数据融合技术综述

文章综述了多传感器数据融合的历史、发展及应用，讨论了多传感器数据融合的基本原理、相关技术及方法、存在的问题、研究方向，最后介绍了数据融合的应用领域，特别是智能机器人领域的应用。     

柔性触觉传感器在机器人上的应用综述

柔性多维触觉传感器的研究对于智能机器人的发展至关重要,研制符合实际应用要求的触觉传感器已经成为智能机器人发展中的关键技术之一.在分析国内外研究现状的基础上,阐述了触觉传感器应用在机器人上的主要技术,包括敏感材料选择、结构设计、解耦算法、信号获取电路、传感器标定以及虚拟触觉的研究等,为触觉传感器的研究提供方向.     

基于多传感器数据融合的智能机器人设计

提出一种基于多传感器数据融合技术的智能机器人系统设计，介绍了系统所选用的激光、超声、红外、光敏等传感器的类型．阐述了系统的硬件结构与软件设计及D—S数据融合算法。     

多传感器技术在机器人系统中的应用和研究

探讨了多传感器融合系统的软件结构设计方案，说明了如何设计一个基于多传感器的自主式智能机器人系统，提出了基于BP神经网络的融合方法。搭建了一个多传感器的智能机器人试验平台，实现了由两个摄像头组成的立体视觉和超声波传感器的融合。试验表明，多传感器融合技术在自主式智能系统中具有重要作用。     

多传感器融合综述

对智能机器人领域的多传感器融合的研究现状进行了讨论。首先，对该领域研究中的一些问题进行了概述，包括信息描述空间、数据关联与时间同步、验前信息和融合结构等，然后把已有的融合方法分类成概率统计方法和人工智能方法进行重点介绍。最后，强调了融合结构在多传感器融合研究中的作用，并且对多传感器融合的未来研究作了进一步的展望。     

导电橡胶触觉传感器阵列的标定实验研究

导电橡胶传感器是智能机器人服装的核心机件;标定出导电橡胶传感器的压阻特性是实现智能机器人触觉传感服装的核心内容之一;实验中,将导电橡胶安装在柔性阵列电极板里制作成触觉传感器阵列服装。对该传感器提出多种测量方法,确立其标定模型;给出数据建模的一般步骤。指出导电橡胶传感器设计的改进方向与部分方法。     

合肥智能所智能机器人传感器实验室

正中国科学院合肥智能机械研究所智能机器人传感器实验室,是国家高技术研究发展计划(863计划)先进制造与自动化领域智能机器人传感技术网点实验室,以信息获取科学、人机交互临场感、多传感器信息融合与传输、运动生物力学工程和智能机器人应用为主要研究方向,开展力信息获取和感知系统、智能机器人及其关键技术、数字运动员和运动员指导系统等方面的工作。一、传感器系统及其应用本实验室围绕多维力传感器的关键技术,以研究六维力传感器的结构和信息处理为切入点,研制机器人六维腕力/指力/脚踝力传感器、多维阵列式类皮肤传感     

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。     

基于SPCE061A单片机的家居智能机器人设计

家居智能机器人的核心控制部分采用双CPU体系,主从CPU分布计算,保证了实时性要求。主机以SPCE061A单片机为核心,外扩了嵌入式语音识别应答模块、智能报警及灭火模块、电机驱动控制模块等功能模块。从机作为专门的定位处理芯片,实现系统定位的功能,同时将处理得到的信息通过串口通信传递给上位机。超声波传感器、红外传感器、霍尔传感器、接触传感器等多传感器信息融合技术的采用,保证了智能机器人系统信息处理的快速性和正确性。     

基于视觉-IMU传感器融合SALM研究

为了验证提出的多传感器融合在工程应用中的有效性，针对视觉运动产生的失真情况，提出一种视觉-IMU传感器融合SALM的研究，并且设计了多传感器融合SLAM系统，将相机与IMU进行联合标定、采用图优化的融合方法在空间和时间上得到数据上的对齐。通过ROS系统自带的GAZEBO进行实时仿真，建立机器人小车模型在仿真的空间中运动，再通过APE绝对位姿误差计算并对比，得出了视觉-IMU融合的绝对位姿误差要比未融合情况下的误差小，优化之后的精度相比未融合的精度要高。因此利用该方法设计的融合系统较为合理。     

数据中心巡检机器人信息平台实时任务容错调度算法

为了实现数据中心巡检机器人信息平台实时任务容错性,提出一种基于自适应反馈均衡和码元调制技术的数据中心巡检机器人信息平台实时任务容错调度模型。首先构建路由冲突下的数据中心巡检机器人信息平台传输信道模型,优化数据中心巡检机器人信息传输协议。然后采用模糊C均值聚类的方法进行巡检机器人信息融合,结合自适应反馈均衡方法进行巡检机器人信息传输的信道均衡设计,采用码元调制方法进行信息平台的实时任务容错调度。最后进行仿真实验。结果表明,采用该方法进行数据中心巡检机器人信息平台实时任务调度的容错性较好,信息平台的信道均衡性较强,提高了数据中心巡检机器人信息平台的任务实时调度能力。     

