（计算机应用技术专业论文）基于信息融合的移动机器人路径规划.pdf

摘要 路径规划是自主机器人导航的一个重要问题。信息融合技术作为一门新兴的 实践应用技术，为各领域的信息处理以及决策支持提供了可靠的手段，也是实现 机器人智能化的关键技术之一。本文针对基于信息融合技术的移动机器人路径规 划问题展丌研究，实现移动机器人在障碍物环境中从h o m e 点出发无碰撞移动到 目标点。研究问题涉及运动速度、偏转角度两个控制量的变化及运动控制、仿真 实验及机器人实体实验。 本文首先针对研究问题展丌理论方面的概述，较详细的阐述了信息融合技术、 定位技术和移动机器人路径规划技术。同时介绍了研究工作初级阶段基础测量实 验成果和开发系统设置问题。在熟悉p i o n e e r 3 d x 的基础上，进行了机器人基本行 为避障的仿真实验和实体实验，并取得了满意的结果。 路径规划研究中，采用基于行为的路径规划方法与局部路径规划方法相结合 的方法。将基于m a m d a n i 模型的模糊逻辑算法应用于移动机器人局部路径规划。 首先设计了模糊控制器且在m a t l a b 中进行算法仿真，仿真结果表明了控制算法 的有效性。在a r n l 中进行定位与导航仿真，仿真结果表明机器人能够避丌障碍 物到达目的地。 关键词：信息融合；路径规划；模糊逻辑；移动机器人 分类号：t p 2 4 2 6 量塞交通丕堂亟堂位途塞 垦s i ! 坠! a bs t r a c t p a t hp l a n n i n gi sa ni m p o r t a n ti s s u ef o rt h en a v i g a t i o no ft h ea u t o n o m o u sm o b i l e r o b o t i n f o r m a t i o nf u s i o ni sad e v e l o p i n gp r a c t i c a lt e c h n o l o g y i ti sav a l u a b l et o o lf o r i n f o r m a t i o np r o c e s sa n dd e c i s i o ns u p p o r ti nt h e s ef i e l d s i n f o r m a t i o nf u s i o nm e t h o di s p r o v e dt ob ee f f e c t i v ei no r d e rt oi m p r o v et h er o b o ti n t e l l i g e n c e p a t hp l a n n i n go f m o b i l er o b o tb a s e do nt h ei n f o r m a t i o nf u s i o ni sr e s e a r c h e d t h ep u r p o s eo ft h i sr e s e a r c h i st or e a l i z et h a tt h em o b i l er o b o tc a nt r a v e li ns e c u r i t yt os o m eg o a l sf r o ms t a r t i n gp o i n t i no b s t a c l ee n v i r o n m e n t t h i sr e s e a r c hi n f e r st ot h er e a l i z a t i o n so ft w oc o n t r o l v a r i a b l e ，m o v e m e n tc o n t r o la n de x p e r i m e n t si ns i m u l a t o rs y s t e ma n dt h em o b i l er o b o t a tf i r s t ，t h et h e o r yo ft h i sp a p e rt o p i ci ss y s t e m i cs u m m a r i z e d ，a n dt h et e c h n o l o g i e s o fi n f o r m a t i o nf u s i o n ，l o c a t i o na n dp a t hp l a n n i n ga r ea n a l y z e d a tt h es a m et i m e ，t h e e l e m e n t a r ye x p e r i m e n t a t i o nr e s u l t so ft h er e s e a r c ha n dt h ed e v e l o p m e n ts e t t i n ga r e i n t r o d u c