面向智能機器人的多傳感器信息融合技術分析

譚永樂

(江門市新會區儀尚佳測控技術有限公司，廣東 江門 529000)

1 機器人的傳感系統

功能超強的智能機器人需要一系列的傳感器系統作為支撐，主要由5大系統構成：觸覺傳感器、立體視覺傳感器、力和力矩傳感器、聽覺傳感器、測距傳感器系統等。正是這些傳感器的綜合性能，可以讓機器人有能力準確估計周圍的環境和正在發生的事情，這也是最接近人類判斷思維的功能。在本質上，多傳感器信息融合的過程也是模仿人類大腦收集和處理信息的方式，要想傳感器像人類大腦那樣通過多維度地完成一些高難度運作，就必須將多個同類型或者不同類型的傳感器一起設置在機器人的傳感系統里。

2 多傳感器信息融合的基本原理

該技術的原理就是對人類和生物信息集成功能的模仿。人類可以本能地通過五官、四肢進行景象、氣味、聲音的觸覺和捕捉，與原有的經驗進行印證，以此形成有效判斷周圍環境以及可能要發生的事件的判斷能力。這個信息的處理過程雖然極其復雜，卻具備自適應性，完全可以將各種信息轉變為解釋周圍環境的價值，這既需要處理能力和類型的多元化，又要滿足基于知識庫的組合信息的詮釋意義[1]。

3 智能機器人中的多傳感器信息融合系統構建

3.1 傳感器的選擇

智能機器人進行大量和繁雜環境信息的感知，必須以不同類型的多個傳感器作為智能化的硬件載體。作為機器人智能處理程序與外界環境連接紐帶的傳感器，普遍應用的類型包括紅外傳感器、攝像機、超聲波傳感器以及激光傳感器等。傳感器的性能是不是優越決定機器人對環境的感知能力的強弱，所以要想構建高效的機器人系統，就必須選擇優良功能的傳感器。單一傳感器對環境特征信息的收集能力是有限的，存在局部、片面的缺陷；但也不是傳感器的數量越多越好，過多的傳感器不一定讓系統更加高效，甚至會因為復雜性增加系統的負擔，極易造成多傳感器信息融合界限的混淆。所以，選擇傳感器的標準是確保傳感器之間的關聯性。實踐證明，多功能觸覺傳感器、距離和進覺傳感器、立體視覺傳感器等，是高級智能機器人必備的裝置，數量上要根據功能需要而定。

3.2 信息融合系統的結構規劃

3.2.1 系統任務屬性

機器人智能化水平的高低，主要取決于多傳感器信息融合系統的性能強弱，這是正向的、關聯性極強的指標。實際上，機器人硬件系統的基礎就是傳感器系統，但智能系統高效運行的技術保障就是多傳感器信息融合系統。該系統的核心任務包括綜合處理局部的、不完整的信息，這些信息是不同位置、不同類型傳感器獲取的數據，通過特殊的處理剔除各個傳感器數據之間形成冗余以及矛盾，提升其穩定性和確定性，進而準確而完整地描述周圍環境和事物，以此促進高智能系統整體的決策能力的大幅度提升，有效降低決策中的各類風險。縱觀目前的多傳感器信息融合系統，信息融合技術就是該系統的物質基礎，該給水系統的加工對象就是數據信息，其核心宗旨就是對這些信息的協調、優化和有效處理。其中，最重要的環節是優化處理工序，是保證系統高效優質的重要因素。多傳感器信息融合系統的結構，如圖1所示。

多傳感器信息融合的任務實現可以是多層次、多形式的，一般會通過信息綜合處理器完成處理。

3.2.2 拓撲結構規劃

在多傳感器信息融合拓撲系統中，結構類型主要有4種：集中型、分散型、混合型以及分級型，分級型又分為反饋和無反饋兩種結構。在4種類型結構中，應用最廣泛的融合結構為分散型和集中型。其中，集中型擁有精度高、結構簡單的優點，但其信息融合的前提是只有接收到所有傳感器信息后才可進行，會導致通信和計算在各個融合中心負擔加重，會變慢系統信息融合速度和容錯性。而分散型的結構所有傳感節點的全局預估信息的能力都很強，無需進行大型集中數據庫的維護，沒有很重的通信負擔，信息融合快，不存在個別節點失效造成系統停運的現象，容錯性和可靠性都極高，唯一的缺點是融合精度稍遜于集中型。混合型結構兼具了以上兩個類型的優點，但通信和計算的代價都極高。分級型結構不同局部的節點也能夠作為混合型、集中型和分散型的節點，集中型和分散型為通信和計算的負擔。從該技術的產生和發展過程中，一直在改進著融合結構，并且在不斷地探索結構方案[2]。

