基于多感知技术的机器人_王瑞钦_201321202081

1、机器人多感知技术结课论文班 级 机 研 134 姓 名 王 瑞 钦学 号 201321202081基于多感知技术的机器人王瑞钦（河北工业大学，天津，300000）摘要：本文对各个传感器进行了分析，并介绍了机器人基于Bayes方法的多传感器的信息融合技术。多传感器信息融合是一门新兴的技术，在机器人领域有着逛阔的应用前景。文中分析了多传感器信息融合技术并从机器人传感器的研制、融合算法、多传感器管理和信息融合仿生机理等方面总结了机器人多传感器信息融合的发展趋势。关键字：机器人；传感器；Bayes方法；信息融合0引言机器人的感觉系统通常指的是机器人的外部传感器系统。通过这些传感器，机器人获得其所处环境

2、的有关信息。多传感器系统采得的信息将大大增加、而这些信息在时间、空间、可信度、表达方式上不尽相同，侧重点和用途也不同，这对信息的处理和管理工作提出了新的要求1。若对各种不同传感器采集的信息进行单独、孤立地加工不仅会导致信息处理工作量的增加，而且割断了各传感器信息间的内在联系，丢失信息有机组合可能蕴含的有关环境特征、从而造成信息资源的浪费。从另一方面看，由于传感器感知的是同一环境下不同(或相同)侧面的有关信息，所以这些信息的相关是必然的。由此，多传感器系统要求采用与之相应的信息综合处理技术，以协调各传感器间的工作。多传感器信息融合的有关理论就是为了更有效地处理多传感器系统的各种信息而提出和发展起

3、来的一个新的研究方向。多传感器信息融合的应用土壤是各种实用的多传感器系统，融合带来的多种优点，使之在工业、国防等各个领域得到了广泛的应用，这里简要介绍其在机器人方面的应用。多感觉传感器系统与机器人相结合，形成感觉机器人和智能机器人。多感觉传感器、多信息融合系统与传统概念的机器人有机结合，构成了智能机器人2。1机器人的视觉该机器人通过视觉传感器识别部分指令。也可以识别周围环境，如障碍物和目标体。其采用双目视觉定位系统。双目视觉定位系统是由安装在头部上的两个摄像头，用来摄取同一目标物两幅图像，利用三角测距原理，经图像匹配和计算得出目标物与机械手坐标系的精确相对位置3。三角测距原理如果已知两台摄像枪

4、的几何位置，且同时知道同一物体在2个摄像枪中的成像位置，便可以利用三角原理计算物体在空间的位置，即通过三角测距法获取深度信息。如图1所示。考虑最简单的情形，L和R分别为2个参数相同的针孔摄像枪，f为2个摄像枪的焦距，L和R光轴平行，与X轴重合，Y轴垂直于纸面。以L的摄像枪坐标系为世界坐标系，R的原点或投影中心的偏移量为b，b成为立体视觉系统的基线。目标点为P，P在左右摄像枪中投影的x坐标分别为x1，x2。根据空间几何的原理，有如下公式：，已知(x1，y1)，(x2，y2)，焦距f和基线长度b即可以得到P点的三维坐标(X，Y，Z)：。图1 双目视觉定位为了实现机器人的视觉，选用具有较大视场范围的

5、、自带红外光源的微型CCD摄像头；为了达到视觉探测的能力，并能对摄像头输出的视频信号直接进行处理，从而对探测目标进行实时、快速、准确的识别和判断，我们采用视频分划技术生成视频十字线进行管道检测。视频十字线的生成与动态可调技术原理。对输入的视频信号，进行同步分离，分离出行同步信号H和场同步信号V。在每一个场同步头信号到来的时候进行触发延时，而后获取每场中的某一行头，并对此行头进行触发延时，使这一行图像信号被脉宽为行正程时间的脉冲信号取代，即可形成一个横线信号。在每一个行同步信号到来的时候进行触发延时，使每行的某一点图像被点脉冲信号取代，即可形成一个竖线信号。视频生成横线信号与视频生成竖线信号通过

6、合成控制电路生成了十字线信号，再与原视频信号通过模拟叠加电路进行视频叠加，即生成视频十字线信号。通过监视器即可观察到在屏幕显示的视频十字线。通过调节场同步延时1、2，改变触发脉冲的脉宽，即可改变十字线中横线的行数和在屏幕上的上下位置；同理，通过调节延时1、2，可以改变横线的长度和在屏幕上的左右位置；通过调节行同步延时1、2，可以改变十字线中的竖线在屏幕上的左右位置和竖线的长度。通过以上的调节可实现视频十字线交点位置的移动，从而完成对屏幕上任一点目标的瞄准。机器人在瞄准探测目标后还需对其完成测量和判断。组成视频十字线的横线信号通过横线选行电路提取出视频信号中被横线信号所代替的那一段视频信号的信息

