多傳感器融合在機器人位置感知中的應用研究*

王海霞，吳清鋒，吳相彬，張秋怡

（廣東產品質量監督檢驗研究院國家工業機器人質量監督檢驗中心（廣東），廣東佛山 528300）

0 引言

多傳感器融合技術指的是在一個系統中采用多種傳感器來獲取信息，并將獲取到的信息進行有關數據處理的一種技術。將多個同類或者不同類的傳感器安裝在機器人系統的不同位置進行局部信息的獲取，再通過信息融合算法，消除多傳感器信息之間可能存在的冗余信息，形成對系統環境更為完整和準確的理解[1]。常用的信息融合方法一般可以分為：估計方法、分類方法、推理方法和人工智能方法4大類[2]，算法常用的有卡爾曼濾波、參數模板法、貝葉斯推理、自適應神網絡等。

多傳感器融合技術因其特有的優勢，在軍事領域、經濟領域、機器人智能領域、醫療領域等應有廣泛。隨著人工智能技術的發展[3]，小型化、便攜化的傳感器技術的發展及生產工藝水平的提高，為基于多傳感器的信息融合技術在機器人中的應用提供了更多可能[4]。圖1所示為不同種類的小型傳感器圖。

不同種類的傳感器對信息的獲取有著不同的方法和原理，視覺傳感器（如單雙目相機、RGB-D相機、可見光相機等）的測量精度高，但測量速度低、測量范圍受限、容易受光照強度影響；慣性測量單元（IMU）通過內置的三軸陀螺儀和加速度計測量物體自身在空間中的角速度和加速度，以此來估計出物體的位姿，在短時間內對載體運動的估計十分準確，但內置的陀螺儀會存在時飄誤差，且隨著測量時間越久，誤差越大，從而影響慣性測量的精度[5]。若采用多傳感器信息融合技術，將IMU 和視覺傳感器組合使用，可構成視覺慣性里程計，對物體的運動姿態進行更準確的跟蹤，滿足單一類別的傳感器測量方法無法兼顧的速度、實時性、精度等測量要求。

圖1 不同種類的小型傳感器

多傳感器信息融合技術使得不同傳感器間得到優勢互補，增強了系統的可靠性和容錯性[6]，相對于單一傳感器而言，具有全面感知周圍環境、全面精準定位、躲避障礙等優勢，能讓機器人更好地運用在復雜環境中，提高了機器人在自主定位導航、避障、位姿測量等方面的精度。

本文重點討論了多傳感器融合技術在機器人位置感知中的3種代表性應用，闡述了應用融合結構和原理，總結了多傳感器融合技術在位置感知的應用優勢和現有技術的不足，分析預測了其發展趨勢。

1 多傳感器融合技術在機器人定位方面的應用

1.1 室內自主移動機器人的室內導航定位

室內自主移動機器人在多領域的應用發展迅速，如倉儲物流、車間巡檢、家庭/餐飲服務等，圖2 所示為3 款不同的室內移動機器人。在室內自主移動機器人執行任務過程中，實時獲取準確的位置信息并進行路徑規劃運動（即定位）非常重要。室內移動機器人的定位，目前采用的主流方法是使用即時定位與地圖構建（Simultaneous Localization and Mapping，SLAM）技術，SLAM 算法按使用傳感器的不同，可以分為視覺SLAM和激光雷達SLAM兩大類。

圖2 室內移動機器人

激光雷達傳感器雖然有著測量精度高、測量距離遠的優點，但無法檢測到透明材質的物體，會導致構建的地圖障礙物信息不完整的現象。石長興[7]采用基于卡爾曼濾波器的定位算法，將激光雷達作為主傳感器與里程計配合使用，進行聯合定位，利用卡爾曼濾波進行傳感器的信息融合，估計機器人的位姿，以此獲取更高的定位精度。采用視覺傳感器作為信息源的SLAM技術，存在著一些固有問題，如對于高速運動場景，會造成運動模糊，給特征點提取與匹配造成一定影響；對環境光照變化敏感，造成信息的丟失等。潘楊杰[8]融合了雙目視覺-里程計-IMU 傳感器，提出了一種基于圖優化的視覺多傳感器融合的定位算法，首先對里程計和IMU 進行建模、標定和矯正，再利用擴展卡爾曼濾波算法融合里程計與IMU 的位姿信息，該方法與直接采用里程計獲取定位信息相比，在定位精度上有大幅度的提升。也有學者采用射頻識別（RFID）和IMU傳感器進行仿真試驗，提出了室內軌跡估計方法，對目標進行了有效跟蹤[9]。