e d t h ee x p e r i m e n t a t i o nw i t hs i m u l a t i o na n dr e a ls i t u a t i o na b o u tt h eb a s i c a c t i o n sa n dt h eo b s t a c l e sa v o i d a n c ea r er e s e a r c h e d a n de x p e r i m e n t a t i o nc o n c l u s i o n s a r es a t i s f i e d i nt h er e s e a r c ho fp a t hp l a n n i n g ，t h et e c h n o l o g yo fb e h a v i o r - b a s e da n dl o c a lp a t h p l a n n i n ga r ec o m b i n e dt o r e a l i z ep a t hp l a n n i n go fm o b i l er o b o t a n df u z z yl o g i c a l g o r i t h mb a s e do nm a m d a n im o d e li su s e di nl o c a lp a t hp l a n n i n g a tf i r s t ，af u z z y c o n t r o l l e ri sd e s i g n e da n df u z z y l o g i ct o o l b o xi nm a t l a b i su s e dt oc h e c kt h ev a l u e o ff u z z yl o g i cc o n t r o l l e r m o r e ，e x p e r i m e n t a t i o no fl o c a t o i na n dn a v i g a t i o nw i t h s i m u l a t i o ni na r n li sm a d ea n dt h es i m u l a t i o nr e s u l t sd e m o n s t r a t et h a tm o b i l er o b o t c a na v o i do b s t a c l e s ，a n dr e a c ht h eg o a ls u c c e s s f u l l y k e y w o r d s ：i n f o r m a t i o nf u s i o n ；p a t hp l a n n i n g ；f u z z yl o g i c ；m o b i l er o b o t c l a s s n 0 ：t p 2 4 2 6 图目录 图2 1 身份识别融合算法分类7 图2 2p 3 声纳分布图1 4 图3 1p 3 一d x 移动机器人结构模型一1 7 图3 2p 3 一d x 局部坐标系17 图3 3 全局坐标系与局部举标系对应关系18 图3 4 运动学模型19 图3 5 圆弧运动俯视图2 l 图3 - 6 移动机器人基本行为2 3 图4 1 模糊控制器结构图3 0 图5 1 与机器人相连的计算机类别3 3 图5 2a r i a 结构图3 4 图5 3 库文件路径配置3 5 图5 4 库文件配置方法3 5 图5 5 定位与路径规划仿真系统结构图3 6 图5 - 6 a r n l 仿真系统启动关闭流程图3 7 图5 7a r n lg u i s e r v e r s o n a r 控制台连接细节3 8 图5 8m o b i l e e y e s 界面一3 8 图6 1 传感器信息融合系统结构图3 9 图6 2 模糊逻辑算法流程图4 0 图6 3p 3 声纳分布图4 1 图6 4o u t v 流程图4 2 图6 5 输入变量d ，隶属度函数4 2 图6 6 输出变量o u t v 隶属度函数4 2 图6 7 输入变量刃隶属度函数4 4 图6 8 输入变量d ，隶属度函数4 4 图6 - 9 输入变量d ，隶属度函数4 5 图6 1 0 输入变量t 。隶属度函数一4 5 图6 11 输出变量h p 隶属度函数4 5 图6 1 2 机器人周围障碍物分布状况一4 7 图6 1 3 模糊规则库一5 l 图6 1 4r u l ev i e w 中输入与输出变量关系一5 1 图6 1 5 输入4 ，d ，与输出h p 对应关系一5 1 图6 1 6 输入4 ，d ，与输出h p 对应关系一5 1 图6 1 7 输入d ，d ，与输出h p 对应关系一5 l 图6 18 圆形轨迹仿真阶段l 5 2 图6 19 圆形轨迹仿真阶段2 5 2 图6 2 0 圆形轨迹最终仿真结果5 2 图6 2 1j 下方形轨迹仿真结果5 2 图6 2 2g u i s e r v e r 界面5 3 图6 2 3 定位与导航仿真结果一5 3 2 表目录 表2 1e n c o d e r p a cs i p s 命令格式1 3 表2 2g y r o p a cs i p 命令格式14 表2 3 声纳客户端2 8 号命令格式1 4 表3 一l 移动机器人基本行为描述2 4 表6 1 输入变量d ，隶属度表4 2 表6 2 输出变量o u t v 隶属度表4 3 表6 3 输入变量t 。