圖1 多傳感器信息融合系統的結構

4 機器人的多傳感器信息融合技術路徑

4.1 融合方式

智能機器人信息融合技術的實現方式很多，但經常應用的有以下幾種：Bayes估計法、加權平均法、證據推理、神經網絡法、模糊邏輯法、Kalman濾波、擴展Kalman濾波以及基于規則和基于行為方法等。

4.2 傳感器測距

要求給予智能機器人信息要素，以實現對外界環境的感知，距離就是其中最關鍵的信息，距離也起到極其重要的作用。

4.3 目標識別

通常情況下，穩健的目標特征可借助目標識別提取，還兼具處理和分離功能。目標識別是智能機器人通過視覺傳感器以及各種測量距離的傳感器，進行形狀、顏色、長短、位置、方位等進行有效識別。

4.4 自主導航

在目前的機器人研究領域里，最大的焦點就是導航技術，更是智能機器人研發中的關鍵技術。主要表現在導航技術中D.White所提出的3個問題。

4.4.1 定位問題

針對定位問題的深度研究，其課題重點放在怎樣讓機器人更有效地獲取外界的環境信息，前提是利用智能機器人內部與外部的傳感器獲取信息，可以讓研究者及時確定機器人在工作環境里行進方位[3]。

4.4.2 路徑規劃問題

在智能機器人研發過程中，機器人的路徑規劃應該是學者重點研究的問題，而這個問題的重點就是怎樣讓智能機器人無碰撞。無碰撞的路徑是一條外界提供的從開始到結束的全程路徑。在研究的過程中，容易造成一定影響的是一些路徑會出現局部位置或者全部位置，因為在機器人行進的路徑中必須捕捉目標障礙物的形狀、長度、方位等信息，讓機器人在行進過程中可以避開所有障礙物。在關于機器人的路徑規劃中，目前應用最多的是自由空間法，該方式是利用多邊形等模式，進行某個自由完整空間的構建。在路徑對話的過程中需要描述空間，就是所說的建模，在二維平面運動中，進行環境邊界的規劃，然后利用多邊形描述，以機器人為點進行路徑的規劃。

5 信息融合的關鍵問題

5.1 相關的規范

在該系統中，不同傳感器獲取的數據都在本身的參考框架內，在對這些信息進行組合前，有必要將這些信息轉換為同一個參考范圍內。值得一提的是，每個傳感器提供的觀測數據都在各自舍去誤差，因此有必要進行補償。

5.2 同類或異類數據

從屬性上講，多傳感器提供的數據應該視為同類。但也允許異類的形式，與同類的傳感器相比，多個異類傳感器具備傳輸的信息難以同步應用、數據率難以統一，以至于難以匹配的測量維數等特征，增大了這些信息處理的難度。

5.3 不確定性的觀測數據

因為傳感器工作環境不確定，會有噪聲成分包含在觀測數據中。在數據的融合處理中，需要分析和驗證多源觀測數據，并進行綜合性補充，將數據的不確定性降到最低。

5.4 數據缺陷問題

在該系統中，更多時候能夠諸多層面進行測量數據的解釋，就是所說的不完整數據。由此，不一致甚至是相互矛盾的環境觀測數據解釋也會出現在多傳感器系統中。另外，基于一直存在的干擾因素和噪聲，也容易體現在某些虛假的測量數據中。因此，該系統必須有效地融合和處理這些不真實或者有缺陷的數據。

5.5 數據關聯

該系統普遍存在數據關聯問題，必須對單傳感器和多傳感器時間域的管理問題進行處理，更方便同一目標數據的合理確定。

5.6 態勢數據庫

態勢數據庫是由非實時數據庫赫爾實時數據庫構成。實時數據庫可以將各個傳感器的檢測結果提供給融合中心，并分析和整合決策的分析結果以及存儲融合處理的最終態勢，從而生成綜合態勢，按照多傳感器檢測結果，進行態勢決策分析和數據融合計算等[4]。

6 結語

綜上所述，智能機器人智能化的核心技術就是多傳感器的應用。本文以此為核心，闡述和分析了智能機器人多傳感器信息融合技術的內容、原理、系統結構、實現的技術路徑以及存在的關鍵問題。從而廣泛而深度地探索了智能機器人的多傳感器信息融合技術中面臨的問題，并提出合理建議。伴隨大數據技術、控制技術和人工智能技術的快速發展，尤其是日新月異的傳感器信息融合技術，智能機器人對環境的感知和判斷能力還會大幅度提升，從而自主控制能力也將更加高智能化，與之相對應的研究和應用將步入更廣闊的空間。