多傳感器集成與融合及其在機(jī)器人中的應(yīng)用

一、前言

多傳感器集成與信息融合技術(shù)是80年代初發(fā)展起來的,它首先應(yīng)用在軍事上。美、英、法等國將戰(zhàn)場信息的融合列為一項(xiàng)重大的研究課題,美國國防部專門成立了一個(gè)信息融合小組,并組織了幾個(gè)專題計(jì)劃,研究、開發(fā)多傳感器信息融合技術(shù)。隨著對機(jī)器人應(yīng)用領(lǐng)域要求的不斷擴(kuò)大和第二代具有局部(初級)智能機(jī)器人的研究與開發(fā),多傳感器集成與信息融合技術(shù)對提高機(jī)器人系統(tǒng)性能的重要性能越來越受到人們的關(guān)注,智能機(jī)和新一代智能機(jī)器人也朝著多傳感器的方向發(fā)展。1979年法國的Hilare移動(dòng)機(jī)器人,1985年美國DARPA戰(zhàn)略計(jì)劃的自主陸地車(ALV),1986年Carnegie-Mellon大學(xué)的CMU自主陸地車和1987年Stanford大學(xué)的Stanford移動(dòng)機(jī)器人都成功地應(yīng)用了多傳感器信息集成與融合技術(shù)處理各種復(fù)雜野外環(huán)境的傳感信息。

在工業(yè)機(jī)器人方面,日本HITACHI公司正在開發(fā)用三維視覺和力傳感器的集成電路裝配機(jī)器人,歐洲信息技術(shù)研究戰(zhàn)略計(jì)劃ESPRIT也在開發(fā)具有視覺、觸覺和力覺的機(jī)器人,用于材料加工以及集成裝配作業(yè)。近年我國才開始這一領(lǐng)域的研究工作。我國的"863高技術(shù)研究計(jì)劃"對傳感器和傳感技術(shù)的研究給予了高度重視,1992年11月在北京召開的"863"高技術(shù)智能機(jī)器人研究與發(fā)展討論會(huì)上,與會(huì)專家、學(xué)者再次重申了這一觀點(diǎn),同時(shí)對多傳感器集成與信息融合技術(shù)給予了特別的關(guān)注。在"863計(jì)劃"的支持下,近年來在傳感技術(shù)、信息處理、機(jī)器人控制和人工智能等基礎(chǔ)研究方面取得了顯著的成果,為多傳感器集成與信息融合技術(shù)在機(jī)器人中的應(yīng)用奠定了一定的基礎(chǔ)。

二、多傳感器集成與信息融合

近年來,人們對協(xié)同運(yùn)用多傳感器以增強(qiáng)智能機(jī)器和系統(tǒng)功能的興趣日益增加。為了使系統(tǒng)有效地利用各種傳感器提供的信息,需要一種有效的方法來集成這些傳感器提供的信息。但就目前而言,人們大多還采用傳統(tǒng)的方法,即在多傳感器系統(tǒng)中,對來自每個(gè)傳感器的信息單獨(dú)地輸入系統(tǒng),分別獨(dú)立的加以利用。這樣,由于外部傳感器數(shù)量的增加,必然會(huì)帶來復(fù)雜的控制任務(wù)與傳感信息處理之間的矛盾。通常,隨著傳感器及其相關(guān)處理操作數(shù)目的增多,控制程序和通訊的復(fù)雜程度呈指數(shù)規(guī)律增長,因此,研究并提出一種合理的控制結(jié)構(gòu)和多傳感器信息集成與融合方法已成為人們攻克的一個(gè)重點(diǎn)課題。 許多文獻(xiàn)介紹了多傳感器集成與信息融合方面的研究成果,各種不同的控制結(jié)構(gòu)和融合方法相繼問世,但對信息集成與融合似乎還沒有一個(gè)十分明確、嚴(yán)格的定義和統(tǒng)一的認(rèn)識,大多數(shù)專家學(xué)者都是從自己研究的具體的系統(tǒng)中理解多傳感器信息集成與融合的含義,并提出各種不同的實(shí)現(xiàn)方法和控制結(jié)構(gòu)。