隶属度表4 6 表6 4 输出变量h p 隶属度表一4 6 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 签字同期：冽岔年 研棼饮 f 月弓日 导师签名： 王奇 j 签字同期：2 彦年易月弓同 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者虢巍张签字腓加f 年月弓只 5 8 致谢 本论文的工作是在我的导师王奇志教授的悉心指导下完成的，王奇志教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来 导师对我的关心和指导。 王奇志老师悉心指导我们完成了实验室的科研工作，在学习上和生活上都给 予了我很大的关心和帮助，在此再次向王奇志老师表示衷心的谢意。 在实验室工作及撰写论文期间，焦平平、曹萌萌、程新宇等同学对我论文中 的研究工作给予了热情帮助，在此向他们表达我的感激之情。 另外也感谢家人，他们的理解和支持使我能够在学校专心完成我的学业。 1 1 选题背景 1 引言 机器人自2 0 世纪6 0 年代初问世以来，机器人技术得到迅速发展。机器人技 术是综合了计算机、控制论、信息处理、传感技术、通信、导航、人工智能、仿 生学等多学科而形成的高新技术。随着机器人技术的不断进步，机器人学科越来 越具有强大的生命力，在某种程度上已经代表当今信息技术、自动化技术、系统 集成等技术的最新发展，是典型的高新技术综合体。 机器人正在逐渐改变着人们的生产、生活方式，机器人产业也正在逐渐成为 一个新的高技术产业l 。目前机器人的应用范围已经从工业制造领域扩展到军事、 航空航天、服务业、医疗、人类同常生活等多个领域。 移动机器人是机器人的重要分支，可在一个合适的移动平台支持下移动到指 定或感兴趣的地方进行工作。移动机器人可用于水下、太空及远程的服务和探测， 如美困的“勇气 号和“机遇 号在火星登陆并对火星进行探测；移动机器人用 于改进道路交通安全，如智能车辆驾驶任务的自动完成，切实提高道路网络的利 用率；移动机器人还可应用在危险与恶劣环境中( 抢险救灾) ，家庭、办公室、医 院、旅馆服务等公众场所等f 2 】。广阔的应用前景以及由此带来的许多新的挑战性的 理论与工程技术课题，使得移动机器人研究在世界各国受到普遍关注。 1 2 移动机器人主要研究方向 机器人学是一门综合学科【l 】，是集环境感知、动态决策与规划、行为控制与执 行等多种功能于一体的综合系统。其研究领域很广，涉及机器人感知系统、本体 结构、环境建模、导航与定位、运动控制与规划、信息交互、多移动机器人的协 调协作等方面。 感知系统在移动机器人中起着举足轻重的作用，一直是机器人学者关注的焦 点之一。只有在获取有效信息的基础上，机器人才能做出正确的决策，才能适应 越来越复杂的环境的需要【i j 。由于移动机器人所处的环境始终是动态的，如何连续、 快速地采集和处理环境信息，对机器人的实时性、稳定性以及智能水平有着决定 性的影响。 精心设计的移动机器人的本体机构能够拓宽机器人的应用场合，有利于机器 人运动和环境适应性的提甜。涉及的研究内容有微型机构开发、电机驱动与控制、 机构受力分析等。 定位、导航和规划是移动机器人研究领域的三大传统难点问题，且始终影响 移动机器人的进一步发展。对这些问题的解决涉及移动机器人信息处理、环境识 别能力、控制体系结构、精确定位、路径规划等方面，并且这些方面不是孤立的， 各部分相互作用，互为影响。 控制体系在移动机器人系统集成方面起着重要作用。控制体系建立传感系统 与执行机构之间的联系，通过对机器人的控制与规划使得机器人在环境中优质、 高效、安全地按照任务的要求丌展工作以展示机器人的智能性【l 】。研究内容包括机 器人的运动学模犁、动力学模型、控制系统设计、路径规划、智能控制方法等方 面。 多机器人协调与控制研究包括群体体系结构、通信、学习、协调协作机制等。 群体体系结构研究如何将多机器人系统的结构与控制有机地结合起来，为机器人 间的活动和交互提供框架。通信是多机器人系统动态运行时的关键，是机器人间 进行交互和组织的基础。多机器人系统学习是多机器人系统不断寻找或优化协作 控制参数的一种手段，有助于改善个体之间的一致性和协调性，提高系统的整体 性能。 多机器人系统的协调协作机制主要解决单个机器人不能完成而需要多个机器 人共同完成的协调运动的问题。