一种用于路径规划机器人的多传感信息融合系统及其控制方法技术方案

本发明专利技术公开了一种用于路径规划机器人的多传感信息融合系统及其控制方法，包括，对多传感器的原始观测数据进行统计分析，完成原始数据保存以及原始数据之间的关联性的数据层信息融合模块；对从原始数据中提取的特征向量进行联合，对特征向量进行计算和处理，针对特征向量进行融合处理，进一步减小原始数据的处理量，提高系统处理速度和实时性的特征层信息融合模块；对同一观测目标进行独立的数据处理，包括原始观测数据预处理、原始信息特征提取和对目标识别的判断，根据各自的测量结果得出初步结论，然后将各传感器结论进行融合，得出观测目标的最终判断结果的决策层信息融合模块，从而对多传感器的信息进行融合得到总的数据部署。

【技术实现步骤摘要】
一种用于路径规划机器人的多传感信息融合系统及其控制方法
本专利技术涉及一种多传感器信息融合技术，尤其是一种用于路径规划机器人的多传感信息融合系统及其控制方法。
技术介绍
多传感器信息融合是综合处理信息的过程，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释，在这个过程中要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。现有的受限于2DLidar工作方式，对于空中障碍物以及立体方向出现的物体无法探测和避让，从而导致机器人产生碰撞，造成信息融合出现偏差，而面临大数据运算时会形成数据存储的堆积，从而影响多传感器信息融合系统的响应速度；在应对不同的路径线路时会造成多传感器检测数据与实际表现数据不符造成服务机器人行驶路径发生偏移。
技术实现思路
专利技术目的：提供一种用于路径规划机器人的多传感信息融合系统，以解决上述问题。技术方案：一种用于路径规划机器人的多传感信息融合系统，包括：对多传感器的原始观测数据进行统计分析的数据层信息融合模块；对原始数据中提取的特征向量进行联合的特征层信息融合模块；对同一观测目标进行独立的数据处理的决策层信息融合模块。根据本专利技术的一个方面，所述数据层信息融合通过对多传感器的原始观测数据进行统计分析，完成原始数据保存以及原始数据之间的关联性，使测量结果精确，通过数据层信息融合运算以及卡尔曼滤波对原始数据进行调整；所述特征层信息融合是对原始数据中提取的特征向量进行联合，对特征向量进行计算和处理，对特征向量进行融合处理，进一步减小原始数据的处理量，提高系统处理速度和实时性，通过特征层信息融合模块运算，提高系统的精准度；所述决策层信息融合的多传感器对同一观测目标进行独立的数据处理，包括原始观测数据预处理、原始信息特征提取和对目标识别的判断，根据各自的测量结果得出初步结论，然后将各传感器结论进行融合，得出观测目标的最终判断结果。根据本专利技术的一个方面，所述多传感器通过与服务机器人运行轨迹进行匹配，进一步得出如下：通过在服务机器人前上方设置图像传感器，将图像传感器接收的光线转换为电荷并将获取的电荷进行存储以及信息转移，进一步传递标识路径信息；通过在服务机器人正前端设置4个超声波传感器，进一步获取服务机器人全方位的感知信息，调整巡检精度得到前方障碍物精准距离；通过在服务机器人电机驱动内设置霍尔传感器分析服务机器人的运行速度，进一步结合感知信息的感知距离计算出服务机器人的电机驱动距离，进而在保证匀速运行的基础上，保证服务机器人无触碰到障碍物；通过在服务机器人的正上方设置电子罗盘和加速度传感器，从而获取服务机器人运行中的三维形态，保障服务机器人的转向角、倾向角、俯仰角以及转向角加速度，倾向角加速度、俯仰角加速度，保证姿态信息的准确。根据本专利技术的一个方面，所述卡尔曼滤波根据线性离散系统的运算方式，进一步缓解大量数据存储造成数据响应降低，进而根据线性离散系统得出如下方式：式中，xt表示系统n维状态向量；wt表示p维零均值白噪声向量；At表示n*n维系统矩阵；Bt表示n*p维干扰输入矩阵；zt表示m维量测向量；Ht表示m*n维量测矩阵结合wt和vt进一步得出高斯白噪声，进而根据两者的结合得到线性连续系统离散化表达方式：根据卡尔曼滤波线性离散系统的方程式得出：zk＝Hk*xk+vk式中、结合离散化表达方式的表达方式得出，xk表示系统n维状态向量；zk表示系统m维量测向量；wk表示p维系统过程噪声；vk表示m维量测噪声；表示系统n*n维状态转移矩阵；Γk-1表示n*p维噪声输入矩阵；Hk表示m*n维量测矩阵，而方程式中的下标k表示k时刻；通过卡尔曼滤波方式的得出两个互相影响的计算回路，分别为状态更新回路和测量更新回路，进一步结合两者的独立运行回路，得出预测和校准的过程，进而调整多传感器信息回路的状态，利用线性系统状态方式，对系统输入输出观测数据进行优化，进一步获取系统运行下的最优状态。根据本专利技术的一个方面，所述信息融合是多个信息源获取的数据和信息进行关联、相关和综合，进而获得精确的位置和数据信息，以及对服务机器人的态势和威胁以及重要程度进行全面评估运算，获取准确信息处理过程，根据数据关联之间的关联构建得出映射关联，根据关联关系得出如下步骤：不同的资源描述框架数据集之间，数据集D1和数据集D2分别描述数量的万维网资源R1和资源R2；资源R2为目标数据集，而数据集D1为种子数据集，进一步根据资源R1和资源R2所标识的相同对象，从而根据资源R1和资源R2之间构成数据关联关系；将资源R1的声明应用于资源R2中，进而就能参引不同数据集中同一个事物的声明，进一步获取更多的信息；数据集D1和数据集D2则通过数据关联的建设，而得到扩张和增值，从而应对多传感器信息融合时能够准确地获取数据信息的关联。根据本专利技术的一个方面，所述多传感器对服务机器人检测范围的数据信息进行融合，进一步探测范围内障碍物的距离，而通过多传感器的信息融合方式，能够精准的获取服务机器人运行轨迹范围内的采集信息。根据本专利技术的一个方面，一种用于路径规划机器人的多传感信息融合系统的多传感器控制方法，其特征在于，根据服务机器人上设置的多传感器获取信息，判断服务机器人的路径轨迹，而根据路径轨迹得出如下步骤：通过图像传感器获取机房路面标识的图像，并对图像传感器获取的机房路面标识图像进行预处理，通过卡尔曼滤波滤除机房路面的孔洞以及干扰块；对采集获取图像信息进行分析，通过从左到右的方式扫描图像，精准获取标识在路径中的每一行的左边界点和右边界点，进一步求出两个边界点的中间值，进而作为扫面后的路径点；最后，依次将服务机器人探测的路径点进行连接，并且提取路径连接点作为服务机器人的导航基准点；根据导航基准点的设定，保证服务机器人运行轨迹发生偏移时，能够精准获取服务机器人的基准点，从而纠正服务机器人的运行轨迹；根据图像传感器的采集角度与服务机器人水平运行的距离是服务机器人的横向偏差角α，进一步衡量服务机器人偏离标识路径的程度，根据偏离数据及时纠正服务机器人偏差，而标识路径的角度是服务机器人的航向偏差，进而用于衡量标识路径的弯曲程度，从而进一步判断服务机器人运行转角和方向，使服务机器人沿标识路径运行。有益效果：本专利技术设计一种用于路径规划机器人的多传感信息融合系统，为了应对空中障碍物以及立体方向出现物体移动无法探测和避让，通过在服务机器人上增加多种感知信息电路，通过多传感的探测信息融合，取长补短，实现立体环境感知，从而做到设备精准定位、路径正确规划、运动精准控制，而通过信息融合可以运动控制功能综合路径规划、超声波定位补偿以及数据调整，融合成最终的运动控制数据，驱动行走单元，实现运动路线纠偏的功本文档来自技高网...

