近些年來,隨著智能技術(shù)的不斷發(fā)展,人們對機(jī)器人的自主性提出了更高的要求,期望它們不僅僅只是可以按照人類的指令完成動作,還可以在復(fù)雜的環(huán)境中擁有一定的自主能力。在一個未知的環(huán)境中,機(jī)器人想要擁有自主能力,首要任務(wù)是對周圍環(huán)境進(jìn)行一個準(zhǔn)確感知,所以利用傳感器信息進(jìn)行障礙物檢測是機(jī)器人領(lǐng)域的重要研究方向之一。但是每種傳感器本身會有一定的局限性,例如激光傳感器對于透明物體不敏感、視覺傳感器無法在黑暗環(huán)境下工作等,所以依靠單一傳感器很難達(dá)到檢測系統(tǒng)對精度和穩(wěn)定性的要求。針對該問題,本文提出了基于多維異構(gòu)傳感器數(shù)據(jù)融合的障礙物識別技術(shù),通過融合多種傳感器的互補信息,對障礙物進(jìn)行多角度多方面的檢測,建立合適的追蹤模型,避免單一傳感器在特定環(huán)境中失效的問題,從而提高障礙物檢測系統(tǒng)的可靠性和準(zhǔn)確性。為了解決由于傳感器的固有局限性而導(dǎo)致的檢測失效問題,本文提出了通過多種傳感器,利用多方面多角度的互補信息來突破單一傳感器的固有局限,從而提高障礙物檢測的精度和穩(wěn)定性。圍繞這個研究目標(biāo),本文提出了基于多傳感器數(shù)據(jù)融合的障礙物識別技術(shù),包括支持多傳感器自動校準(zhǔn)機(jī)制的障礙物識別框架和基于數(shù)據(jù)融合和關(guān)聯(lián)技術(shù)的障礙物追... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

智能機(jī)器人應(yīng)用場景早期的機(jī)器人只是為了將人類從繁瑣重復(fù)的工作中解放出來，所以只需要根

國防科技大學(xué)研究生院碩士學(xué)位論文第7頁第二章相關(guān)技術(shù)研究上一章詳細(xì)描述了課題的研究背景和研究現(xiàn)狀，深入分析了課題的研究目標(biāo)，根據(jù)研究目標(biāo)給出了課題需要重點研究的的三個主要內(nèi)容。本章將詳細(xì)闡述和分析與課題研究內(nèi)容相關(guān)的關(guān)鍵技術(shù)，包括多傳感器融合技術(shù)、多源數(shù)據(jù)關(guān)聯(lián)技術(shù)、自動校準(zhǔn)技術(shù)等等。2.1多傳感器融合技術(shù)多傳感器數(shù)據(jù)融合問題是展開本課題研究的基本研究內(nèi)容，所以了解數(shù)據(jù)融合的基本原理以及目前采用較多的數(shù)據(jù)融合算法是很有必要的。數(shù)據(jù)融合是一種針對來自多個傳感器來源的數(shù)據(jù)進(jìn)行綜合分析處理的技術(shù)[19]。本節(jié)首先簡單介紹多傳感器數(shù)據(jù)融合的基本原理及優(yōu)勢，其次分別從融合中心結(jié)構(gòu)、數(shù)據(jù)抽象層次以及數(shù)據(jù)融合功能等方面進(jìn)行詳細(xì)闡述，從而對多傳感器融合有一個全面的了解。接下來對目前數(shù)據(jù)融合技術(shù)面臨的問題進(jìn)行了歸納總結(jié)，并對當(dāng)前主流的融合算法重點介紹，為進(jìn)一步的研究進(jìn)行鋪墊。2.1.1數(shù)據(jù)融合的基本原理與優(yōu)勢多傳感器數(shù)據(jù)融合以描述為對若干個來源于不同類型傳感器的數(shù)據(jù)信息進(jìn)行檢測、互聯(lián)、估計和合并，并在多層次多角度多級別進(jìn)行處理的過程[4]，用于解決多場景下的復(fù)雜任務(wù)。不同類型的傳感器得到的數(shù)據(jù)之間可能存在大量重復(fù)和沖突等問題，融合技術(shù)可以解決這些問題，利用互補信息降低系統(tǒng)的不確定性，從而提升整個多傳感器系統(tǒng)的魯棒性和精確性[22]。在多源數(shù)據(jù)融合系統(tǒng)中，各類傳感器提供的數(shù)據(jù)具有各種各樣不同的特征，通過對人腦對復(fù)雜信息處理過程的模擬，融合過程將傳感器有效的互補信息篩選出來[23]，按照某種組合規(guī)則進(jìn)行優(yōu)化處理。圖2.1展示了對一個較為典型的數(shù)據(jù)融合處理過程。圖2.1數(shù)據(jù)融合處理過程