协作和协调是两个不同的过程，协作过程是一个 任务级协调过程，而协调过程则是一个动作级的协调过程。 目前的网络机器人多采用c s 模式，将网络信息处理部分和机器人硬件控制 部分分离，保证系统的安全性和灵活性。同时基于网络的机器人控制技术也从初 期的遥控操作机器人逐渐扩展到自主移动机器人、分布机器人系统等方面。通过 因特网对机器人实施实时控制，随时调整机器人安全行驶并执行相应的动作与操 作是一项具有挑战的工作，这一技术的应用将进一步丰富机器人远程控制手段， 具有良好的发展趋势和广阔的应用前景。 1 3 移动机器人研究现状与发展趋势 1 3 1国外研究现状 对移动机器人的研究始于6 0 年代末期，斯坦福研究院( s r i ) 的n i l s o n 和 c h a r l e s r o s e n 等人在1 9 6 6 至1 9 7 2 年研制出名为s h a k e y 的自主移动机器人，目的 是研究人工智能技术在复杂环境下机器人系统中的自主推理、规划和控制的应用。 7 0 年代末，随着计算机应用和传感技术的发展，移动机器人研究出现了新的 2 高潮，人们的研究方向逐渐转移到了面向实际应用的室内移动机器人的研究【3 j ，并 逐步形成了自主式移动机器人a m r ( i n d o o ra u t o n o m o u sm o b i l er o b o t ) 概念。美 国国防高级研究计划局( d a r p a ) 专门立项，制定了地面天人作战平台的战略计 划。从此，在全世界掀丌了全面研究室外移动机器人的序幕，如同本通产省组织 的极限环境下作业的机器人计划、欧洲尤里卡中的机器人计划等。特别是在8 0 年 代中期，一大批世界著名的公司开始研制移动机器人平台，这些移动机器人主要 作为大学实验室及研究机构的移动机器人实验平台，从而促进了移动机器人学多 种研究方向的出现p j 。 尽管8 0 年代对机器人的智能行为期望过高，室外机器人的研究未达到预期的 效果，但为探讨人类智能机器人的途径积累了经验，同时，也推动了其它国家对 移动机器人的研究与开发。9 0 年代以来，以研制高水平的环境信息传感器和信息 处理技术、高适应性的移动机器人控制技术和真实环境下的规划技术为标志，开 展了移动机器人更高层次的研究。“勇气”号和“机遇 号火星车，代表着当前世 界上移动机器人的最高水平1 3 】。 1 3 2国内研究现状 国内对于移动机器人的起步比较晚。2 0 世纪7 0 年代，机器人技术开始得到国 内科研人员的关注，经过多年来的发展已经取得了一定的成绩1 4 j 。清华大学智能移 动机器人于l9 9 4 年通过鉴定；哈尔滨工业大学于19 9 6 年成功研制的导游机器人 等；中国科学院沈阳自动化研究所的a g v 和防爆机器人；中国自动化所白行设计、 制造的全方位移动式机器人视觉导航系统；香港城市大学智能设计、自动化及制 造研究中心的导航车和服务机器人。同时上海交通大学、中南大学等单位在自主 式移动机器人领域也开展了相应的理论与实验研究。 国家高科技研究发展计划( “8 6 3 计划) 将机器人技术列为一个重要发展方 向。“8 6 3 计划的支持，加快了我国在机器人领域的发展l 引。 1 3 3发展趋势 移动机器人发展趋势主要包括以下几个方面： ( 1 ) 多传感器的融合 传感器的作用类似于人的感知器官，用于获取所在环境的静态和动态信息。 不同的传感器存在各自的针对性和局限性，采用译一传感器导航，移动机器人的 稳定性受到制约，多种传感器使移动机器人能很好地感知和理解周围环境。多传 3 感器信息融合( i n f o r m a t i o nf u s i o n ) 技术通过多类同构或异构传感器数据进行综合 ( 集成或融合) 获得比单一传感器更多的信息，形成比单一信源更可靠、更完全的融 合信息。因此多传感器信息的集成与融合作为一项新技术，被引入到移动机器人 研究当中。 ( 2 ) 移动机器人的网络控制及人机交互技术 移动机器人的发展方向之一是人机智能的结合。充分利用人类的知识、智能 及网络资源，增强机器人理解、适应和处理动态、未定义环境的能力，从而大大 提高移动机器人的自主应用能力和智能水平。随着网络技术的发展，网络技术已 经逐渐渗透到控制的各个领域。在网络环境下，将远程控制与移动机器人的自主 性相结合，通过i n t e r n e t 等网络对机器人进行研究、开发、操作和试验，以实现高 度的资源共享和技术交流。利用现代网络技术对机器人系统进行远程控制与操作， 已成为最新的机器人研究方向之一。 ( 3 ) 多机器人系统 由于机器人工作能力的限制，使得个体机器人所感知的环境是局部的、片面 的。多机器人系统的协调协作机制主要解决单个机器人不能完成而需要多个机器 人共同完成的协调运动的问题1 6 1 。协作是研究高层的组织与协作机制问题，主要研 究多机器人之间的协作机制，多机器人系统的组织形式等；而协调则着重研究机 器人之问协作关系确定下来以后具体的运动控制问题。 