美國北卡羅萊納州立大學(xué)的REN C.Luo和MICHAELE.KAY在綜述了已有研究成果的基礎(chǔ)上,提出了一個(gè)比較明確的定義。所謂多傳感器集成是指協(xié)調(diào)運(yùn)用多傳感器裝置提供的信息,以協(xié)助系統(tǒng)完成任務(wù),它處于系統(tǒng)結(jié)構(gòu)和控制級上,涉及的問題較一般。而多傳感器信息融合的概念更嚴(yán)格,它通常是指在集成過程的任一階段,將不同來源、不同性質(zhì)的感覺信息融合成一種統(tǒng)一的表示形式(通常是符號表示),它所涉及的問題大多數(shù)情況下是數(shù)學(xué)表達(dá)或統(tǒng)計(jì)問題。筆者認(rèn)為,沒有必要將集成與融合過于嚴(yán)格地區(qū)分開來,兩者只是在系統(tǒng)的不同層面上采用不同的表示和處理方式,但都是綜合運(yùn)用多傳感器信息的手段。也就是說,所謂多傳感器信息集成與融合是采用一種最佳的系統(tǒng)結(jié)構(gòu)和合適的信息處理方法,綜合運(yùn)用多傳感器信息,以增強(qiáng)系統(tǒng)在各種復(fù)雜的、動(dòng)態(tài)的、不確定環(huán)境中的自主決策能力。信息集成是融合的基礎(chǔ),將集成處理的多傳感器信息進(jìn)行合成,形成對外部環(huán)境某一特征的一種表達(dá)方式就是融合。經(jīng)過集成與融合的多傳感器信息能完善的、精確地反映環(huán)境特征,與單一傳感器只能獲得環(huán)境特征的部分信息段相比,它具有冗余性、互補(bǔ)性、實(shí)時(shí)性和低成本四大優(yōu)點(diǎn)。

三、多傳感器信息融合的一般方法

1.貝葉斯估計(jì)

貝葉斯估計(jì)是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的一種常用方法,其信息描述為概率分布,適用于具有可加高斯噪聲的不確定性。當(dāng)傳感器組的觀測坐標(biāo)一致時(shí),可以用直接法對傳感器測量數(shù)據(jù)進(jìn)行融合。在大多數(shù)情況下,多傳感器從不同的坐標(biāo)框架對環(huán)境中同一物體進(jìn)行描述,這時(shí)傳感器測量數(shù)據(jù)要以間接的方式采用貝葉斯估計(jì)進(jìn)行數(shù)據(jù)融合。

2.多貝葉斯估計(jì)

Durrant-Whyte將任務(wù)環(huán)境表示為不確定幾何物體集合的多傳感器系統(tǒng)模型,提出了傳感器信息融合的多貝葉斯估計(jì)。整個(gè)系統(tǒng)中的每個(gè)傳感器由提取這些物體的有用的靜態(tài)描述能力表示,系統(tǒng)中的多傳感器作為一個(gè)決策者隊(duì),多傳感器必須決定環(huán)境的一個(gè)隊(duì)的一致性觀測。多貝葉斯估計(jì)把每個(gè)傳感器作為一個(gè)貝葉斯估計(jì),將各單獨(dú)物體的關(guān)聯(lián)概率分布結(jié)合成一個(gè)聯(lián)合的后驗(yàn)概率分布函數(shù),通過聯(lián)合分布函數(shù)的似然函數(shù)為最小,提供多傳感器信息的最終融合值,融合信息與環(huán)境的一個(gè)先驗(yàn)?zāi)Ｐ吞峁┱麄€(gè)環(huán)境的一個(gè)特征描述。

3.卡爾曼濾波

卡爾曼濾波用于實(shí)時(shí)融合動(dòng)態(tài)的低層次冗余傳感器數(shù)據(jù)。該方法用測量模型的統(tǒng)計(jì)特性遞推決定統(tǒng)計(jì)意義下最優(yōu)融合數(shù)據(jù)估計(jì)。如果系統(tǒng)具有線性動(dòng)力學(xué)模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布的白噪聲模型,卡爾曼濾波為融合數(shù)據(jù)提供唯一的統(tǒng)計(jì)意義下的最優(yōu)估計(jì),卡爾曼濾波的遞推特性使系統(tǒng)數(shù)據(jù)處理不需大量的數(shù)據(jù)存儲(chǔ)和計(jì)算。