7、，并对其进行二值化处理。我们采用峰值保持浮动阈值二值化电路对横线选出的视频信号进行二值化处理，从而得到稳定的输出结果。标定的阈值反映了非正常管道表面的光学信息转化为电信号后的量值。最后，用视频十字线信号对二值化后的信号进行触发，从而得到对应于屏幕中十字线交点的视频信号的测量、判断结果。2机器人的听觉该机器人通过听觉传感器可以识别部分指令。采用多个麦克风组成的阵列结构，从而来实现听觉。信号采集模仿人耳听觉系统，可将多个麦克风组成的阵列作为机器人的“双耳”对声音信号进行采集4。麦克风阵列是指由多个麦克风构成一定几何形状而组成的阵列，它具有很强的空间选择性，同时还可以在一定范围内实现声源的自适应检测

8、定位及跟踪。声源定位结果在很大程度上依赖于阵列中麦克风的数量和拓扑结构，麦克风数量太少，定位精度不够；而过多则使定位算法过于复杂。因此，需折衷考虑。同时，为了减少声音信号混响的干扰，以及由于声波衍射、折射带来的采集误差，要尽量保证麦克风周围没有障碍物的遮挡。考虑到上述问题，本文采用四个全向型电容式麦克风构成了一个正四面体结构的麦克风阵列，如图2所示。其中，代表四个独立的麦克风。相对于传统的平面阵列，这种球面阵列在三维空间中的分辨率更高。图2 三维空间示意图由于全向型麦克风的输出电压大都在零到几十毫伏之间，如此微弱的电信号无法满足后期信号处理工作的要求。因此，单单依靠电容式麦克风的拾音能力是远远

9、不够的，有必要对麦克风采集到的信号进行放大。本文采用性能较稳定的集成运算放大器对采集信号进行二级放大。考虑到电器元件的放大特性不是完全一致的，因此加入了增益调整电位器，以便后期调试时减少由于硬件特性不同而产生的误差。除此之外，为了在实验过程中实时观测信号的采集情况，用发光二极管制作输出信号指示灯来指示信号的强弱变化。考虑到听觉定位系统的鲁棒性和实时性。该机器人用集成运算放大器制作电压比较器，使听觉定位系统具有一定的抗噪能力，其参考电压可以随背景噪声的大小进行调节。比较器对声电信号进行了整形，使大于背景噪声的信号以方波的形式输出，用于实现对声源信号到达时间点的捕捉。为了使阵列中各个麦克风均能精确

10、的捕捉目标声音到达的时间点，这里采用微处理器配合RS触发器进行捕捉，声源信号经过电压比较器整形后，产生连续方波脉冲。当第一个脉冲到达触发器时，触发器锁存并保持电平，输出端发光二极管随即发生变化，指示声源信号起始点已被锁存。与此同时，微处理器记录并存储锁存时的CPU时钟。将微处理器中的可编程计数器调整为捕捉定时器工作模式，并设置CPU时钟频率。当触发器改变电平时，记录脉冲到来的时间并存储。等待4路麦克风的声源信号相继到达后，再利用串口通信将4个存储的时间点发送到上位机，与此同时，将锁存器电平和微处理器复位，等待下一刻声源信号的到达。3机器人的触觉该机器人具有优良的触觉系统，当接触到病人时可以感知

11、到病人，使病人有舒适的感觉。当器械作用方向与器官表面法向之间存在倾角时，其受力为弹性力和表面摩擦力。仔细研究一下人对所抓物体滑动时的感觉，就会发现，我们感觉到的是物体边缘和粗糙部分的运动或摩擦情况5。这里提出的方法就是模拟人对滑觉的感受来实现滑觉检测的，这就更接近于人对滑动的感觉。通过对触觉图象的处理，我们可以得到图象的边缘，实现对滑动的检测。对连续的两辐触觉图象进行边缘检测，然后对这两幅图象的边缘进行比较，如果有明显的不同(30%以上)，则认为物休在滑动，否则认为物体不滑动。该系统应使机械手按一定的要求抓握物体6，这里是用最小的力来抓住物体，且物体不滑动。系统的控制信号是由抓握要求和滑动情况