1 4 本文主要研究内容 移动机器人p i o n e e r 3 d x ( p 3 d x ) 从h o m e 点出发运动到预先设定的目标点的 路径规划任务涉及根据运行环境实时变化的两个控制量( 运动速度、偏转角) 、运 动控制、程序仿真与实体机器人运行四个方面。本文以美国a c t i v m e d i ar o b o t i c s 公司的p 3 一d x 型机器人为研究对象，首先对移动机器人的基本运动控制进行分析， 找出p 3 d x 移动机器人运动控制特性。然后根据移动机器人运动控制特性，通过 多传感器信息融合技术感知机器人周围的局部环境信息，将模糊逻辑算法和地图 信息相结合对移动机器人的避障与路径规划进行深入的系统研究。 论文围绕本人相关研究工作和实验展丌论述，共分七章，主要内容如下： 第一章从选题背景、研究现状和发展趋势出发，探讨了移动机器人的关键 技术和发展趋势。 第二章首先针对信息融合在移动机器人路径规划中的应用，对信息融合技 术进行系统概述。为了说明用于信息融合的信息源，论述了p 3 d x 机器人的主要 感知系统及相应的物理参数、控制命令。 4 第三章定位技术对机器人的实际应用是必不可少的，是实现路径规划和其 他任务模块的基础。本章针对智能移动机器人系统的定位及相关技术做了较详细 的阐述。首先建立p 3 d x 移动机器人的结构模型，同时分析介绍了与定位问题密 切相关的数学模型、坐标变换、机器人运动学模型。最后介绍了常用的航位推算 定位法，运动控制和避障的基本动作与机器人路径规划的内在联系，并给出了基 本动作和行为的实现方法。在介绍各部分内容的同时，给出了p 3 一d x 中实现相关 功能的函数。 第四章首先从基于地图规划方法、基于环境规划方法和基于行为规划方法 三方面令面地阐述了移动机器人路径规划方法，并概述了移动机器人局部路径规 划和全局路径规划技术。在此基础上给出了论文采用的模糊逻辑算法的设计方法。 第五章首先简要介绍移动机器人p 3 一d x 的系统组成，然后通过分析机器人 客户端应用程序接口a r n 的开放源代码，深入研究总结，确定了基于a r i a 的面 向对象的机器人客户服务器控制系统框架。根据实验研究的需要，对p 3 一d x 移动 机器人的硬件系统、软件系统、仿真环境、开发环境及构建的通信平台做了介绍。 同时给出了实验中必需的p 3 d x 的硬件系统参数。 第六章介绍本论文的设计思想、应用算法的具体实现、算法仿真结果和实 验仿真结果。通过对机器人本体上的左右编码器、陀螺仪和6 个声纳传感器的信 息进行融合，得到机器人周围的障碍物信息和移动机器人的运动信息。通过基于 行为路径规划方法和模糊逻辑算法相结合的路径规划策略，让机器人在地图和实 际环境中寻找一条到达目标点的路径。实验结果证明了所采用的理论和设计方法 的正确性。 笫七章对本文取得的研究成果与不足进行总结。 5 2 信息融合 信息融合一词是2 0 世纪7 0 年代出现的，国内的研究是2 0 世纪9 0 年代后才 被重视起来的【。 随着与信息融合技术相关技术如计算机技术、网络通信技术、信息理论、信 号处理技术和传感器技术的发展，信息融合技术飞速发展，应用领域迅速扩展， 并在具体应用基础上形成了了一个独立的研究方向，已成为现代信息处理的一种 通用工具和思维模划引。 2 1 信息融合概述 信息融合是个复杂的系统，要有效处理来自多个独立传感器大量数据。为有 效处理问题，可从解决问题的不同角度按照不同的分类标准对信息融合进行划分。 例如可从信息来源的时问或空间【9 】、数据抽象、硬件结构【l0 1 、数据融合的方式等角 度进行分类。从数据抽象的角度划分有多种划分方法，最常见的是包含数据级融 合、特征级融合和决策级融合的三层模型i 。 信息融合模型可以从功能、结构和数学模型几个角度来研究和表利汜j 。功能 模型从融合过程出发，描述信息融合包括哪些主要功能、数据库，以及进行信息 融合时系统各组成部分之间的相互作用过程；结构模型从信息融合的角度出发， 说明信息融合系统的软硬件组成、相关数据流及系统与外界环境的人机交互界面； 数学模型则是信息融合算法和综合逻辑。 2 1 1 信息融合技术 信息融合作为一种数据综合和处理技术，是许多传统学科和新技术的集成与 应用，并且所采用的信息的表示和处理方法均来自于这些领域。从实现客观世界 任务的角度进行划分，信息融合技术主要涉及相关技术、估计理论和识别技术三 大类技术。 相关技术中的相关处理要求对多传感器或多源测量信息的相关性进行定量分 析，按照一定的判别原则将信息分为不同的集合，每个集合中的信息都与同一源 ( 目标或事件) 关联。解决相关问题的技术和算法有最近邻法则、最大似然法、 最优差别、统计关联和联合统计关联等。估计理论中主要涉及的理论技术有最小 二乘法、最大似然估计法、卡尔曼滤波法等。 