4.統(tǒng)計(jì)決策理論

統(tǒng)計(jì)決策理論(SDT)為多傳感器產(chǎn)生的冗余定位信息的融合提出了分兩步廣義方法。傳感器噪聲建模為多樣的可能概率分布,傳感器模型的作用是增加決策過程的魯棒性,通過分離分布函數(shù)來確定分離系數(shù),表示由不真實(shí)的傳感器讀數(shù)可能引起的偏差。與多貝斯估計(jì)相比較,統(tǒng)計(jì)決策理論中的不確定性為可加噪聲,從而對不確定性的適應(yīng)范圍更廣。

5.Shafer-Dempster證據(jù)推理

該方法是貝葉斯方法的擴(kuò)展。在貝葉斯方法中,當(dāng)一個(gè)傳感器可用附加信息或未知前提的數(shù)目大于已知前提的數(shù)目時(shí),已知前提的概率變得不穩(wěn)定。Shafer-Dempster方法中,使用了一個(gè)不穩(wěn)定區(qū)間,可以通過不指定未知前提的先驗(yàn)概率避免貝葉斯方法的不足。

6.具有置信因子的產(chǎn)生式規(guī)則

集成多維低層處理的最初結(jié)果是線和區(qū)域數(shù)據(jù),它們是圖像的兩種最常用的低層描述。集成多區(qū)域分割算法中最為靜態(tài)的方法允許每一個(gè)過程獨(dú)立地分割圖像,然后每一個(gè)分割區(qū)域用以下兩種方法聯(lián)合:一是將所有區(qū)域界投影到一幅圖像上,并合并結(jié)果區(qū)域;二是作出所有分割中具有支持作用的那些邊界的投影,并連接結(jié)果邊界段。

7.模糊推理和神經(jīng)網(wǎng)絡(luò)

多傳感器系統(tǒng)中,各信息源提供的環(huán)境信息都具有一定程度的不確定性,對這些不確定信息的融合過程實(shí)質(zhì)上是一個(gè)不確定性推理過程。采用模糊邏輯融合景像分析和目標(biāo)識別信息,通過指定一個(gè)從0到1之間的實(shí)數(shù)表示的真實(shí)度,相當(dāng)于隱式算子的前提,允許將多傳感器信息融合過程中的不確定性直接表示在推理過程中,如果采用某種系統(tǒng)化的方法建模,融合過程中的不確定性,則可產(chǎn)生一致性模糊推理。 神經(jīng)網(wǎng)絡(luò)要根據(jù)當(dāng)前系統(tǒng)所接收到的樣本的相似性,確定分類標(biāo)準(zhǔn)。這種確定方法主要表現(xiàn)在網(wǎng)絡(luò)權(quán)值分布上,同時(shí)可采用神經(jīng)網(wǎng)絡(luò)特定的學(xué)習(xí)算法來獲取知識,得到不確定性推理機(jī)制。

四、多傳感器集成與信息融合在機(jī)器人中的應(yīng)用

1.移動(dòng)機(jī)器人和自主車

移動(dòng)機(jī)器人和自主車有著廣泛的應(yīng)用,當(dāng)它們在未知的和動(dòng)態(tài)環(huán)境中工作時(shí),將多傳感器提供的數(shù)據(jù)進(jìn)行融合,使環(huán)境信息得以快速的感知。移動(dòng)機(jī)器人對多傳感器信息集成與融合的發(fā)展起了重大的促進(jìn)作用。 Hilare移動(dòng)機(jī)器人將觸覺、聽覺、兩維視覺、激光測距等傳感器結(jié)合起來,使之能在未知環(huán)境中操作。Hilare移動(dòng)機(jī)器人是首次用多傳感器信息形成未知環(huán)境實(shí)物模型的移動(dòng)機(jī)器人,使用聲音和視覺傳感器建立分割為定位層次的圖表。視覺和激光測距得到環(huán)境中不同區(qū)域的近似三維表示,激光測距獲得物體更精確的范圍。使用3種不同的方法得到機(jī)器人位置的精確估計(jì):使用標(biāo)記的絕對位置定位、無外部坐標(biāo)的軌跡集成、參照環(huán)境的相對位置定位。每一種方法互補(bǔ)校正,減少其他方法中的誤差和不確定性,不同傳感器產(chǎn)生的信息,經(jīng)過集成,提供已知物體的位置和相對于機(jī)器人的定位,根據(jù)物體的特征和與機(jī)器人的距離,選擇恰當(dāng)?shù)娜哂鄠鞲衅鳒y量物體。每個(gè)傳感器的不確定性建模為高斯分布,如果所有傳感器測量的標(biāo)準(zhǔn)偏差具有相同的幅度,那么加權(quán)平均值將作為物體頂點(diǎn)的融合估計(jì)。