12、给出的。当物体需要抓牢时，物体如有滑动，控制系统就驱动电机使手爪的握力增加，直到物体不滑动。传感器主要由支持保护部分和导体部分组成。支持保护部分由保护层和支持板组成，传感器最上层是柔性保护层，为增加灵敏度，在保护层下放置一个柔性接触点。在保护层和电路板中设有支持板，保证导电橡胶处于指定位置。4机器人的力觉本机器人力传感器采用应变片式力传感器。应变片全桥经前级放大电路后经A/D转换后供计算机系统使用。由传感器构成的桥路力测量电路在无作用力时电桥应处于平衡状态。但是实际电阻应变片的阻值有误差，导线电阻、接触电阻等因素都会造成电桥测量电路处于非平衡状态，并可能使放大器输出失真，产生非线性误差。因而需

13、要有预调平衡电路，使测量电桥在无力作用时输出为零。软件部分的核心是中断服务程序，中断服务程序分成两部分，一部分是配合初始化程序工作的初始化部分，另一部分为正式工作部分。由于位置检测采用的是增量式码盘，需要在初始化是定下位置零点时码盘计数器的计数初值，因而在初始化程序中便使手臂弯曲，当检测到一段时间码盘计数器数值恒定，及标记此时码盘计数值为码盘计数器初值，并置位正式工作标志。初始化部分完成对码盘计数器的读取，供初始化程序校验。正式工作部分读码盘位置信号并预处理、计算手指实际位置、进行触觉信号采样、PID算法、定速移动等。由于码盘计数器为八位可逆计数器，本夹持器使用中出现计数值溢出现象，故在计算手

14、指实际位置之前需对码盘位置信号进行预处理。即判别在两次相邻采样点计数器计数值是否出现0x00和0xff之间的跳变，由于采样周期很短(2ms)，夹持器丝杠的有限的运动速度不会使计数器在一个采样周期内完成256次单向计数，故可通过检测此跳变来判别溢出，并根据溢出方向加以补偿即可。5基于Bayes方法的多传感器的信息融合技术多传感器信息融合在方法上可分为数值型融合和非数值型融合。前者解决系统的定量描述，即如何在一组相关的数据中得出一个统一的结果，提高系统观察的精度；后者给出系统的定性表达或决策。用多传感器的信息进行目标物分类属非数值型信息融合问题，有时也称为定性信息融合，它是对系统的多种特征信息进行

15、融合处理。这些特征信息往往来自于不同质的传感器，而各传感器提供的信息都有一定程度的不确定性，所以多信息融合实际上是一个不确定性的推理与决策过程。文中我们将信息的不确定性表示为概率，用Bayes方法推导一般情况下多传感器信息的表示及融合结果7，然后将这一方法应用到一多感觉智能机器人中。Bayes方法在用于多传感器信息融合时，是将多传感器提供的各种不确定性信息表示为概率，并利用概率论中Bayes条件概率公式对它们进行处理的一种方法。Bayes条件概率公式。设为样本空间S的一个划分，即满足：则对任一事件B，P(B)>0，有：。Bayes方法用于多传感器信息融合时，要求系统可能的决策相互独立，这

16、样，我们就可以将这些决策看作一个样本空间的划分，使用Bayes条件概率公式解决系统的决策问题。设系统可能的决策为当某一传感器对系统进行观察时，得到观察结果B，如果能够利用系统的先验知识及该传感器的特性得到各先验概率和条件概率则利用Bayes条件概率公式(1)，根据传感器的观测将先验概率更新为后验概率：当系统有二个传感器对其进行观测时，即除了上面介绍的传感器观测B外，另有一个传感器也对系统进行了观测并得出结果为C，它关于各决策的条件概率为，则条件概率公式可表示为：。这一结果还可推广到多个传感器的情况。当有n个传感器，观测结果分别为时，假设它们之间相互独立且与被观测对象条件独立，则可以得到系统有n

17、个传感器时的各决策总的后验概率为：。最后，系统的决策可以由如下规则给出，如：取具有最大后验概率的那条决策。Bayes方法多传感器的信息融合过程可用图3的框图来表示：图3 多传感器的信息融合过程多传感器信息融合是近十多年来出现的技术，其实施方法也很多，但在实用中应该采用哪种方法、方式进行融合，则取决于对象和实际条件。以Bayes方法融合多传感器信息在我们的多感觉机器人中运用到了。要完对传感器的控制，程序设计需要包括系统初始化、控制算法设计、电机驱动设计、触觉信号采集、力觉信号采集、位置信息采集等。系统初始化包括电机复位、计数器清零、保存力觉信号零点、选取控制算法及算法系数设定等。服务机器人控制系

