基于DSmT理论的移动机器人声纳数据融合方法技术

本发明专利技术提出了一种基于DSmT理论的移动机器人声纳数据融合方法，解决了获取的声纳数据在冲突情况下的融合问题，实现步骤为：通过声纳传感器获取信息，建立声纳传感器测量模型；依据测量模型将声纳探测扇形区域划分为：空旷区域和可占据区域；将移动机器人的二维平面环境栅格化，给出栅格的判别框架，建立判别框架下的信度赋值计算模型；构建在约束条件下不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。本发明专利技术将DSmT理论应用到了移动机器人的声纳数据融合中，解决了冲突数据的融合问题，使得对机器人周围栅格状态的判断更为准确，可用于实际应用中移动机器人在未知环境中的地图创建。

【技术实现步骤摘要】
基于DSmT理论的移动机器人声纳数据融合方法
本专利技术属于计算机
，涉及数据融合，具体是一种基于DSmT理论的移动机器人声纳数据融合方法，可用于实际应用中移动机器人在未知环境中的地图创建。
技术介绍
利用智能移动机器人探测未知复杂环境一直是国内外机器人专家研究的热点和难点课题。地图创建则是移动机器人对环境感知的一种表现形式，在未知环境中，移动机器人通过在本体装载的传感器,如声纳，激光，红外，视觉等传感器来获取周围环境的信息，并对信息进行重组以及融合，然后勾勒出周围环境的轮廓或图像并对移动机器人自身加以定位。而声纳传感器由于其低廉的价格，简便的使用方式，数据处理方便等优点，常被用来作为移动机器人的重要感知器。由于传感器自身的限制，传感器提供的数据通常包含大量的不确定性信息，这些信息常常是不完整、不精确、模糊的，有时甚至是矛盾的、错误的，直接使用感知信息进行地图创建很难得到准确的环境模型，因此通常需要对感知信息再处理，通过多感知信息的融合获得较为准确的环境信息。张勤在其发表的论文“基于信息融合的移动机器人三维环境建模技术研究”(北京邮电大学，博士学位论文，2013.1)中采用D-S证据理论的方法对移动机器人的声纳传感器数据进行融合，建立未知环境中二维平面栅格地图。该方法将栅格状态分为：不可达区域、确定区域(确定有障碍物或无障碍物)和未知区域，通过D-S证据理论的合成规则对声纳数据进行融合。该方法的不足之处在于：所采用D-S证据理论的合成规则将融合框架下冲突焦元的信度平均分配到所有的命题元素中，但是根据D-S合成法则，当两个数据完全冲突时，无法用该法则进行合成，当两个证据高度冲突时，用该法则进行合成可能会导致与实际常理相悖的结果。湖南大学申请的专利“一种实时数据融合的移动机器人栅格地图创建方法”(专利申请号：CN200810143537.8，公开号：CN101413806)中公开了一种采用神经网络和贝叶斯理论的声纳数据融合方法。该方法提取与当前计算栅格单元距离最近的三个声纳传感器在同一时刻的测量值，作为神经网络的输入，神经网络的输入为栅格的状态：空闲、被占用和不确定状态，最后采用贝叶斯规则更新栅格的状态。该专利申请公开的方法存在的不足是：神经网络参数的确定需要大量样本数据的支持，且参数的精度对输出结果影响较大，融合结果的可靠性也会受到影响。在移动机器人的创建地图过程中，现有技术对于声纳数据的融合处理中，不能解决冲突数据的融合问题，且运算量大没有达到最高效率，参数的精度也影响了输出结果，影响了地图创建结果的可靠性。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提出了一种更加准确可靠的基于DSmT理论的移动机器人声纳数据融合方法。