Stanford移動(dòng)機(jī)器人將觸覺、立體視覺和超聲波傳感器用于非結(jié)構(gòu)化人為環(huán)境中的機(jī)器人導(dǎo)航,兩維環(huán)境模型采用分層表示,最低層環(huán)境特征與傳感器提供的數(shù)據(jù)一致,高階層是抽象的和符號表示的環(huán)境特征。機(jī)器人定位的不確定和環(huán)境特征建模為高斯分布,隨著機(jī)器人的運(yùn)動(dòng),卡爾曼濾波用于傳感器信息的融合。 Carnegie-Mellon大學(xué)機(jī)器人中心研制的CMU自主陸地車具有彩色TV攝像機(jī)、激光測距儀和聲納傳感器,能實(shí)行多傳感器信息集成與融合。并行處理是該研究的主要目標(biāo)。局部環(huán)境模型中的數(shù)據(jù)具有屬性數(shù)值標(biāo)志。標(biāo)志代表實(shí)際物體,幾何定位由平面多邊形組成,聲納傳感器用于檢測近障礙物,可用于將定位從一個(gè)坐標(biāo)系統(tǒng)變換到另一個(gè)坐標(biāo)系統(tǒng)的參考坐標(biāo)框架,時(shí)間標(biāo)記記錄標(biāo)志建立的時(shí)刻和接收傳感器數(shù)據(jù)的時(shí)間,當(dāng)由攝像機(jī)和激光測距儀在不同時(shí)刻和定位測量的距離數(shù)據(jù)融合時(shí),每個(gè)傳感器做標(biāo)志的坐標(biāo)框架首先變換到共同的車體框架,接著變換到時(shí)間上的同一點(diǎn),數(shù)據(jù)融合的結(jié)果產(chǎn)生一個(gè)表示融合數(shù)據(jù)的新標(biāo)志。

2.裝配機(jī)器人

裝配作業(yè)是機(jī)器人應(yīng)用的一個(gè)復(fù)雜領(lǐng)域。Groen等提出了一種具有視覺、超聲波、觸覺、力傳感器的裝配機(jī)器人結(jié)構(gòu)。裝配過程表示為某一傳感器運(yùn)行的條件滿足時(shí)所進(jìn)入的一系列階段,整個(gè)過程由建模為NBS分層結(jié)構(gòu)控制,采用一套模塊化的低層外部處理執(zhí)行傳感器處理、機(jī)器人控制和數(shù)據(jù)通訊等專門任務(wù)。視覺傳感器用于識別不同零件和定位,腕力傳感器和被動(dòng)柔性裝置用于高精度軸孔匹配、零件傳送和放取。Karlaruhe自由移動(dòng)裝配機(jī)器人用于柔性制造單元中的零件傳輸和裝配操作,它是一個(gè)具有兩臺PUMA260機(jī)器人的移動(dòng)平臺,平臺具有4個(gè)獨(dú)立驅(qū)動(dòng)的輪子,并裝有對角配置的無驅(qū)動(dòng)滾子,使得它能向任何方向移動(dòng),一臺攝像機(jī)用來識別兩維零件。裝配作業(yè)在兩個(gè)腕力傳感器和兩個(gè)位于末端執(zhí)行器上的攝像機(jī)輔助下完成,一個(gè)超聲波傳感器和4臺攝像機(jī)完成導(dǎo)航?？刂葡到y(tǒng)采用層次化的結(jié)構(gòu),傳感模塊和執(zhí)行模塊用一個(gè)特殊通信接口耦合的黑板系統(tǒng)實(shí)現(xiàn),規(guī)劃模塊由產(chǎn)生一系列基本操作的進(jìn)程組成,基本操作由單獨(dú)的基本操作模塊組成,這些模塊包含執(zhí)行基本操作所必須的專家知識。這樣它能夠執(zhí)行復(fù)雜的、自主的傳感器指導(dǎo)的任務(wù)。規(guī)劃模塊僅指定期望目標(biāo),而基本操作模塊指定目標(biāo)實(shí)現(xiàn)的方法。