提供一种使用传感器融合来导航无人驾驶运载工具的方法和装置。这种方法包括：使用至少两个传感器来测量多个参数，这些传感器感测无人驾驶运载工具的位置估计发结果；选择性地组合所测得的参数；在预定范围内检测所述参数的变化；利用估计和误差分布来估计由传感器数据的未知状态和期望数据偏差所表示的无人驾驶运载工具的位置。该装置是可扩展的，所以在任何环境条件下它能够容易地被扩展和压缩。该装置也是生存力强的，所以如果一个传感器源丢失或者出现故障，对整个系统来说不是灾难性的，而仅仅减低相关指数的误差估计。该装置也是模块化的，因此它能够容易地确定何种传感器负责何种感测。
Method and apparatus for operating unmanned vehicle using sensor fusion
A method and apparatus for navigating unmanned vehicles using sensor fusion is provided. This method includes: using at least two sensors to measure multiple parameters, the sensor senses the unmanned vehicle position estimation results; selectively combining the measured parameters; detecting changes of the parameters within a predetermined range; using estimation and error estimation of cloth represented by the unknown state sensor data and the expected data deviation position of the unmanned vehicle. The device is extensible, so it can be easily expanded and compressed under any environmental conditions. The device is also survivable, so if a sensor source is missing or faulty, it is not catastrophic for the entire system, and only reduces the error estimate of the correlation index. The device is modular, so it can easily determine which sensors are responsible for sensing.
【技术实现步骤摘要】
本专利技术涉及一种导航无人驾驶运载工具的方法和装置，尤其涉及一种执行传感器融合(sensor fusion)的方法和系统，用于无人驾驶运载工具的导航。
技术介绍
当前，传感器数据融合技术(sensor data fusion)不能对所确定的问题提供精确的解决方案。当确定使用数据融合的解决方案时，尽管可以利用众所周知的内核(例如卡尔曼(Kalman)滤波器方案)，但是研究人员通常仍需要建立一种定制的方法。实现使用这种方法来组合数据的系统，有时会大大增加计算的复杂度，从而使系统的实现变得非重困难和昂贵。已提出一系列的估算器，然而仅仅其中的少部分可以在实际情形下被应用，并且具有限制，这是因为估算器必须实时地运行。传感器数据融合中的主要方法使用普通KF(KalmanFiltering，卡尔曼滤波)技术、EKF(Extended Kalman Filtering，扩展卡尔曼滤波)技术、CI(Covariance Intersection，协方差交叉)、HMM(Hidden MarkovModel，隐马尔可夫模型)、POMDP(Partially Observable Markov DecisionProcess，部分可观测的马尔可夫判定过程)、或利用贝叶斯判决规则的网络(Bayesian Network)解决方案。上述的任何一种技术都存在其自身限制和使用范围。一个主要的限制在于必须使用依赖于分布的模型。在EKF的情况下，必须计算互相关的结果。在POMDP的情况下，必须分析一些过程的先前和当前状态(情况)之间的弱连接(low link)。相应的，存在几种众所周知的建立传感器结构的方法。最常见的传感器结构是分散化融合结构(decentralized fusionstructure)、分布式融合结构(distributed fusion structure)、联合融合结构(federated fusion structure)和分层融合结构(hierarchical fusion structure)。这些结构的每一种都有若干优点和缺点。分散化和分布式融合结构是可扩展的、生存力强的以及模块化的。但是，这些结构具有一个缺点，就是误差估计依赖于融合信道。联合和分层融合结构具有一些优点，就是对于每个融合级(fusion cascade)，递归误差估计(recursive error estimation)是可能的，以及模块化是可能的。然而，这些融合结构是不可扩展的、并且生存力低。在移动机器人领域中的传感器数据融合是通过使用两种或三种主要方法来完成的。到目前为止，EKF毫无疑问是主要的状态估计技术。EKF是基于与所估计的状态轨迹(state trajectory)相关的观测方程(observation equation)和状态转变(state transition)的一阶泰勒近似。因此EKF的应用是依照所需要的导数存在的假定而定的，并且可以采用合理的努力来获得。泰勒线性化在很多情形下不能提供一种足够精确的表示，并且由于过于粗略的近似而常常会遇到显著的偏移，甚至收敛问题。可以利用几种比EKF更完善的估计技术，例如，重复迭代、高阶滤波、和统计线性化。这些更先进的技术通常提高了估计的精确性，但是这些改进的出现是以实施中的进一步复杂化和计算量的增加为代价的。
