机器人多传感器信息融合研究综述

多传感器信息融合是一门新兴的技术,在机器人领域有着广阔的应用前景。综述并分析了多传感器信息融合技术在工业机器人、机器手爪、飞行机器人、移动机器人、爬行机器人和水下机器人中应用的研究现状,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。     

多传感器信息融合在移动机器人上的应用

多传感器信息融合技术在科研领域已迅速发展起来 ,它包含了控制理论、信号处理、人工智能和数理统计等方面的知识。在机器人领域的应用越来越多 ,使得机器人更加智能化。文中对多传感器信息融合的方法进行了概括 ,并列举了近年来其在移动机器人领域的应用。最后展望了多传感器信息融合的发展     

多传感器信息融合基本原理及应用

全面系统地阐述了多传感器信息融合技术的信息融合理论、模型、算法和应用，并对目前信息融合在机器人、故障诊断、图像处理等领域的应用现状进行了剖析。信息融合技术虽然发展迅速。但由于信息融合技术理论尚待完善，在融合算法、融合模型以及关联的二义性等方面还存在问题。信息融合理论在多传感器分布检测、异类多传感器融合以及建立信息融合数据库和知识库等方面将有进一步发展。     

基于神经网络的多传感器信息融合及其在机器人中的应用

多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。     

多传感器信息融合技术在智能机器人环境感知中的研究进展及应用

多传感器信息融合技术是一种有别于经典数据处理技术的高级处理方式,主要目的是为了让智能设备在越来越复杂的工作环境中有更好的表现,使其能有更强的感知能力和操作精准度;在对传感器技术、人工智能、机器人技术、多传感器信息融合技术及常见多传感器信息融合的应用进行了系统的整理和研究后,针对目前的多传感器数据融合技术进行全面地介绍,并简要阐述多传感器信息融合的一般结构,重点分析不同融合算法的特点和优劣势,明确不同融合模型之间的差别以及对数据处理策略上的影响,充分列举现国内外发表的关于多传感器数据融合技术的重要研究及应用,并对多传感器数据融合技术的发展与展望做检验阐述,为多传感器数据融合技术研究提供重要理论依据。     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

神经网络集成、多传感器融合——在机器人对障碍物的识别中的应用

近年来，基于传感器的机器人研究成为开发智能机器人的一个重要方面，它极大地改善了机器人的作业能力，具有重大的应用价值和发展前景。多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息，从而提高检测精度和可靠性在多传感器系统中，信息表现为多样性、复杂性以及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的一个重要研究领域。目前信息融合方法利用多个信息源所获取的关于对象和环境的信息获得根据任务所需要的全面、完整的信息，主要体现在融合算法上。因此，多源信息融合的核心问题是选择合适的信息融合算法。     

多传感器信息融合及其应用综述

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题,综述了近年来多传感器融合技术的研究进展和应用,预测了未来的发展趋势。     

基于多传感器信息融合的移动机器人导航系统的设计与实现

概述多传感器信息融合技术的原理与方法，通过实例描述了多传感器信息融合在移动机器人导航中的应用。在能力风暴机器人平台建立了基于多传感器信息融合的导航体系结构，并通过具体的实验和结果表明了多传感器信息融合方法在导航中的有效性。     

一种基于移动机器人AIM的改进的MSIF技术

多传感器信息融合技术在移动机器人领域中有着重要的地位。本文针对AIM移动机器人的多种传感器分布．提出一种改进的信息融合算法。该算法回避了对障碍物进行直接的估计，通过融合红外传感器和超声波传感器提供的冗余、互补的信息．得到机器人能够前进的方向。仿真试验结果表明算法效果良好，可在AIM移动机器人躲避障碍物和路径规划中得到有效的应用。     