18、统总体结构机器人控制系统中，基于行为的智能控制体系能够良好的解决实时性问题，但是由于缺乏全局的规划，机器人难以形成主动的意识和更高的智能"在网络控制过程中，人作为控制者可以在更高的层面为机器人提供规划"这种决策在某些情况下是可行的，如网络状况良好，控制者对全局有了很好的了解；有时是不可行的，如网络拥阻严重或者信息掌握的不全面，此时如果机器人能够根据自身情况，通过某种策略对人的决策进行修订将是非常有必要的，如何协调人的决策和机器人的自主控制是本章要考虑的最主要问题，此处的设计原则有两个，首先，机器人应该在完成用户指令的前提下发挥局部自主，所作的工作目的是尽可能的完成用户的需求

19、；其次，机器人在工作过程中要保证自身的安全，基于上述考虑本文提出了一种在监督控制框架下具有动态协调人机决策分配的混合式机器人控制结构。系统划分为远程端，行为序列评估层，机器人端按照混合式结构分为规划层和行为层。规划层负责机器人的全局策略并接收网络控制端的指令，它控制机器人的位置姿态并对机器人的下一步动作进行规划，产生的结果交给行为层处理。软件部分的核心是中断服务程序，中断服务程序分成两部分，一部分是配合初始化程序工作的初始化部分，另一部分为正式工作部分。由于位置检测采用的是增量式码盘，需要在初始化是定下位置零点时码盘计数器的计数初值，因而在初始化程序中便使夹持器闭合，当检测到一段时间码盘计数器

20、数值恒定，及标记此时码盘计数值为码盘计数器初值，并置位正式工作标志。初始化部分完成对码盘计数器的读取，供初始化程序校验。正式工作部分读码盘位置信号并预处理、计算手指实际位置、进行触觉信号采样、PID算法、定速移动等。由于码盘计数器为八位可逆计数器，本夹持器使用中出现计数值溢出现象，故在计算手指实际位置之前需对码盘位置信号进行预处理。机器人运动控制系统采用全数字式伺服方式，即除电机驱动及以后的部分为硬件外，其余的如插补算法、比较单元、控制器等均数字化、软件化后由计算机来完成。其突出优点是可灵活运用各种复杂的控制规律，并降低硬件成本。6机器人多传感器信息融合的发展趋势（1）微型化和智能化机器人传感

21、器的研究传感器是机器人的五官,也是机器人多传感器信息融合技术的硬件基础,一台智能化程度较高的机器人通常配有几十只乃至上百只传感器。 随着MEMS技术和精加工技术飞速地发展,使得微型传感器的研发和生产成为可能。为进一步减小机器人的体积和提高传感器的性能,机器人传感器将向着信息转换、处理、传输为一体的智能化发展。如德国 Vision Components公司研制的VCSBC401R智能视觉传感器集图像采集、处理、I/O控制及通信于一体,而体积仅有80 mm x 60 mm x35.4 mm。 该图像传感器采用了当前性能最强大的图像处理专用DSP，其工作频率高达400 MHz，运算速度高达3 200

22、 MIPS，智能化程度高，搭建系统成本低。（2）多传感器信息融合算法的改进 现有的多传感器信息融合算法有着自身的缺陷和局限性。目前主要采用几种算法共同使用的方法来对其进行弥补。如模糊神经网络算法弥补了模糊逻辑自适用能力差的缺点也提高了神经网络算法的鲁棒性。目前，将模糊逻辑、神经网络、进化计算、小波变换等智能计算方法有机地结合起来，是一个重要的发展趋势8。多种信息融合算法的综合运用虽然能够弥补单一算法的缺陷，但同时增加了系统的计算量，降低了系统的反应速度。因此，对机器人多信息融合算法的改进和创新是迫切需要的。David Lourenco等人正在尝试用一种在非统计世界中在线学习模型的方法来融合来自

