,数据融合技术在机器人研究领域的应用也正处在快速发展的阶段,特别是在移动机器人中,数据融合技术的应用就更为广泛了。本文比较分析了现有移动机器人上所应用的多传感器数据融合技术,并对未来移动机器人研究领域内数据融合技术的发展进行了合理的展望。正文 移动机器人多传感器数据融合的实现对于不同结构的移动机器人而言,其涉及的传感器装置不同,相应所采用的数据融合技术也不尽相同。目前,移动机器人领域中采用的多传感器数据融合方法主要包括:卡尔曼滤波、贝叶斯估计、加权平均算法、模糊逻辑算法、神经网络算法、小波变换法、 Dempster-Shafer(D-S) 理论等。应用这些方法可以进行数据层、特征层以及决策层等不同的层次的融合,也可以实现内部航迹推算系统信息、测距传感器信息、全局定位信息之间的信息融合,进而可以保证移动机器人能全面、准确地感知自身状态和周围的环境,从而能做出正确的判断和决策[9]。智能的移动机器人能实现目标识别、目标物体位姿测量、精确自定位、导航、目标跟踪等一系列功能。在实现不同功能的过程中,移动机器人所用到的传感器数量和种类可能不同,各种数据融合算法在不同阶段的适用性和优劣性也不一样。一般,直接对数据源进行操作时,可以采用神经网络或加权平均算法等;利用对象的统计特性和概率模型进行操作时, 可采用贝叶斯估计、多贝叶斯估计、卡尔曼滤波、统计决策理论等;而在系统的决策层,采用基于规则推理的方法比较好,如模糊逻辑、证据推理、产生式规则等[10]。 多传感器数据融合算法在移动机器人目标识别中的应用神经网络算法是一种效仿生物神经系统的处理方法,它从人脑的结构出发来研究人的智能行为,模拟人脑信息处理的功能[11]。它具有良好的容错性、层次性、可塑性、自适应、联想记忆和并行处理能力。正是由于神经网络算法的种种优越性,其在数据融合中的应用