四足機(jī)器人中多傳感器信息融合的應(yīng)用

　　多傳感器信息融合技術(shù)綜合了概率統(tǒng)計(jì)、信號(hào)處理、人工智能、控制理論等多個(gè)學(xué)科的最新科研成果，為機(jī)器人精確、全面、實(shí)時(shí)地感知各種復(fù)雜的、動(dòng)態(tài)的、不確定的未知環(huán)境提供了一種先進(jìn)的技術(shù)手段。在研究基于多傳感器融合的移動(dòng)機(jī)器人避障技術(shù)的相關(guān)文獻(xiàn)中，為獲取機(jī)器人本體與障礙物的距離信息，經(jīng)常使用的傳感器有超聲測(cè)距傳感器、紅外測(cè)距傳感器、里程計(jì)、GPS、激光傳感器等，這些傳感器均為測(cè)距類傳感器，傳感器之間的冗余信息量大，互補(bǔ)信息量少，在使用的過(guò)程中必須提供先驗(yàn)知識(shí)，對(duì)于動(dòng)態(tài)的、復(fù)雜的應(yīng)用場(chǎng)景，其效果并不理想。對(duì)單目視覺(jué)傳感器和超聲測(cè)距傳感器進(jìn)行了信息融合，傳感器間的互補(bǔ)信息量變大，融合結(jié)果提高了系統(tǒng)的魯棒性，但單目視覺(jué)只有在特定的環(huán)境下才能得到距離信息，依然不能滿足動(dòng)態(tài)的應(yīng)用場(chǎng)景。

　　雙目視覺(jué)傳感器對(duì)動(dòng)態(tài)環(huán)境適應(yīng)性強(qiáng)，超聲測(cè)距傳感器的測(cè)量精度高，為滿足動(dòng)態(tài)的應(yīng)用場(chǎng)景，本文將進(jìn)行這兩種傳感器的融合研究，需要指出，由于干擾信號(hào)的存在，在進(jìn)行融合之前，先使用卡爾曼濾波算法對(duì)兩種傳感器獲取的距離信息進(jìn)行濾波處理。

　　1卡爾曼濾波算法與STF融合算法

　　由于受雜波等干擾信號(hào)的影響，傳感器獲取的距離信息具有統(tǒng)計(jì)信號(hào)的特征，為保證測(cè)量精度，需要進(jìn)行參數(shù)估計(jì)，根據(jù)具體的情況，解決參數(shù)估計(jì)問(wèn)題的常用方法有卡爾曼濾波、α-β濾波、α-β-γ濾波等?？柭鼮V波算法主要有兩條主線，一條是基于自協(xié)方差矩陣的運(yùn)算，另一條是基于濾波值和預(yù)測(cè)值的運(yùn)算，兩者通過(guò)增益矩陣聯(lián)系起來(lái)。

　　多傳感器信息融合方法大致可以分為三類，即，概率統(tǒng)計(jì)方法、邏輯推理方法和學(xué)習(xí)方法。使用模糊推理、D-S證據(jù)理論和產(chǎn)生式規(guī)則的方法進(jìn)行信息融合，這些方法都屬于邏輯推理的范疇;使用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行信息融合，該方法屬于學(xué)習(xí)方法的范疇，依據(jù)這些融合算法，均達(dá)到了預(yù)期效果。本文中使用的STF融合算法則是概率統(tǒng)計(jì)方法的一種。

　　假設(shè)仿生四足機(jī)器人上的雙目視覺(jué)傳感器和超聲測(cè)距傳感器獲取的狀態(tài)向量的估計(jì)值分別為和，協(xié)方差矩陣分別為P1和P2，互協(xié)方差矩陣P12 = P21T.當(dāng)P12 =P21T≈0時(shí)，為了得到狀態(tài)向量和協(xié)方差矩陣的最佳估計(jì)值，可以使用STF融合算法。

　　系統(tǒng)狀態(tài)向量和協(xié)方差矩陣的最佳估計(jì)分別為

　　2勻速直線運(yùn)動(dòng)模型

　　勻速直線運(yùn)動(dòng)( constant velocity，CV)模型。CV直線運(yùn)動(dòng)模型的一般描述為：目標(biāo)做CV直線運(yùn)動(dòng)，位移為x( t)，速度為，加速度。實(shí)際情況中，速度在有隨機(jī)擾動(dòng)的情況下會(huì)發(fā)生輕微變化，假設(shè)這個(gè)隨機(jī)擾動(dòng)是均值為零的高斯白噪聲。在此條件下，經(jīng)離散處理后，卡爾曼濾波的基本公式可表示如下

　　X( k + 1) = FX( k) +ΓW( k)

　　Z( k) = HX( k) + V( k) ( 3)

　　其中

　　式中T為采樣周期，σw為過(guò)程噪聲的標(biāo)準(zhǔn)差，σv為量測(cè)噪聲的標(biāo)準(zhǔn)差。

　　3參數(shù)確定

　　基于雙目視覺(jué)傳感器和超聲測(cè)距傳感器，在CV模型下應(yīng)用卡爾曼濾波算法，可以得到兩組狀態(tài)向量的估計(jì)值和，以及相應(yīng)的協(xié)方差矩陣P1和P2，由于以上兩組數(shù)據(jù)來(lái)自兩個(gè)不同的傳感器系統(tǒng)，故滿足P12 = P21T≈0這一條件，可以使用STF融合算法得到整個(gè)系統(tǒng)的狀態(tài)向量和協(xié)方差矩陣的最佳估計(jì)值和P.為此，需要確定以下參數(shù)，系統(tǒng)的過(guò)程噪聲標(biāo)準(zhǔn)差σw，雙目視覺(jué)傳感器的量測(cè)噪聲標(biāo)準(zhǔn)差σv1，超聲測(cè)距傳感器的量測(cè)噪聲標(biāo)準(zhǔn)差σv2和卡爾曼濾波算法的初始值。下面結(jié)合仿生四足機(jī)器人的實(shí)際情況，確定以上參數(shù)。

　　3.1確定系統(tǒng)的過(guò)程噪聲標(biāo)準(zhǔn)差

　　由于在機(jī)械結(jié)構(gòu)設(shè)計(jì)和裝配過(guò)程中產(chǎn)生的誤差，使得仿生四足機(jī)器人在Walk步態(tài)下行走時(shí)，并不是理論上以0.4 m/s的速度做勻速直線運(yùn)動(dòng)，而是在做變速直線運(yùn)動(dòng)，系統(tǒng)的過(guò)程噪聲標(biāo)準(zhǔn)差是機(jī)器人在Walk步態(tài)下行走時(shí)的加速度值。下面介紹獲取該加速度值的方法。