基于多传感器数据融合的障碍物识别技术的研究与实现
发布时间：2021-08-25 15:42
近些年来,随着智能技术的不断发展,人们对机器人的自主性提出了更高的要求,期望它们不仅仅只是可以按照人类的指令完成动作,还可以在复杂的环境中拥有一定的自主能力。在一个未知的环境中,机器人想要拥有自主能力,首要任务是对周围环境进行一个准确感知,所以利用传感器信息进行障碍物检测是机器人领域的重要研究方向之一。但是每种传感器本身会有一定的局限性,例如激光传感器对于透明物体不敏感、视觉传感器无法在黑暗环境下工作等,所以依靠单一传感器很难达到检测系统对精度和稳定性的要求。针对该问题,本文提出了基于多维异构传感器数据融合的障碍物识别技术,通过融合多种传感器的互补信息,对障碍物进行多角度多方面的检测,建立合适的追踪模型,避免单一传感器在特定环境中失效的问题,从而提高障碍物检测系统的可靠性和准确性。为了解决由于传感器的固有局限性而导致的检测失效问题,本文提出了通过多种传感器,利用多方面多角度的互补信息来突破单一传感器的固有局限,从而提高障碍物检测的精度和稳定性。围绕这个研究目标,本文提出了基于多传感器数据融合的障碍物识别技术,包括支持多传感器自动校准机制的障碍物识别框架和基于数据融合和关联技术的障碍物追...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
智能机器人应用场景早期的机器人只是为了将人类从繁琐重复的工作中解放出来，所以只需要根
国防科技大学研究生院硕士学位论文第7页第二章相关技术研究上一章详细描述了课题的研究背景和研究现状，深入分析了课题的研究目标，根据研究目标给出了课题需要重点研究的的三个主要内容。本章将详细阐述和分析与课题研究内容相关的关键技术，包括多传感器融合技术、多源数据关联技术、自动校准技术等等。2.1多传感器融合技术多传感器数据融合问题是展开本课题研究的基本研究内容，所以了解数据融合的基本原理以及目前采用较多的数据融合算法是很有必要的。数据融合是一种针对来自多个传感器来源的数据进行综合分析处理的技术[19]。本节首先简单介绍多传感器数据融合的基本原理及优势，其次分别从融合中心结构、数据抽象层次以及数据融合功能等方面进行详细阐述，从而对多传感器融合有一个全面的了解。接下来对目前数据融合技术面临的问题进行了归纳总结，并对当前主流的融合算法重点介绍，为进一步的研究进行铺垫。2.1.1数据融合的基本原理与优势多传感器数据融合以描述为对若干个来源于不同类型传感器的数据信息进行检测、互联、估计和合并，并在多层次多角度多级别进行处理的过程[4]，用于解决多场景下的复杂任务。不同类型的传感器得到的数据之间可能存在大量重复和冲突等问题，融合技术可以解决这些问题，利用互补信息降低系统的不确定性，从而提升整个多传感器系统的鲁棒性和精确性[22]。在多源数据融合系统中，各类传感器提供的数据具有各种各样不同的特征，通过对人脑对复杂信息处理过程的模拟，融合过程将传感器有效的互补信息筛选出来[23]，按照某种组合规则进行优化处理。图2.1展示了对一个较为典型的数据融合处理过程。图2.1数据融合处理过程
国防科技大学研究生院硕士学位论文第9页图2.2融合层次数据层融合为底层融合，它是在对未经处理的信息进行粗粒度的融合处理，即提取特征向量这一步在融合之后完成。数据层融合要求用于融合的传感器数据必须是同质的，即数据是来源于同一种类别的传感器。数据层融合的独到之处在于它对于数据的细节保留的最为完整，可以存有其他融合种类所不具备的细节数据。由于数据信息损失掉的部分几乎为零，因此它的融合结果较其他方式比较好[28]。但是这种方法也存在一些缺点，比如对计算机的计算能力要求很高，信息的稳定性差等。特征层融合也称中级融合，该层次融合的特征值提取这一步在融合之前，即先生成特征矢量，再对各组信息进行融合，最后对目标进行其他处理。该层融合的优势在于实现了一定程度上的数据压缩，处理起来更为快捷，有利于系统对实时处理的要求[29]。根据其不同目标源分为特征与状态融合两种，前者的具体方法有：K阶最近邻算法与神经网络等，属于模式识别的范围[30]。后者主要使用的算法有：多假设法以及联合概率数据关联等算法，较多体现在目标跟踪领域。决策层融合也称高级融合，在每个传感器完成对原始传感器信息所有操作（包括预处理、特征提娶目标识别）后，通过对各个传感器关键点完成局部决策层的融合操作[31]，获得最终结果。决策层融合有很多好处，例如，容错性强，计算量小，对传感器依赖小（可以为同质传感器，也可为异构传感器），实时性强等等。最大的缺点是信息损失大，性能主要依赖于预处理阶段[32]。另外，根据传感器与融合中心功能的差异，可以将多传感器数据融合的系统结构分为集中型，分散型和混合型[33]。集中型融合结构中，传感器的作用为信息采集，数据处理以及压缩的程都交给后面的信息融合中心进行处理。传感?