23、于激光探测仪和红外幅度探测器的信息，以提高机器人导航的能力。文献9提出了一种改进的D-S论据理论对超声波传感器采集的信息进行融合，在传感器模型中增加一个距离信度因子，减少了超声波传感器采集信息的不确定性。文献10提出了一种基于任务的神经网络多传感器数据融合新方法。该方法根据遥控操作机器人过程中的不同任务，利用优化的神经网络算法，对双视觉、六维力/力矩、接近觉(数字/模拟)、指端力、关节角度等多种传感器信息进行融合决策。(3)综合化多传感器管理的研究信息融合技术发展至今，迅速地与机器人各种多源或多传感器相结合，构成从上而下层次性的机器人多传感器信息融合系统。这种机器人多传感器信息融合系统能够在同

24、一时刻或同一时间段实现多种任务功能;且不同时间周期，系统的作用任务可能不同，任务的性能要求也可能不同。这就需要通过多传感器管理实时进行控制，以满足融合系统的需求，并实现自适应信息融合，使多传感器信息融合系统朝着智能化、综合化方向发展。Ng G W将多传感器管理的功能分为两大类:控制与提示。Kaouthar Bennameur认为多传感器管理的主要作用是实现系统的自适用信息融合11。从近些年的最新研究可以看出:多传感器管理已不仅仅是对信息融合起协调控制的作用，同时，对系统起着自组织优化作用12,13。(4)信息融合仿生机理的研究对感官获得的信息进行融合是自然界中动物的本能。动物能够非常自然地运用

25、这一功能把来自于不同感官的信息，通过大脑这个融合体综合、分析、处理以实现准确地识别，并利用先验知识去估计、理解周围环境和正在发生的事件。对动物视觉、听觉、触觉等感知功能和信息融合方式的研究有助于工程问题的解决。如Srinivasan M V等人对蚱蜢的凝视机理、蜜蜂飞过管道的导航行为、采蜜时定心能力进行研究，分别得出了物体范围确定方法、狭长通道导航技术和障碍密集环境中的路径规划算法14。Peremans H从蝙蝠、海豚等动物利用超声波定位和避障中得到启示，研制出超声波仿生声纳头，可实现物体的三维定位15,16。文献17分析了鱼的嗅觉机制，建立了人工鱼的嗅觉感知模型，仿照嗅觉形成机理设计了三层嗅

26、觉识别模型，采用基于主成分分析的模糊推理方法实现了嗅觉感知。因此，加强对信息仿生机理的研究将会使机器人多信息融合技术取得突破性的发展。7结束语近几十年来，多传感器信息融合技术得到了普遍的关注和广泛的应用，已成为智能机器人的关键技术。采用机器人多传感器信息融合技术，可使机器人获得对环境的正确理解，使机器人系统具有容错性，保证系统信息处理的快速性和正确性。传感器技术的发展和信息融合技术水平的提高，使机器人获取环境信息的感知能力和系统决策能力不断提高。随着社会对机器人的需求量越来越高，机器人多信息融合技术将会有更加)广阔的发展前景。机器人多传感器信息融合技术的研究不仅可以推动机器人智能化的进程，而且

27、，还可以推动相关研究领域的发展。参考文献1Yu-lan Zhou,Yan-hong Zang,Ya-hong Lin.Based on Multi-sensor Information Fusion Algorithm of TPMS ResearchJ.Physics Procedia ,2012,(25):786-792.2Jing Ma,Shu-li Sun.Information fusion estimators for systems with multiple sensors of different packet dropout ratesJ.Information Fusio

28、n,2011,(12):213-222.3杨武,姚锡凡,范路桥.基于双目视觉定位的排爆机器人控制系统J.机器人技术,2008,24(1):255-256+262.4谷岳,祖丽楠,杨鹏,孙昊.移动机器人三维空间听觉定位系统设计J.计算机仿真,2011,28(9):195-198.5孙太怡,赵文,常韩松.利用触觉传感器实现滑觉的机器人抓握控制系统的研究J.哈尔滨船舶工程学院学报,1993,14(1):42-47.6黄继伟,黄惟一,王爱民,蒋洪明.多感知机器人夹持器设计J.传感技术学报,2003,(4):397-400.7罗志增,叶明.基于Bayes方法的多感觉信息融合算法及其应用J.传感技术学报,2001,(3):210-215.8王耀南.计算智能数据处理技术及其应用M.长沙:湖南大学出版社，1999.9Zou Yi，Ho Yeong Khing,Chua Chin Seng,et al. Multi-ultrasonic sensor fusion for mobile robots C/Proceedings of the IEEE Intelligent Vehicles Symposium 2000，USA,2000;387391.10游松，程卫星，王田苗，等.基于任务的神经网络多传感器数据融合新方法J.高技术通讯，2001(7):7175.11 Page S F. Mult