多感应器信息融合技术性结合了贝叶斯统计、信号分析、人工智能技术、控制理论等众多课程的最新的研究成果，为智能机器人精准、全方位、即时地认知各种各样繁杂的、动态性的、不确定性的不明自然环境带来了一种现代化的方式方法。在分析根据多控制器结合的工业机械手躲避障碍物技术性的有关文献资料中，为获得智能机器人本身与路障的距離信息内容，常常采用的温度传感器有超声波测距传感器、红外线测距传感器、里程计、GPS、激光器感应器等，这种感应器均为激光测距类感应器，感应器中间的沉余数据量大，相辅相成数据量少，在采用的环节中需要给予先验知识，针对信息的、繁杂的应用领域，其作用并不理想化。对单目机器视觉系统和超声波测距传感器开展了信息融合，感应器间的相辅相成数据量增大，结合結果提升了操作系统的可扩展性，但单目视觉效果仅有在指定的条件下能够获得间距信息内容，仍然无法达到动态性的应用领域。

1、卡尔曼滤波优化算法与STF结合优化算法

因为受杂讯等电磁干扰的危害，感应器得到的距離信息内容具备统计分析数据信号的特点，为确保精确测量精密度，必须 开展参数估计，依据实际的状况，处理参数估计难题的常见办法有卡尔曼滤波、α-β过滤、α-β-γ过滤等。卡尔曼滤波优化算法关键有两个主线任务，一条是根据自协方差矩阵矩阵的运算，另一条是根据过滤值和估计值的计算，二者根据增益值引流矩阵联络起來。

多感应器信息融合方式 大体上能够分成三类，即，贝叶斯统计方式 、逻辑判断方式 和学习的方法。应用模糊推理、D-S直接证据基础理论和产生式标准的办法开展信息融合，这种办法都归属于逻辑判断的范围;应用神经元网络的办法开展信息融合，该办法归属于学习的方法的范围，根据这种结合优化算法，均超过了预期目标。文中中采用的STF结合优化算法则是贝叶斯统计方式 的一种。

假定仿生技术四足机器人上的双眼机器视觉系统和超声波测距传感器获得的情况空间向量的预测值各自为和，协方差矩阵各自为P1和P2，互协方差矩阵P12=P21T。当P12=P21T≈0时，为了更好地获得情况空间向量和协方差矩阵的最好预测值，能够应用STF结合优化算法。

系统状态空间向量和协方差矩阵的最好可能各自为

2、匀速直线健身运动实体模型

匀速直线健身运动（constantvelocity，CV）实体模型。CV匀速直线运动实体模型的一般叙述为：总体目标做CV匀速直线运动，偏移为x（t），速率为，瞬时速度。具体情况中，速率在有任意干扰的情形下易产生轻度转变，假定这一任意振荡是平均值为零的高斯白噪声。在这里前提下，经离散变量解决后，卡尔曼滤波的基本上公式计算可表述以下

X（k 1）=FX（k） ΓW（k）

Z（k）=HX（k） V（k）（3）

在其中

式中T为取样周期时间，σw为全过程噪音的标准偏差，σv为测量噪音的标准偏差。

3、主要参数明确

根据双眼机器视觉系统和超声波测距传感器，在CV模型下运用卡尔曼滤波优化算法，能够获得2组情况空间向量的预测值和，及其对应的协方差矩阵P1和P2，因为之上2组数据信息来源于2个不一样的感应器系统软件，故达到P12=P21T≈0这一标准，能够应用STF结合优化算法获得全部体系的情况空间向量和协方差矩阵的最好预测值和P。因此，必须明确下列主要参数，系统软件的全过程噪声标准差σw，双眼机器视觉系统的量测噪声标准差σv1，超声波测距传感器的量测噪声标准差σv2和卡尔曼滤波优化算法的初值。下边融合仿生技术四足机器人的具体情况，明确之上主要参数。

3.1明确体系的全过程噪声标准差

因为在机械设备总体设计和安装全过程中形成的偏差，促使仿生技术四足机器人在Walk体态下走动时，并并不是理论上以0.4m/s的速率做匀速直线运动健身运动，只是在做调速匀速直线运动，系统软件的全过程噪声标准差是智能机器人在Walk体态下走动时的瞬时速度值。下边详细介绍获得该瞬时速度值的方式 。

在Adams模拟仿真软件中，创建仿生技术四足机器人的力学实体模型。在仿生技术四足机器人人体的形心处创建一个正确方向的瞬时速度精确测量，运作模拟仿真，开启Adams模拟仿真软件的后CPU，对得到的瞬时速度曲线图开展米尔沃斯过滤，随后测算瞬时速度的均值，将其做为该次模拟仿真的瞬时速度值。反复开展50次，获得50个瞬时速度值，求出标准偏差，即是系统软件的全过程噪声标准差。

3.2明确感应器的量测噪声标准差

针对感应器的量测噪声标准差，在模拟仿真状况下，能够由其数据误差来体现。

在具体运用中，运用2个CCD监控摄像头获得视差信息内容，再依据三角测量基本原理修复出情景的深层信息内容，这般就可以测定出阻碍物与智能机器人中间的距離信息内容，殊不知，因为CCD监控摄像头所拍攝的图象是以像元尺寸为公司的一组离散变量的数据信息，故在使用 双目视觉开展检测时存有最少屏幕分辨率偏差，仿生技术四足机器人上运载的双眼机器视觉系统的相对误差约为170px，即σv1=0.068m。

超声波测距传感器的发送秀发出超音波数据信号，此数据信号被阻碍物反射面后，由接受头接受，依据发送和接受到讯号的时间间隔和波速，就可以获得阻碍物的距離信息内容。当检测区域内有总体目标物件以外的物件出现时，会造成数据误差。仿生技术四足机器人上运载的超声波测距传感器的数据误差为25px，即σv2=0.01m。

3.3明确卡尔曼滤波优化算法的初值

卡尔曼滤波优化算法做为一个迭代更新全过程，必须授予其初始值，初始值的选取尤为重要，假如初始值挑选不适合，就无法达到收敛的规定。在CV模型中，P（0|0）的明确方式 早已由实体模型得出，这儿只需得出X（0|0）的选值，文中中取X（0|0）=［10，－0.4］‘。

4、仿真实验与效果剖析

在文中所引参考文献中，试验认证阶段均在实际的应用领域下开展，试验结论是工业机械手可以开展随顺走动，原文中均未得出详细的测量精度。文中仿真实验的结果显示：结合解决后，测量精度可以达到114.99999999999999px，达到了仿生技术四足机器人对激光测距的准确度规定。

5、结果

为提升仿生技术四足机器人在繁杂、动态性自然环境下对阻碍物位置信息的感知能力，文中对于仿生技术四足机器人在结构型地面内以Walk体态走动的状况，将双眼机器视觉系统和超声波测距传感器获得的阻碍物间距信息内容完成结合科学研究。仿真实验结果显示：过滤后的距離数据的预测值曲线图非常好地追踪了真正值曲线图，表明卡尔曼滤波优化算法充分发挥了优异的过滤功效;与结合前对比，结合解决后的距離数据的预测值的标准差显著减少，表明结合解决后得到的阻碍物的位置信息更为精确，且测量精度为114.99999999999999px，达到了智能机器人的使用规定。
责编；zl

上一篇：热电阻温度传感器的分类及特点解析

下一篇：振动传感器的分类及原理解析