【参考文献】：
期刊论文
[1]多源信息融合关键问题、研究进展与新动向[J]. 陈科文,张祖平,龙军. 计算机科学. 2013(08)
[2]信息融合理论的基本方法与进展（Ⅱ）[J]. 潘泉,王增福,梁彦,杨峰,刘准钆. 控制理论与应用. 2012(10)
[3]多传感器数据融合技术研究进展[J]. 黄漫国,樊尚春,郑德智,邢维巍. 传感器与微系统. 2010(03)
[4]多传感器信息融合技术在移动机器人障碍探测中的应用[J]. 王艳平. 电子工程师. 2008(09)
[5]多传感器数据融合技术及其应用[J]. 严怀成,黄心汉,王敏. 传感器技术. 2005(10)
[6]基于多目标多特征信息融合数据关联的无源跟踪方法[J]. 王杰贵,罗景青. 电子学报. 2004(06)
[7]基于Dempster-Shafer证据理论的数据融合技术研究[J]. 倪国强,梁好臣. 北京理工大学学报. 2001(05)
[8]基于Bayes估计的多传感器数据融合方法研究[J]. 吴小俊,曹奇英,陈保香,刘同明. 系统工程理论与实践. 2000(07)
[9]联合交互式多模型概率数据关联算法[J]. 潘泉,刘刚,戴冠中,张洪才. 航空学报. 1999(03)
博士论文
[1]信息融合系统中的目标跟踪及数据关联技术研究[D]. 李良群.西安电子科技大学 2007
本文编号：3362398
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
智能机器人应用场景早期的机器人只是为了将人类从繁琐重复的工作中解放出来，所以只需要根
国防科技大学研究生院硕士学位论文第7页第二章相关技术研究上一章详细描述了课题的研究背景和研究现状，深入分析了课题的研究目标，根据研究目标给出了课题需要重点研究的的三个主要内容。本章将详细阐述和分析与课题研究内容相关的关键技术，包括多传感器融合技术、多源数据关联技术、自动校准技术等等。2.1多传感器融合技术多传感器数据融合问题是展开本课题研究的基本研究内容，所以了解数据融合的基本原理以及目前采用较多的数据融合算法是很有必要的。数据融合是一种针对来自多个传感器来源的数据进行综合分析处理的技术[19]。本节首先简单介绍多传感器数据融合的基本原理及优势，其次分别从融合中心结构、数据抽象层次以及数据融合功能等方面进行详细阐述，从而对多传感器融合有一个全面的了解。接下来对目前数据融合技术面临的问题进行了归纳总结，并对当前主流的融合算法重点介绍，为进一步的研究进行铺垫。2.1.1数据融合的基本原理与优势多传感器数据融合以描述为对若干个来源于不同类型传感器的数据信息进行检测、互联、估计和合并，并在多层次多角度多级别进行处理的过程[4]，用于解决多场景下的复杂任务。不同类型的传感器得到的数据之间可能存在大量重复和冲突等问题，融合技术可以解决这些问题，利用互补信息降低系统的不确定性，从而提升整个多传感器系统的鲁棒性和精确性[22]。在多源数据融合系统中，各类传感器提供的数据具有各种各样不同的特征，通过对人脑对复杂信息处理过程的模拟，融合过程将传感器有效的互补信息筛选出来[23]，按照某种组合规则进行优化处理。图2.1展示了对一个较为典型的数据融合处理过程。图2.1数据融合处理过程