基于软传感器的信息融合

为了利用”凝视视觉几何约束”的信息来确定移动机器人的位置和方位角,就需要解决数据融合的问题。”几何约束”不是来自真实传感器的直接可测量的数据,这种特殊形式的信息不能被直接融合。为此目的,该文提出了一种融合特殊形式信息的新途径,也即利用”软传感器”的方法来融合来自”几何约束”的信息。软传感器的输出与其它真实传感器的输出一起经过扩展信息滤波器最终实现融合。文中最后提供了利用该方法进行移动机器人定位的计算机仿真例子。仿真结果表明了软传感器信息融合方法的可行性和有效性。软传感器可以广泛应用在很多类似的信息融合问题中。     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

基于神经网络技术的机器人并发故障自动诊断方法

为了提高柔性负载抓握机器人的故障检测能力,提出基于神经网络技术的机器人并发故障自动诊断方法。运用高分辨的智能传感器信息识别技术,结合刚度和强度等机械结构特征分析,构建柔性负载抓握机器人的故障信息采集模型,采用变刚度原理,提取柔性负载抓握机器人的振荡信息特征,通过谱特征检测和动态信息融合进行柔性负载抓握机器人的故障信息的多分辨融合和特征聚类处理。通过分析故障样本信息数据参数的估计值,对信息数据进行重组,根据采样信息的差异性对故障类别进行初步判断和识别。采用BP神经网络技术,通过特征分布函数进行故障特征提取,进行机器人并发故障的优化诊断和自适应学习,提高机器人并发故障的有效检测和识别能力。仿真结果表明,采用该方法进行机器人并发故障诊断的自适应性较好,特征辨识能力较强,具有很好的故障监测和模式识别能力。     

基于多传感器融合的全地形机器人系统设计

针对因强降雨、堤防溃决、暴雨增水等因素导致的水位突然上升而泛滥和山洪暴发,形成复杂多变灾后的地形环境。设计了以FPGA为控制器的多传感器融合机器人,提高灾后救援效率。该机器人通过GPS为机器人作业划定区域,生命特征仪、力矩仪和空气质量仪等传感器采集环境数据,搭建非线性全地形机器人动态模型,利用六轴陀螺仪和霍尔传感器获取机器人状态,数据经过扩展卡尔曼滤波算法融合以及航迹算法推算后,获得机器人在灾后环境中的实际信息,使得机器人能够按要求进行搜救作业。实验结果表面,多传感器融合的机器人系统,能够在灾后环境完成信息采集与传输,具有较高的稳定性及准确性。     

Path planning based on geographical features information for an autonomous mobile robot

We propose a path-planning algorithm for an autonomous mobile robot using geographical information, under the condition that the robot moves in an unknown environment. Images input by a camera at every sampling time are analyzed and geographical elements are recognized, and the geographical information is embedded in an environmental map. Then the path is updated by integrating the known information and the prediction on the unknown environment. We used a sensor fusion method to improve the mobile robot's dead-reckoning accuracy. The experimental results confirm the effectiveness of the proposed algorithm as the robot reached the goal successfully using the geographical information.     

Fusion Strategies for Minimizing Sensing-Level Uncertainty in Manipulator Control

Humanoid robotic applications require robot to act and behave like human being. Following soft computing like approach human being can think, decide and control himself in unstructured dynamic surroundings, where a great degree of uncertainty exists in the information obtained through sensory organs. In the robotics domain also, one of the key issues in extracting useful knowledge from sensory data is that of coping with information as well as sensory uncertainty at various levels. In this paper a generalized fusion based hybrid classifier (ANN-FDD-FFA) has been developed and applied for validating on generated synthetic data from observation model as well as from real hardware robot. The fusion goal, selected here, is primarily to minimize uncertainties in robotic manipulation tasks that are based on internal (joint sensors) as well as external (vision camera) sensory information. The effectiveness of present methodology has been extensively studied with a specially configured experimental robot having five degrees of freedom and a simulated model of a vision guided manipulator. In the present investigation main uncertainty handling approach includes weighted parameter selection (of geometric fusion) by a trained neural network that is not available in standard manipulator robotic controller designs. These approaches in hybrid configuration has significantly reduce the uncertainty at different levels for faster and more accurate manipulator control as demonstrated here through rigorous simulations and experimentations.     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.