北方自动控制技术研究所 山西太原 030006
摘要：早在20世纪的时候，多传感器信息融合技术就已经发展起来，它是利用计算机技术把多传感器或者多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程。多传感器信息融合技术的使用，给人们的工作和生活带来了很大的便利，促进了我国现代化社会的发展。本文重点就多传感器信息融合在机器人技术中的应用展开论述，希望可以促进机器人技术的发展。
关键词：机器人技术；多传感器信息融合；应用
引言
机器人技术是结合了多种技术的计算机自动控制系统。机器人有类似人的感觉能力和反应能力，能模仿人的听觉、嗅觉、味觉从外界获取信息。同时，它的动作要有一定的灵活性，能够和人类一样思考，在工作时必须完成自我控制和自我调节。在众多机器人控制技术中，传感器技术在机器人的控制中起到了至关重要的作用。传感器及信息融合技术式机器人能够全面获取外界信息，并对这些信息加以压分析判断，从而做出正确的反应。机器人在感知外界环境时，首先要完成信息采集工作，而这项工作正是传感器完成的。另外，传感器采集到的信息量非常巨大，因此，要对多个传感器获取的各种环境信息进行加工和处理，选择恰当的方法和技术才能使机器人按人们既定的要求进行智能作业，甚至完成人类不能完成的一些特殊任务。综上所述，传感器信息融合系统是现代智能机器人的重要组成部分，是机器人能否智能作业的关键所在。
1多传感器信息融合的定义
多传感器信息融合是利用人们熟知的计算机技术，使用特定的准则对多传感器当中的信息以及数据进行自动分析和处理，从而完成一整套信息处理的过程。多传感器的信息融合技术最早是在军事领域中使用的，如果是在军事领域当中应用多传感器信息融合，就可以将其定义为处理探测，它在估计和互联等方面有着比较深入的研究，可以从中获取到更准确无误的身份估计、威胁估计和状况，所以，能够为军事行业带来更多便利。多传感器在社会不断地进化过程中，已经演变成为了信息和数据的融合专家，相关人员的研究表明，多传感器系统当中所包含的信息处理和分析功能已经远远超过了人类大脑对信息的理解能力。人类的大脑就是一个理解、分析、处理信息和数据的天然系统，人类眼睛所看到的一切和耳朵所听到的一切都会汇集到大脑处，将每一种视觉和听觉或者嗅觉进行整合处理，再通过知识去估计它，这样一来，人类就了解了周围的一切。多传感器信息融合技术也是同样的概念，只是其系统中所存在的对信息、数据的处理能力比常人高出几十倍，这样的系统应用在各类行业中，无疑是一种超高的信息处理功能。只要充分利用多传感器的资源，并且对这些传感器进行合理使用，将每个多传感器系统当中的信息、数据在时间或者空间上进行互补，就可以在多传感器系统当中获得被测对象，从而使得多传感器本身就具有的信息处理等功能更加优化。但是要注意的是，在应用多传感器信息融合的时候，多传感器系统中的数据可能会呈现不同的特征，有的时候可能是实时数据，而有的时候就是非实时数据，很多时候数据之间是互相支持或者互补的状态，而有的时候数据之间是矛盾的，所以在应用多传感器信息融合的时候一定要对这些现象进行关注。
2多传感器融合算法
2.1基于物理模型
基于物理模型的多传感器数据融合算法是根据物理模型模拟观测结果,并获取其与真实观测对象特征之间的相关性,通过预先设置的系数阈值判断二者匹配程度。其中,最主要的代表就是卡曼(Kalman)滤波技术。卡曼滤波算法可以分为标准卡曼滤波、区间卡曼滤波和两阶段卡曼滤波,能够动态、实时地融合低层次传感器数据,依据系统的递推特性做出合理估计,适用于不同层次原始数据间的融合,不需要系统强大的存储能力,具有信息损失小的优点,缺点是需要建立精确的观测对象模型,数据需求量大,适用范围比较窄。
2.2基于参数分类技术
依照是否需要先验知识,可以划分为有参技术与无参技术,主要是从测量的数据中获取属性说明,并与测量数据形成一种直接映射关系,常用的该类算法有贝叶斯估计、人工神经网络等。与卡曼滤波不同,贝叶斯估计适用于静态环境。