6 2 1 2信息融合技术中的识别技术概述 本节综述信息融合技术中的识别技术，文献【7 1 按图2 一l 组织所有相关识别技术。 识 别 技 术 图2 1 身份识别融合算法分类 f i g 2 一ic l a s s i f i c a t i o no fi d e n t i t yf u s i o na l g o r i t h m ( 1 ) 物理模型类识别技术 该技术是通过匹配实际观测数据与各物理模型来实现的。物理模型是可观测 数据或可计算数据的模型，能够反映物体的一些判别属性，且这些属性需要能很 容易且很准确地测量或计算得到。 但是，要建立特征数据的模型是非常困难的，它只能利用一些经典技术在概 念上估计目标特征，因而只能用于某些基础研究1 7 j 。 ( 2 ) 参数分类识别技术 参数分类识别技术也称为基于特征的推理技术。该技术的思想是把原始数据 参数化后直接映射到特征说明，再通过特征属性对目标进行分类。参数化后的数 据包括物体的统计信息或者物体的特征数据等。 参数分类识别技术可进一步分为统计法和信息技术论。前者直接把参数数据 ( 例如特征数据) 映射到识别空问中，在此过程中并不用到物理模型，所包含的技术 有经典推理技术、贝叶斯法、d s 法；后者把参数数据转换或映射到识别空间中。 尽管识别空间中的相似是通过观测空间中参数的相似来反映的，但实际应用时不 能直接对观测数据的某些方面建立明确的识别函数。所包含的技术有熵法、神经 网络、聚类分析和模板法。 经典推理 经典推理技术是种完全依据数学理论的识别技术，实际使用中面临着许多困 难【7 1 。 7 贝叶斯推理 贝叶斯推理技术是经典推理技术的一种改进，解决了经典推理理论中的某些 困难。但在实际使用时仍然面临着困难。例如定义先验似然函数比较困难；当出 现多个可能的假设或多个条件相关事件时，显得很复杂；要求对立的假设彼此不 相容；缺乏分配总不确定的能力等。因而贝叶斯推理技术对实际的融合系统没有 什么吸引力。 d s 法 d s 法拓宽了贝叶斯理论，解决了一般水平的不确定性分配问题。采用的思想 是根据人的推理模式，采用概率区问和不确定区间来确定多证据下假设的似然函 数，还能计算任意假设为真的似然函数值，因而具有较大的应用前景。目前在多 个领域内得到广泛应用。并且该技术和识别技术的其他技术融合，提高了识别技 术的应用【1 3 - 14 1 。 熵法 “熵”( e n t r o p y ) 概念源于热力学，是德国物理学家r u d o l f c l a u s i u s 在18 5 0 年 为表示任何一种能量在空间中分布的均匀程度而提出的一个术语。后来根据分子 运动论的观点对熵所作的微观解释，使得熵与概率建立起联系，用熵的概念研究 和描述“不确定性 。二者的联系使得熵概念远远超出热力学和统计物理的范畴， 在通讯、信息科学、控制论等领域发挥着重要作用。1 9 4 8 年，信息论的创始人 s h a n n o n 在著作通信的数学理论中用熵来定量描述一个随机事件的不确定性或 信息量。 以最大信息熵原理为理论基础的熵法估参方法，是一种具有严格物理和数学 意义的新型参数估计方法。在信息融合领域，熵法是将多个传感器的观测数据组 合成特征说明。熵法估参结果与矩法总体上相当接近，且大部分样本的熵法估计 参数优于矩法【b 】。 在信息融合的实际应用中，对传感器输入加权以及应用阈值和其他判定逻辑 会相应增加算法的复杂性。 人工神经网络 人工神经网络是一种分类功能在某种程度上类似于聚类分析法的技术，但是， 当输入数据中混有噪声时，人工神经网络的优点更加突出。 为了使系统自适应、并行、高速地融合多源数据，近代融合方法越来越多地 将人工神经网络应用于其中，目前使用神经网络的数据融合已经应用于移动机器 人导航、机器人焊接、安全管理等领域。人工神经网络在数据融合方面有广阔的 应用前景，且呈现出新的发展热点，如运用人工神经网络技术将不同类型的信息 进行融合。 聚类分析 聚类是将数据划分成群组的过程。通过确定数据之间在预先制定的属性上的 相似性来完成聚类任务。聚类分析利用生物科学和社会科学中众所周知的一组启 发式算法，根据预先制定的相似标准把观测分为一些自然组或聚集，再把自然组 与目标观测类型相关。目前聚类分析已成为数据融合领域的一种新的方法。 模板法 模板法是一种匹配概念，即通过观测数据与先验模板匹配处理，来确定观测 数据是否支持由模板所表征的假设的技术【7 1 。模糊模板法( f u z z yt e m p l a t e s ) 和决 策模板法( d e c i s i o nt e m p l a t e s ) 是模糊信息处理技术存决策层融合目标识别中的 应用。文献【1 6 】介绍了模糊模板法在分类器融合中的应用。由模糊模板法发展而来 的决策模板法是一种简单直观的模糊方法，但经典的决策模板法将参与融合的传 感器同等对待，不能反应各个局部传感器对于不同类目标的分类鉴别能力，同时 存在这不保留训练样本全部信息等缺陷。 ( 3 ) 认识模型类识别技术 认识模型类识别技术模仿人类的推理过程进来自动实现决策的制定，即基于 人类处理信息的方法得到分类结果。涉及的方法有逻辑模板、专家系统和模糊集 合理论方法。专家系统和逻辑模板主要用于对复杂实体的存在性和意图进行高级 推理。神经网络理论与模糊集合论的集合体模糊神经网络，对于不确定数据的识 别和分类具有很大的应用价值。 专家系统 专家系统自2 0 世纪6 0 年代由斯坦福大学的e d w a r d f e r i g e n b a u m 提出以来， 在许多领域取得了良好的应用效果。专家系统是一种基于人工智能的计算机信息 系统，是一种模拟人类解决专家领域问题的计算机程序系统，一般由知识库、数 据库和推理机三个主要部分组成。专家系统是基于知识来解决问题的，即专家系 统借助知识库中存贮的知识，从已知事物( 状态数据存放于数据库) 出发，利用 存放于推理机中的规则逐步推出新事物或结论。数据融合专家系统是自动目标识 别系统中的一种，即从传感器系统或信息源接收数据并将它转换成相应的内部信 息格式，然后送给任务控制机构，通过协调将每份报告与一个专门的专家联系起 来，最终查明原始信息所表征的客体目标的特征及其状态【l7 1 。 模糊逻辑、神经网络、遗传算法等方法对处理不确定性信息有着独特的优势， 且具有很大的互补性，将这些方法协调而不互斥的应用到专家系统中，成为现代 信息融合研究的热点。文献【1 8 】中介绍了两两方法在专家系统中的融合。文献则 介绍了将专家系统应用于多级神经网络中的传感器子网，从而避免普通神经网络 层数和隐层节点数难以确定的缺点。 9 模糊集合论 模糊集合论是1 9 6 5 年由j j n s w j 福尼亚大学教授z a d e h 提出，并基于模糊集合论 形成了一门近年来受到广泛关注的新学科模糊控制理论1 2 0 】。 模糊集合论的中心思想是隶属函数，类似于对1 和o 之问的值进行概率分布， 即将系统状态变量映射成控制量、分类模式或其它类型的输出数据，然后运用模 糊关联记忆对命题是否属于某一集合赋予一个o ( 确定不属于) 到1 ( 确定属于) 之间 的隶属度( 隶属度可视为一个数据真值的不精确表示) 。 由于精确的隶属函数分布形状对根据模糊演算得出的推论结论影响不大，模 糊集合论将不精确的知识或不确定性边界的定义引入到数学运算中，从而可用来 解决证据不确定性或决策中的不准确性等问题。模糊集合论对于数据融合的实际 价值在于它外延到模糊逻辑1 7 j 。 多传感器融合过程中存在的不确定性可以直接用模糊逻辑表示，然后使用多 值逻辑推理，根据模糊演算各传感器提供的数据进行合并，从而实现数据融合。 逻辑模板法 逻辑模板法常用于事件探测或姿态估计所进行的多传感器数据融合，也用于 单个目标的特征估计1 7 j 。 2 2p 3 一d x 主要传感器 2 2 1p 3 d x 主要传感器概述 机器人感知系统一直是机器人研究学者关注的焦点之一。只有在获取有效信 息的基础上，机器人才能做出j f 确的决策，才能适应越来越复杂的环境的需要。 传感器性能及信息处理能力决定了机器人对环境的感知和理解程度。由于移动机 器人所处的环境始终是动态的，如何连续、快速地采集和处理环境信息，对机器 人的实时性、稳定性以及智能水平有着决定性的影响。考虑到环境信息的复杂多 样性，机器人可能需要种类多样、数量不一的传感器，以获取机器人所在的外部 环境以及内部状态的信息，同时还需要把相关信息融合起来以形成对环境相对完 整的感知。 ( 1 ) 传感器的分类 多种传感器使移动机器人能很好地感知和理解周围环境。移动机器人的传感 器分为内部和外部传感器。内部传感器检测机器人组成部件的内部状态，是实现 闭环控制、伺服动作必不可少的装置，采用基于机器人自身的运动和推动力的测 量方法，与外部环境无关。内部传感器有编码计、线性加速度计、惯性导航、磁 l o 罗盘、全球定位系统( g p s ) 等。外部传感器用于检测机器人与外部物体状态之间的 关系，它使机器人及时了解工作环境和对象，视情况来调整自己的决策，从而提 高机器人的适应性和智能化。典型的有视觉传感器、超声波传感器、红外传感器、 接触和接近传感器、路标导航等测量方法。 ( 2 ) 主要传感器简介【1 】 下面针对论文中使用的p 3 d x 主要传感器作简要的原理性概述。 光学增量编码器 p 3 一d x 驱动系统使用光学增量编码器实现精确定位、测量速度和航位推算。 光学增量编码器一种广泛使用的位置传感器，能够检测细微的运动，其输出 为数字信号。编码器现已成为在电机驱动内部、轮轴，或在操纵机构上测量角速 度和位置的最普及的装置。在移动机器人学中，用编码器控制位置或轮子的速度， 或其它电机驱动的关节。 光学编码器基本上是一个机械的光振子，由照明源、屏障光的固定光栅、与 轴一起旋转带细光栅的转盘和固定的光检测器组成。