基于多传感器的智能机器人信息融合、控制结构和应用.pdfVIP

维普资讯

1，^rD

v口1．16．No．5

i3荤j暂Sept．．1994

÷～3乏D

基于多传感器的智能机器人

信息融合、控制结构和应用

袁军黄心汉陈锦江弋PI、6

-————一

-‘●—_—_一

(华中理工大学自动控村熏武祝430074)

r摘要智能机器人毙最佳地、综合地使用多传感器信息．具有完成某一特定任务所需的完

备信息．从而实现在各种复杂的、动态的、不确定环境中的自主性．多传感器信息融台是指将经过

集成处理的多传感器信息进行合成，形成对外部环境某一特征的一种表达方式．经过集成与融合

的多传感器信息能完善地、精确地反映环境特征．而单一传感器只能获得环境特征的部分信息段．

经过集成与融音的多传感器信息具有以下特征“t信息冗余性、信息的互朴性、信息的实时性和信

息的低成本性．本文较为全面介绍智能机器人多传感器信息融合的一般方法．具体传感器信息融

音．用于集成与融合的控制结构以及在机器人顿域的具体应用．最后指出多传感器信息融合近期

研究内容．

矍键调传感器集成与融合．控制结构．自主系统．装配机器人

1多传感器信息融合的一般方法‘

目叶斯估计：贝叶斯估计是融合静态环境中多传感器低层数据的种常用方法．其信息描

述为概率分布，适用于具有可加高斯噪声的不确定性．当传感器组的观测坐标一致时，可以用

直接法对传感器测量数据进行融合．在大多数情况下，多传感器从不同的坐标框架对环境中同

一物体进行描述，这时传感器测量数据要以间接的方式采用贝叶斯估计进行数据融合．间接法

要解决的问题是求出与多个传感器读数相一致的旋转矩阵R和平移矢量h。．

在传感器数据进行融合之前，必须确保测量数据代表同一实物．即要对传感器测量进行一

致性检验．Mahalanobis距离在决定数据进行融合时是非常有用的一个测度．

T=1(

，一z)c(一屯)(1)

，和为两个传感器测量，C为与两个传感器相关联的方差阵，T为最小时代表两个测量之

间的一致性．当两个测量不一致时，Mahalanobis距离将变大．

文献C3]采用概率距离d和d作为在传感器i与传感器之间的一致性检验．

，一IIP．(l蕾)P．(。)dxl，d=lIP(I)P()dI(2)

JziJ‘

其中P和P是与传感器i和相关联的先验概率，(I∞)和PbI)是相应的条件概率，

这种方法的中心是剔除处于误差状态的传感器信息而保留“一致传感器数据计算融合值．

多目叶斯估计：Durrant—Whyte将任务环境表示为不确定几何物体集合的多传感器系统

模型，提出了传感器信息融合的多贝叶斯估计．整个系统中的每个传感器由提取这些物体的

有用的静态描述能力表示．“￡一Concominated”高斯分布代表这些几何物体，系统中的多传感器

作为一个决策者队，多传感器必须决定环境的一个队的一致性观测。多贝叶斯估计把每个传感

维普资讯