1.2 無人機的實時定位

無人機現已廣泛應用在軍事領域、電力行業巡檢、農林植保、航拍攝影等方面中，在這些過程中，定位精度不夠、無法精準避障、路徑規劃不準等問題都會制約著無人機進一步的發展與普及，提高無人機實時定位與避障技術的精準性對保證無人機飛行時的安全和可靠顯得尤為重要。楊嘉珩[10]采用全球衛星定位系統（Global Navigation Satellite System，GNSS）、IMU、雙目視覺傳感器（Stereo Visual）構建了多傳感器融合的算法框架，完成位姿跟蹤與定位工作。利用GNSS提供的全局信息進行校準，利用IMU 提供的載體運動信息進行輔助定位、利用雙目相機獲取的圖像信息進行位姿跟蹤，充分發揮了各種傳感器的優勢，實現傳感器間的優勢互補，能應對GNSS定位失敗、運動模糊、視覺特征缺失等問題。圖3所示為基于多傳感器融合的定位過程。

圖3 基于多傳感器融合的定位過程

多傳感器融合技術在室內自主移動機器人和無人機定位的應用，均大體使用了IMU 和視覺傳感器為主，輔助以其他傳感器，使機器人獲取的信息更加完善，避免了單一傳感器的局限性，根據不同傳感器獲取數據特性，結合適當的信息融合算法，減少了傳感器測量帶來的定位誤差，實現信息互補的效果，進而達到了提升機器人定位精度的目的。

2 多傳感器融合技術在機器人避障方面的應用

機器人在運動過程中，需要具備能感知周圍環境是否存在障礙物的功能，然后根據障礙物信息進行路徑規劃，規避障礙，安全到達指定目的地[11]。當機器人處在復雜環境時，采用單一傳感器來感知周圍環境中的障礙物信息，其感知能力差，感知誤差大，因此，很多研究人員提出將多傳感器信息融合技術運用在對機器人的避障檢測方面，以此提高檢測精度。

王中立[12]使用了視覺傳感器、超聲波傳感器、紅外線傳感器3種傳感器，來實現對周圍障礙物信息的感知。首先使用視覺傳感器獲取機器人周圍的障礙物信息，并結合圖像處理技術，對障礙物的位置進行粗略估計，再使用超聲波傳感器和紅外線傳感器對障礙物進行檢測，得到障礙物的準確位置。將三種傳感器各自得到信息，利用聯合卡爾曼濾波方法進行數據融合，最終得到障礙物信息位置的最佳估計。蘇衍保[13]將多傳感器融合技術應用在了迎賓機器人的避障方面，利用雙目相機、超聲波傳感器、紅外傳感器及電子羅盤獲取機器人運動環境的信息，從而建立機器人的運動模型，設計適用于迎賓機器人的模糊神經網絡信息融合算法。該方法克服了超聲波易受外界干擾，紅外線傳感器測量距離短的缺點，提高了機器人避障的準確性。

機器人的自主避障是機器人智能化的重要體現之一，機器人的避障技術離不開視覺傳感器、紅外傳感器和超聲波傳感器等多種傳感器的配合。在機器人系統里，多采用超聲波傳感器和紅外傳感器來獲取環境信息，比起使用單一的傳感器而言，能獲取更加全面的環境信息，得到障礙物的準確位置，從而達到精準避障的目的，有利于各類移動機器人的推廣和使用。