本专利技术是一种基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，包括有以下步骤：(1)通过声纳传感器获取信息，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不同方向的声纳传感器获取周围环境的信息，并建立声纳传感器的测量模型：由声纳的声波发射角和最大测量距离，构成声纳探测扇形区域范围，设声纳返回的测量值为该扇形区域内距声纳距离最近目标的距离测量值；(2)依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为：空旷区域和可占据区域：(2a)空旷区域：[0,R-ε)，在该区域内，存在障碍物的概率为0，其中R是指声纳返回的测量距离，ε是指声纳的测量误差；(2b)可占据区域：[R-ε,R+ε]，在该区域内，不存在障碍物的概率为0；(3)对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型：(3a)对移动机器人所处的二维平面环境进行栅格化，每个栅格代表了80*80cm的空间大小，判断栅格的状态为三种：空、有障碍物、未知；(3b)根据DSmT理论，给出栅格状态的判别框架Ω：Ω＝{E,O}，其中，E代表空，O代表有障碍物；(3c)依据声纳传感器的测量模型和测量区域的划分，建立移动机器人周围栅格在判别框架Ω＝{E,O}下的信度赋值计算模型，根据栅格所在的区域，信度赋值计算模型分为声纳测量的空旷区域的信度赋值计算模型、声纳测量的可占据区域的信度赋值计算模型和超过了声纳测量的可占据区域的计算模型，DSmT理论建立在超幂集的基础上，信度赋值计算模型具体包括由判别框架所构成的超幂集中的各个元素的信度赋值，每个元素的信度赋值的取值范围为[0,1]，且要求超幂集中空集这个元素的信度赋值取值为0，超幂集中所有元素的信度赋值之和为1；(4)建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成声纳数据的融合。本专利技术通过DSmT理论对不同时刻的声纳传感器测量数据进行融合，判断移动机器人周围栅格的状态：无障碍物、有障碍物和未知，成功解决了声纳数据在冲突情况下的融合问题。本专利技术与现有技术相比，具有如下优点：第一，本专利技术通过DSmT理论对不同时刻的声纳传感器测量数据进行融合，判断移动机器人周围栅格的状态，设定了无障碍物、有障碍物和未知三种情况，DSmT理论通过保留证据冲突项作为数据融合的焦元,将冲突焦元的组合信度分配给了未知状态的融合信度，从而可以很好地解决在证据发生高冲突情况下的信息融合问题以达到对栅格状态的有效识别。第二，本专利技术通过DSmT理论对声纳数据进行融合处理，降低了融合过程中的计算量，且不影响融合结果的可靠性。附图说明图1为本专利技术的实现流程图；图2为本专利技术使用的声纳传感器测量模型；图3为本专利技术使用的声纳的测量区域划分；图4为本专利技术使用的基于声纳传感器的栅格状态信度赋值计算模型；图5为本专利技术使用的多个证据的组合；图6为本专利技术仿真实验中移动机器人前方声纳传感器的角度设置。具体实施方式以下结合附图和具体实施例，对本专利技术详细说明。实施例1在基于声纳的地图创建中，由于声纳信息的不确定性较强，需要多个声纳传感器在不同时段获取信息，并对多个声纳信息进行融合。在目前阶段，信息融合技术的应用主要是在军事领域。现代战争已是广泛应用各种高科技，必须使用多传感器和多源信息系统，才能获得更多的战场信息，其数据处理量和处理能力远远超过单个传感器，随着雷达、红外、光电等传感器种类及数量的不断增加，多传感器信息融合技术得以广泛应用。另外，信息融合技术已逐步向多领域进行渗透。在移动机器人领域，信息融合技术的应用范围日益广泛，但仍存在许多问题，如不能完成对冲突数据的处理，比如，当两个不同的传感器获得的数据存在高度冲突，甚至是完全相反时，认为这是冲突数据，在移动机器人地图创建过程中，由于声纳传感器自身的因素，声纳传感器获取到的信息中存在着冲突数据，因此得到的地图数据精度也有待提高，为此，本专利技术展开了研究与创新，提出一种基于DSmT理论的移动机器人声纳数据融合方法，也可以说是一种移动机器人地图创建中基于DSmT理论的声纳数据融合方法，成功解决对冲突数据的融合问题，参见图1，本专利技术包括有以下步骤：(1)通过声纳传感器获取信息，依据声纳传感器的工作原理，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不本文档来自技高网...