國防科技大學(xué)研究生院碩士學(xué)位論文第9頁圖2.2融合層次數(shù)據(jù)層融合為底層融合，它是在對未經(jīng)處理的信息進(jìn)行粗粒度的融合處理，即提取特征向量這一步在融合之后完成。數(shù)據(jù)層融合要求用于融合的傳感器數(shù)據(jù)必須是同質(zhì)的，即數(shù)據(jù)是來源于同一種類別的傳感器。數(shù)據(jù)層融合的獨到之處在于它對于數(shù)據(jù)的細(xì)節(jié)保留的最為完整，可以存有其他融合種類所不具備的細(xì)節(jié)數(shù)據(jù)。由于數(shù)據(jù)信息損失掉的部分幾乎為零，因此它的融合結(jié)果較其他方式比較好[28]。但是這種方法也存在一些缺點，比如對計算機(jī)的計算能力要求很高，信息的穩(wěn)定性差等。特征層融合也稱中級融合，該層次融合的特征值提取這一步在融合之前，即先生成特征矢量，再對各組信息進(jìn)行融合，最后對目標(biāo)進(jìn)行其他處理。該層融合的優(yōu)勢在于實現(xiàn)了一定程度上的數(shù)據(jù)壓縮，處理起來更為快捷，有利于系統(tǒng)對實時處理的要求[29]。根據(jù)其不同目標(biāo)源分為特征與狀態(tài)融合兩種，前者的具體方法有：K階最近鄰算法與神經(jīng)網(wǎng)絡(luò)等，屬于模式識別的范圍[30]。后者主要使用的算法有：多假設(shè)法以及聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)等算法，較多體現(xiàn)在目標(biāo)跟蹤領(lǐng)域。決策層融合也稱高級融合，在每個傳感器完成對原始傳感器信息所有操作（包括預(yù)處理、特征提娶目標(biāo)識別）后，通過對各個傳感器關(guān)鍵點完成局部決策層的融合操作[31]，獲得最終結(jié)果。決策層融合有很多好處，例如，容錯性強，計算量小，對傳感器依賴小（可以為同質(zhì)傳感器，也可為異構(gòu)傳感器），實時性強等等。最大的缺點是信息損失大，性能主要依賴于預(yù)處理階段[32]。另外，根據(jù)傳感器與融合中心功能的差異，可以將多傳感器數(shù)據(jù)融合的系統(tǒng)結(jié)構(gòu)分為集中型，分散型和混合型[33]。集中型融合結(jié)構(gòu)中，傳感器的作用為信息采集，數(shù)據(jù)處理以及壓縮的程都交給后面的信息融合中心進(jìn)行處理。傳感?

【參考文獻(xiàn)】：
期刊論文
[1]多源信息融合關(guān)鍵問題、研究進(jìn)展與新動向[J]. 陳科文,張祖平,龍軍.  計算機(jī)科學(xué). 2013(08)
[2]信息融合理論的基本方法與進(jìn)展（Ⅱ）[J]. 潘泉,王增福,梁彥,楊峰,劉準(zhǔn)釓.  控制理論與應(yīng)用. 2012(10)
[3]多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J]. 黃漫國,樊尚春,鄭德智,邢維巍.  傳感器與微系統(tǒng). 2010(03)
[4]多傳感器信息融合技術(shù)在移動機(jī)器人障礙探測中的應(yīng)用[J]. 王艷平.  電子工程師. 2008(09)
[5]多傳感器數(shù)據(jù)融合技術(shù)及其應(yīng)用[J]. 嚴(yán)懷成,黃心漢,王敏.  傳感器技術(shù). 2005(10)
[6]基于多目標(biāo)多特征信息融合數(shù)據(jù)關(guān)聯(lián)的無源跟蹤方法[J]. 王杰貴,羅景青.  電子學(xué)報. 2004(06)
[7]基于Dempster-Shafer證據(jù)理論的數(shù)據(jù)融合技術(shù)研究[J]. 倪國強,梁好臣.  北京理工大學(xué)學(xué)報. 2001(05)
[8]基于Bayes估計的多傳感器數(shù)據(jù)融合方法研究[J]. 吳小俊,曹奇英,陳保香,劉同明.  系統(tǒng)工程理論與實踐. 2000(07)
[9]聯(lián)合交互式多模型概率數(shù)據(jù)關(guān)聯(lián)算法[J]. 潘泉,劉剛,戴冠中,張洪才.  航空學(xué)報. 1999(03)

博士論文
[1]信息融合系統(tǒng)中的目標(biāo)跟蹤及數(shù)據(jù)關(guān)聯(lián)技術(shù)研究[D]. 李良群.西安電子科技大學(xué) 2007



本文編號：3362398