对各轴转动，它产生一定数 量的正弦或方波脉冲，当转盘转动时，根据固定的和运动的光栅的排列，穿透光 检测器的光量发生变化。 因为光学增量编码器是本体感受式的，一般处在移动机器人内部结构受控的 环境中，在机器人参考框架中，它们的位置估计是最佳的，所以可以设计成无系 统误差和无交叉灵敏度。光学编码器的准确度常常被认为1 0 0 ，虽然这并不完全 j 下确。但在光学编码器级别上，任何误差会因电机轴误差在下游而显得微不足道。 但在用于机器人定位问题时，需要重大的校正。 陀螺仪 陀螺仪是导向传感器，是用来测量运动物体角度、角速度和加速度的传感器。 利用陀螺可以测量运动物体的姿态角( 航向、俯仰、横滚) ，精确测量其角运动。 它可以用来保持相对于固定参考框架的方向，因此可提供移动系统导向的绝对测 量。依据不同的物理学原理可以制造出不同类型的陀螺，一般可将其划分为机械 陀螺( m e c h a n i c a lg y r o s c o p e ) 、压电陀螺( p i e z o e l e c t r i cg y r o s c o p e ) 、光学陀螺 ( o p t i c a lg y r o s c o p e ) 等几类。 声纳 超声波传感器是一种基于飞越时间测距的有源传感器。飞越时间测距利用了 声或电磁波的传播速度。超声波传感器的基本原理是发送( 超声) 压力波包，并 测量该波包反射到接收器所占用的时间。引起反射的物体距离d 可以根据声音传 播速度c 和飞越时间t 进行计算。 d = c t 2 ( 在大气标准压力和2 0 。c 条件下，声速近似为c = 3 4 3 m s ) 在移动机器人学中，由于许多测距传感器价格低、直接测量机器人到其邻区 物体的距离，提供易于解释的输出，有源测距传感器继续成为最流行的传感器。 目前，大多数移动机器人的障碍检测和避障严重依赖于有源测量传感器，同时有 源测距传感器一般当作移动机器人定位和坏境建模过程的一部分。但是，随着效 果良好的视觉传感器的出现，有源传感器会逐渐失去传感器类别选择中的首要地 位。 路标导航 路标是指机器人能从其传感输入识别出的不同特性。路标可以是几何形状( 如 线段、圆或矩形) ，也可包括附加信息。一般情况下，路标有固定的和己知的位置。 路标要认真仔细地选择，以利于识别，例如相对于环境要有充分的对比。 为了利用路标进行导航，必须知道路标的特征并将其事先存入机器人的内存 中。然后，机器人的主要任务就是可靠地识别路标以便定位，即计算机器人的位 置。为了简化路标获取问题，常常假设当前机器人的位置和方位近似已知，这样 就可使机器人在一个有限的区域内寻找路标。 路标分自然路标和人工路标。自然路标是早己在环境中存在的。人工路标是 安装在环境中单独用于机器人导航的专门设计的目标或标记。 采用基于路标导航方法时应注意其如下特点： 必须要有一个保存路标及其在环境中的位置的数掘库。 定位精度依赖于机器人和路标之间的距离和角度。 为了使机器人知道向何方寻找路标，基于路标导航的方法要求，一个近似的 起始位置。如果机器人不知道起始位置，就需要执行一个消耗时间的搜索 过程。这个搜索过程可能使机器人误入歧途，或得到一个错误解释。 需要更多的处理时间，在大多数情况下，机器人自带的计算机不能实时提 供足够快的处理自然路标的算法。 同时基于路标导航应注意自然路标灵活且无需改变环境和周围条件( 如照 明) 。 ( 3 ) 各种传感器缺点 利用光学增量编码器测量信息进行定位是移动机器人中常用的方法，但存在 累积误差，同时轮子的变形、打滑以及震颤都会引起测量误差，因此编码器的测 量信息应与其他传感器的测量信息相融合以提高定位精度。例如在文献【2 l 】中，通 过扩展卡尔曼滤波将光学增量编码器、超声传感器和c c d 摄像机三种传感信息相 融合，进行移动机器人在未知环境中的位姿估计。在文酬2 2 】中，光学增量编码器 测量信息与超声传感器测量信息通过一种分布信息最优滤波器相融合，最小化传 感器测量的不确定性，产生移动机器人在穿过走廊时位姿状态的最优估计。该滤 1 2 波器是在卡尔曼滤波器的基础上进行改进，其初值可直接给出，并且比同样效果 的卡尔曼滤波器要简单。 超声传感器可测得距离信息，价格便宜，使用简单，得到的测量信息易于理 解。但其扫描率低、角度分辨率差，受环境、被测表面材质及入射角的影响大。 另外，超声波产生的折射、多次反射会引起测量中的幻影数据。 不同的传感器存在各自的针对性和局限性，采用单一传感器导航，移动机器 人的稳定性受到制约，因而移动机器人实际上将几种方法结合使用，以充分发挥 各自优点而避免各自的缺陷，提高定位系统的精度和可靠性。 2 2 2p 3 d x 主要传感器控制命令 以下简要介绍实验中所用的p 3 d x 主要传感器的参数和命令格式【2 3 1 。 罩程计 里程计1 9 号命令的参数可启动和关闭里程计，如用带0 参数的1 9 号命令关 闭罩程计，用带一个参数的命令来启动单个里程计或连续发送e n c o d e r p a c