3 多傳感器融合技術在機器人位姿精度測量的應用

機器人在機械加工引起的精度誤差、安裝和磨損誤差、傳動誤差、負載變化及環境影響會導致機器人末端執行器實際位置偏離預期的位置，造成位姿誤差[14]。位姿誤差是衡量機器人性能的重要指標，將多傳感器融合技術運用在其末端的位姿測量，是提高其位姿測量精度的一種方法，相較于激光跟蹤儀法，該方法測試流程機動簡便，價格便宜，應用潛力更廣。

鄭志紅等[15]根據搬運機器人的一般模型，提出了基于多傳感器信息融合的機器人貨物檢測及搬運方法，使用安裝在機器人末端執行器上的視覺傳感器和超聲波傳感器獲取目標貨物的位置信息和其形狀、尺度信息，使用多維力傳感器對機器人的手臂、關節進行受力感知，最后將得到的各分量信息進行數據融合，通過現場總線技術控制搬運機器人的末端執行器以合適的位姿和力度準確抓取物件。

張天麟[16]融合了基于IMU 和單目視覺的兩種主流位姿測量方法，將安裝在多個關節上的IMU 測量得到的末端位姿結果作為預測模型，將單個IMU 和相機測量得到的位姿結果作為觀測模型。當沒有采集到視覺信息時，采用卡爾曼濾波對以上兩種IMU 得到的測量數據進行融合，當采集到視覺信息時，采用H∞濾波對IMU和視覺傳感器得到的測量數據進行融合。該模型有效地解決了IMU 的時飄問題和視覺傳感器測量速度低、測量范圍受限的問題，提高了機械臂末端位姿測量的精度和魯棒性。

多傳感器組合進行位姿測量不僅應用在機械臂末端的位姿精度測量方面，還可運用在其他位姿測量中，國外學者Lange等[17]等利用相機從標靶上提取的信息與IMU測量得到的俯仰角和橫滾角姿態信息進行融合，得到多旋翼平臺的位置信息。Blanc[18]將IMU 和視覺標靶安裝在頭盔上，利用視覺傳感器測量得到的數據去補償IMU 的時飄誤差，實現了很好的跟蹤效果。

多傳感器融合計算在機器人位姿精度檢測的應用中，主要是利用IMU 傳感器和視覺傳感器，一般是利用基于自適應參數機動目標模型的Kalman濾波，進行位姿解算，得到位姿精度的測量。多傳感器融合技術對機器人位姿的估計和算法，精度要求高，測量干擾多，涉及運動學參數多，算法相對較復雜，流程較多，故常常涉及的融合技術是多種融合模型相結合，同時需選取適當的姿態解算方法。

多傳感器融合技術在機器人位置感知中的有廣闊的發展前景，發展方向主要有以下兩個方面：一是不同數據融合模型的結合算法方面，如利用數據冗余減少錯誤性、不精確性和不確定性數據缺陷的影響，以及數據關聯數據維度等[19]；二是傳感器硬件精度方面，機器人位置感知對傳感器精度要求較高，常用的傳感器精度部分還無法滿足需求。

4 結束語

本文綜述了多傳感器融合技術的研究現狀，通過3 種典型的應用場景，論述了其在機器人位置感知應用，說明了超聲雷達、IMU、視覺傳感器、超聲波傳感器、紅外線傳感器的使用原理，總結了不同場景應用特點和優勢。得出如下結論。

（1）采用單一的傳感器獲取信息，往往不夠全面可靠。多傳感器信息融合技術實現了傳感器間的優勢互補，增強了系統的穩定性和容錯性，為實現機器人位置感知的高精度、高穩定性提供了可能，具有研究前景，在機器人的智能化發展中起著重大作用。

（2）定位導航主要采用激光雷達和視覺傳感器；避障主要采用視覺傳感器、超聲波傳感器、紅外線傳感器結合；位姿精度檢測則采用IMU 和視覺傳感器較多；卡爾曼濾波數據融合算法在機器人位姿感知中應用較多。

（3）為滿足更多應用場景和領域，機器人位置感知中的多傳感器融合技術仍需進一步突破不用數據融合模型的結合算法，傳感器硬件精度仍需進一步提高。