【技术保护点】
1.一种基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，包括有以下步骤：(1)通过声纳传感器获取信息，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不同方向的声纳传感器获取周围环境的信息，建立声纳传感器的测量模型：由声纳的声波发射角和最大测量距离，构成声纳探测扇形区域范围，设声纳返回的测量值为该扇形区域内距声纳距离最近目标的距离测量值；(2)依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为：空旷区域和可占据区域：(2a)空旷区域：[0,R‑ε)，在该区域内，存在障碍物的概率为0，其中R是指声纳返回的测量距离，ε是指声纳的测量误差；(2b)可占据区域：[R‑ε,R+ε]，在该区域内，不存在障碍物的概率为0；(3)对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型：(3a)对移动机器人所处的二维平面环境进行栅格化，每个栅格代表了80*80cm的空间大小，判断栅格的状态为三种：空、有障碍物、未知；(3b)根据DSmT理论，给出栅格状态的判别框架Ω：Ω＝{E,O}，其中，E代表空，O代表有障碍物；(3c)依据声纳传感器的测量模型和测量区域的划分，建立移动机器人周围栅格在判别框架Ω＝{E,O}下的信度赋值计算模型，根据栅格所在的区域，信度赋值计算模型分为声纳测量的空旷区域的信度赋值计算模型、声纳测量的可占据区域的信度赋值计算模型和超过了声纳测量的可占据区域的计算模型，DSmT理论建立在超幂集的基础上，信度赋值计算模型具体包括由判别框架所构成的超幂集中的各个元素的信度赋值，每个元素的信度赋值的取值范围为[0,1]，且要求超幂集中空集这个元素的信度赋值取值为0，超幂集中所有元素的信度赋值之和为1；(4)建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。...

【技术特征摘要】
1.一种基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，包括有以下步骤：(1)通过声纳传感器获取信息，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不同方向的声纳传感器获取周围环境的信息，建立声纳传感器的测量模型：由声纳的声波发射角和最大测量距离，构成声纳探测扇形区域范围，设声纳返回的测量值为该扇形区域内距声纳距离最近目标的距离测量值；(2)依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为：空旷区域和可占据区域：(2a)空旷区域：[0,R-ε)，在该区域内，存在障碍物的概率为0，其中R是指声纳返回的测量距离，ε是指声纳的测量误差；(2b)可占据区域：[R-ε,R+ε]，在该区域内，不存在障碍物的概率为0；(3)对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型：(3a)对移动机器人所处的二维平面环境进行栅格化，每个栅格代表了80*80cm的空间大小，判断栅格的状态为三种：空、有障碍物、未知；(3b)根据DSmT理论，给出栅格状态的判别框架Ω：Ω＝{E,O}，其中，E代表空，O代表有障碍物；(3c)依据声纳传感器的测量模型和测量区域的划分，建立移动机器人周围栅格在判别框架Ω＝{E,O}下的信度赋值计算模型，根据栅格所在的区域，信度赋值计算模型分为声纳测量的空旷区域的信度赋值计算模型、声纳测量的可占据区域的信度赋值计算模型和超过了声纳测量的可占据区域的计算模型，DSmT理论建立在超幂集的基础上，信度赋值计算模型具体包括由判别框架所构成的超幂集中的各个元素的信度赋值，每个元素的信度赋值的取值范围为[0,1]，且要求超幂集中空集这个元素的信度赋值取值为0，超幂集中所有元素的信度赋值之和为1；(4)建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。2.根据权利要求1所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，步骤4中所述的建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则是指，将由移动机器人本体装载的多个不同方向的声纳传感器获取到的栅格状态在空、有障碍物和未知情况下的组合信度共同形成新的组合信度，并将新的组合信度与非空特征函数相乘得到栅格的信度赋值。3.根据权利要求2所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，步骤4中所述的建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，具体计算公式为：其...

【专利技术属性】
技术研发人员：柴慧敏，吕少楠，方敏，赵昀瑶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61