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。     

Bayes理论在机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究的主要问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。文章介绍了将Bayes经典推理理论应用于机器人对未知环境的探索、感知过程,确定了具体的实验方案和实现步骤,完成了一个简化的仿真算例,并通过仿真结果对该方法的有效性和性能进行了验证和评估。     

基于多传感器信息融合的移动机器人快速精确自定位

通过分析全向视觉、电子罗盘和里程计等传感器的感知模型,设计并实现了一种给定环境模型下移动机器人全局自定位算法.该算法利用蒙特卡罗粒子滤波,融合多个传感器在不同观测点获取的观测数据完成机器人自定位.与传统的、采用单一传感器自定位的方法相比,它把多个同质或异质传感器所提供的不完整测量及相关联数据库中的信息加以综合,降低单个...     

Particle filter robot localisation through robust fusion of laser,WiFi, compass,and a network of external cameras

In this paper, we propose a multi-sensor fusion algorithm based on particle filters for mobile robot localisation in crowded environments. Our system is able to fuse the information provided by sensors placed on-board, and sensors external to the robot (off-board). We also propose a methodology for fast system deployment, map construction, and sensor calibration with a limited number of training samples. We validated our proposal experimentally with a laser range-finder, a WiFi card, a magnetic compass, and an external multi-camera network. We have carried out experiments that validate our deployment and calibration methodology. Moreover, we performed localisation experiments in controlled situations and real robot operation in social events. We obtained the best results from the fusion of all the sensors available: the precision and stability was sufficient for mobile robot localisation. No single sensor is reliable in every situation, but nevertheless our algorithm works with any subset of sensors: if a sensor is not available, the performance just degrades gracefully.     

D-S证据理论在移动机器人信息融合中的应用

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究中主要的问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,同时也要满足实时性的要求。详细介绍了将D-S证据理论应用于移动机器人对未知环境的探索、感知过程,并通过仿真结果对D-S证据融合方法的性能进行研究与改进,确定了D-S证据融合方案的具体实现步骤,并完成了一个简化的仿真算例,得出了相关结论。     

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。     

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。     

Robust hand-eye calibration of 2D laser sensors using a single-plane calibration artefact

When a vision sensor is used in conjunction with a robot, hand-eye calibration is necessary to determine the accurate position of the sensor relative to the robot. This is necessary to allow data from the vision sensor to be defined in the robot's global coordinate system. For 2D laser line sensors hand-eye calibration is a challenging process because they only collect data in two dimensions. This leads to the use of complex calibration artefacts and requires multiple measurements be collected, using a range of robot positions. This paper presents a simple and robust hand-eye calibration strategy that requires minimal user interaction and makes use of a single planar calibration artefact. A significant benefit of the strategy is that it uses a low-cost, simple and easily manufactured artefact; however, the lower complexity can lead to lower variation in calibration data. In order to achieve a robust hand-eye calibration using this artefact, the impact of robot positioning strategies is considered to maintain variation. A theoretical basis for the necessary sources of input variation is defined by a mathematical analysis of the system of equations for the calibration process. From this, a novel strategy is specified to maximize data variation by using a circular array of target scan lines to define a full set of required robot positions. A simulation approach is used to further investigate and optimise the impact of robot position on the calibration process, and the resulting optimal robot positions are then experimentally validated for a real robot mounted laser line sensor. Using the proposed optimum method, a semi-automatic calibration process, which requires only four manually scanned lines, is defined and experimentally demonstrated.     

Online robot calibration based on vision measurement

Robot calibration is a useful diagnostic method to improve positioning accuracy in robot production and maintenance. Unlike traditional calibration methods that require expensive equipment and complex steps, a vision-based online robot calibration method that only requires several reference images is presented in this paper. The method requires a camera that is rigidly attached to the robot end effector (EE), and a calibration board must be settled around the robot where the camera can see it. An efficient automatic approach to detect the corners from the images of the calibration board is proposed. The poses of the robot can be estimated from the detected corners. The kinematic parameters can be conducted automatically based on the known poses of the robot. Unlike in the existing self-calibration methods, the great advantage of this online self-calibration method is that the entire process of robot calibration is automatic and without any manual intervention, enabling the robot calibration to be completed online when the robot is working. Therefore, the proposed approach is particularly suitable for unknown environments, such as deep sea or outer space. In these high-temperature and/or high-pressure environments, the shapes of the robot links are easy to change. Thus, the robot kinematic parameters are changed by allowing the robot to grab objects with different qualities to verify the performance of the online robot calibration. Experimental studies on a GOOGOL GRB3016 robot show that the proposed method has high accuracy, convenience, and high efficiency.