技术实现思路
本专利技术提供一种使用传感器融合系统来导航无人驾驶运载工具的方法和装置，该传感器融合系统是可扩展的、生存力强的和模块化的。根据本专利技术的一个方面，提供一种导航无人驾驶运载工具的方法，包括使用至少两个感测无人驾驶运载工具的位置估计的结果的传感器来测量多个参数；选择性地组合所测量的参数；在预定范围内检测所述参数的变化；利用估计值和误差分布来估计由传感器数据和期望的数据偏差所表示的无人驾驶运载工具的位置。在参数的测量中，首先接收源信号。然后，利用快速傅立叶变换将源信号转换成频域信号，并且计算频谱密度函数。然后，多项式被拟合到频谱相关的表达和信号相关的表达，以及计算相应的相关函数和相应的系数。根据本专利技术的另一方面，提供一种利用传感器融合来导航无人驾驶运载工具的装置，该装置包括传感器信道单元，包括传感器和控制信号序列，它从传感器提取原始数据，并发送该原始数据到预处理层；交叉信道模型计算/反馈支持单元，它计算包括互相关和自相关信道的相关结果，以执行融合算法，支持信道参数的误差反馈，并获得对信号处理表达的误差估计；估算分解单元，它生成正交权函数的线性组合，生成一组用于对应于信号关键特性的估计信号表达的权函数，并获得根据误差估计方程的误差补偿的规则；估计迭加单元，将估计分解单元生成的权函数迭加到一组分解权系数上，将对应的一组分布的随机值的估计迭加到所测量的信号值上；最终结果计算单元，它提取与最终结果计算相关的必要信息，根据无人驾驶运载工具的位置和当前状态来提取与定位相关的关键特征，将最终结果和环境状态相互关联，并获得关于无人驾驶运载工具位置的未换算和未校正的信息。传感器信道单元通过利用快速傅立叶变换处理信号数据来分析频域信号。传感器信道单元跟踪频谱函数的状态，预测并分析传感器信道单元的状态，利用自回归方法和最小均方误差方法来将多项式拟合到频谱函数，使用传感器信道的抽象模型获得传感器信道的关键参数，并根据环境条件在某些时候调谐传感器信道。交叉信道模型计算/反馈支持单元根据通过积分卷积得到的原始信号变换来计算相关函数，或者通过使用频谱函数和功率谱函数来计算相关函数。当使用频谱函数和功率铺函数计算相关函数时，交叉信道模型计算/反馈支持单元利用频谱函数和功率谱函数来确定信号信道中的交叉噪声加权，分析信号频谱函数，提取关于早期阶段的环境信息，获得互相关结果、误差最小化反馈支持和传感器信道的关键频率。本专利技术也提供一种计算机可读记录介质，其中记录有执行上面描述的方法的计算机程序。附图说明通过参照附图详细描述本专利技术的示例性实施例，本专利技术的上述和其他特征及优点将更加明显，其中图1是根据本专利技术实施例的通过使用传感器融合操纵无人驾驶运载工具的装置的方框图；图2是图1的装置的详细方框图；图3是图1的装置的构造的方框图；图4说明运载工具的位置信息(X，Y，和θ)；和图5说明包含关于运载工具的信息的原始信号。具体实施例方式现在将对本专利技术进行详细描述。1.简介本专利技术提供一种新的传感器数据融合技术，它利用类似对象分层的结构(object-like layered structure)的方法。传感器数据融合技术基于由卡南-络维分解(Karhunen-Loewe decomposition)方法的多维扩展(multi-dimensionalextension)所获得的非线性变换(non-linear transformation)的近似。这种方法的原理不同于传统的滤波技术。由于卡南-络维分解方法，所以不需要用于内插(interpolation)的导数。因为基于从传感信号所计算的频谱方程的自回归多项式拟合(auto-regression polynomial fitting)的原理，甚至不需要预定义的方程。当然，多项式的阶数必须有一个上限。尽管多传感器数据融合技术的实施与基于泰勒近似的过滤相比一样复杂，但计算量可本文档来自技高网...
【技术保护点】
一种导航无人驾驶运载工具的方法，包括：使用至少两个传感器来测量多个参数，其中所述传感器感测所述无人驾驶运载工具的位置估计的结果；选择性地组合所测量的参数；在期望范围内检测所述参数的变化；利用估计和误差分布来估计由传感器数据和期望的数据偏差所表示的无人驾驶运载工具的位置。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：博尔戴里夫瑟古艾，沈俊锡，卢庆植，韩宇燮，权雄，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：KR[韩国]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。