国防科技大学研究生院硕士学位论文第9页图2.2融合层次数据层融合为底层融合，它是在对未经处理的信息进行粗粒度的融合处理，即提取特征向量这一步在融合之后完成。数据层融合要求用于融合的传感器数据必须是同质的，即数据是来源于同一种类别的传感器。数据层融合的独到之处在于它对于数据的细节保留的最为完整，可以存有其他融合种类所不具备的细节数据。由于数据信息损失掉的部分几乎为零，因此它的融合结果较其他方式比较好[28]。但是这种方法也存在一些缺点，比如对计算机的计算能力要求很高，信息的稳定性差等。特征层融合也称中级融合，该层次融合的特征值提取这一步在融合之前，即先生成特征矢量，再对各组信息进行融合，最后对目标进行其他处理。该层融合的优势在于实现了一定程度上的数据压缩，处理起来更为快捷，有利于系统对实时处理的要求[29]。根据其不同目标源分为特征与状态融合两种，前者的具体方法有：K阶最近邻算法与神经网络等，属于模式识别的范围[30]。后者主要使用的算法有：多假设法以及联合概率数据关联等算法，较多体现在目标跟踪领域。决策层融合也称高级融合，在每个传感器完成对原始传感器信息所有操作（包括预处理、特征提娶目标识别）后，通过对各个传感器关键点完成局部决策层的融合操作[31]，获得最终结果。决策层融合有很多好处，例如，容错性强，计算量小，对传感器依赖小（可以为同质传感器，也可为异构传感器），实时性强等等。最大的缺点是信息损失大，性能主要依赖于预处理阶段[32]。另外，根据传感器与融合中心功能的差异，可以将多传感器数据融合的系统结构分为集中型，分散型和混合型[33]。集中型融合结构中，传感器的作用为信息采集，数据处理以及压缩的程都交给后面的信息融合中心进行处理。传感?
【参考文献】：
期刊论文
[1]多源信息融合关键问题、研究进展与新动向[J]. 陈科文,张祖平,龙军. 计算机科学. 2013(08)
[2]信息融合理论的基本方法与进展（Ⅱ）[J]. 潘泉,王增福,梁彦,杨峰,刘准钆. 控制理论与应用. 2012(10)
[3]多传感器数据融合技术研究进展[J]. 黄漫国,樊尚春,郑德智,邢维巍. 传感器与微系统. 2010(03)
[4]多传感器信息融合技术在移动机器人障碍探测中的应用[J]. 王艳平. 电子工程师. 2008(09)
[5]多传感器数据融合技术及其应用[J]. 严怀成,黄心汉,王敏. 传感器技术. 2005(10)
[6]基于多目标多特征信息融合数据关联的无源跟踪方法[J]. 王杰贵,罗景青. 电子学报. 2004(06)
[7]基于Dempster-Shafer证据理论的数据融合技术研究[J]. 倪国强,梁好臣. 北京理工大学学报. 2001(05)
[8]基于Bayes估计的多传感器数据融合方法研究[J]. 吴小俊,曹奇英,陈保香,刘同明. 系统工程理论与实践. 2000(07)
[9]联合交互式多模型概率数据关联算法[J]. 潘泉,刘刚,戴冠中,张洪才. 航空学报. 1999(03)
博士论文
[1]信息融合系统中的目标跟踪及数据关联技术研究[D]. 李良群.西安电子科技大学 2007
本文编号：3362398
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3362398.html