期刊文章分类查询,尽在期刊图书馆它利用条件概率组合多种传感器信息,并且能够通过似然函数最小化方法,将各单独传感器的关联概率联合成后验分布函数。
2.3基于认知方法
基于认知的方法以先验知识为基础,需要深入了解观测目标的组成及内部关联结构,根据原始数据或属性特征模仿人类的启发式推理过程,做出判决,以专家系统最为常用。
3多传感器信息融合的功能说明
3.1校准
在多传感器在信息融合时具有校准功能，它的作用就是将各个传感器中的空间和时间进行统一，但是在实际应用校准层次的时候，各个传感器信息采集的频率都是不一样的，所以就使得传感器所处的空间也存在差异。由于各个传感器是独立工作的，针对这种情况，必须要进行相应的改良，争取使各个传感器的工作时间和采集频率实现统一，而对多传感器系统中各传感器的时间、空间校准方法也有很多种，比较常用的就是内插外推法和虚拟融合法。
3.2多传感器信息融合的方法
多传感器信息融合技术应用至今，有着非常多的应用方法，在所有方法当中较为成熟的方法包括了聚类分析法、证据理论法、DS算法、最优理论法等。近年来，还研发出了一种新的信息融合方法，那就是计算机智能方法，其中包括了神经网络和小波分析理论以及模糊集合理论等，计算机智能方法在研发出来短时间内就得到了广泛应用，可见其融合效果是相当不错的。
4多信息融合在机器人技术中的典型应用
信息融合技术已经广泛应用在机器人技术中。由于移动机器人和遥控操作机器人的工作环境不是静态的，包含很多不确定因素，结构特征也不明显，所以他们是最先采用信息融合技术的机器人。此种技术是机器人具备了极高的自我管理能力和感知能力。同时还可以使机器人准确判断实时自身条件，指导其身体作出正确的肢体动作。通过大量实验证明，采用单一传感器机器人和使用多传感器的机器人在感知外部环境的能力方面是不可比拟的。
RANGER是卡内基梅隆大学机器人研究所在90年代中期研究的一种可移动机器人。该研究所认为一幅图像最重要的是图像处理过程,并不是确定一个标准的图像模型。特别在比较粗糙的地方，不同图像的特征的变化很大，数学计算相当复杂，且计算量非常庞大，这就更需信息融合技术来确保特征模型的可靠性，也为机器人的安全性提供了保障。
LIAS是德莱克西尔大学研发的多传感器移动式机器人。该机器人装有3个不同的感觉系统。它的四周安装了超声波传感器，前方安装了一个特殊的“三听觉”传感器；机器人前面板突出的部分安装了红外线传感器，这些传感器能够采集到完整的全景信息。这种机器人可以一次探测很多目标物体，输出多种距离信息。例如测量被测物体相对于机器人的方向和距离等信息。在这项研究中，学者们从不同的角度对现有的信息融合方法加以应用，验证了它的实用性和有效性。
结语
近些年来，传感器及检测技术的进步带动了机器人技术日新月异的发展。而信息融合技术使人工智能领域得到了深入的关注和广泛的应用。其理论和方法是智能信息处理的关键所在。本文通过分析多传感器信息融合在机器人技术中的应用，希望可以对相关行业有所帮助。
参考文献:
[1]元晶.多源信息融合技术及应用发展现状[J].工业经济论坛,2017,04(05):42-47.
[2]王中立,牛颖.基于多传感器信息融合的机器人障碍物检测[J].中国测试,2017,43(08):80-85.
[3]李明.多源信息融合技术发展简述[J].舰船电子工程,2017,37(06):5-9.
[4]范春梅.基于多传感器信息融合的移动机器人定位技术的研究[J].电脑知识与技术,2017,13(04):171-172.
论文作者:陈瑞昱,赵阳,刘春龙,董晓峰,晋超琼
论文发表刊物:《防护工程》2019年第4期
论文发表时间:2019/5/29
标签：传感器论文; 信息论文; 机器人论文; 技术论文; 数据论文; 方法论文; 系统论文; 《防护工程》2019年第4期论文;