【技术保护点】
1.一种用于路径规划机器人的多传感信息融合系统，其特征在于，包括/n对多传感器的原始观测数据进行统计分析的数据层信息融合模块；/n对原始数据中提取的特征向量进行联合的特征层信息融合模块；/n对同一观测目标进行独立的数据处理的决策层信息融合模块。/n

【技术特征摘要】
1.一种用于路径规划机器人的多传感信息融合系统，其特征在于，包括
对多传感器的原始观测数据进行统计分析的数据层信息融合模块；
对原始数据中提取的特征向量进行联合的特征层信息融合模块；
对同一观测目标进行独立的数据处理的决策层信息融合模块。


2.根据权利要求1所述的一种用于路径规划机器人的多传感信息融合系统，其特征在于，所述数据层信息融合通过对多传感器的原始观测数据进行统计分析，完成原始数据保存以及原始数据之间的关联性，使测量结果精确，通过数据层信息融合运算以及卡尔曼滤波对原始数据进行调整；
所述特征层信息融合是对原始数据中提取的特征向量进行联合，对特征向量进行计算和处理，对特征向量进行融合处理，进一步减小原始数据的处理量，提高系统处理速度和实时性，通过特征层信息融合模块运算，提高系统的精准度；
所述决策层信息融合的多传感器对同一观测目标进行独立的数据处理，包括原始观测数据预处理、原始信息特征提取和对目标识别的判断，根据各自的测量结果得出初步结论，然后将各传感器结论进行融合，得出观测目标的最终判断结果。


3.根据权利要求1所述的一种用于路径规划机器人的多传感信息融合系统，其特征在于，所述多传感器通过与服务机器人运行轨迹进行匹配，进一步得出如下：
通过在服务机器人前上方设置图像传感器，将图像传感器接收的光线转换为电荷并将获取的电荷进行存储以及信息转移，进一步传递标识路径信息；
通过在服务机器人正前端设置4个超声波传感器，进一步获取服务机器人全方位的感知信息，调整巡检精度得到前方障碍物精准距离；
通过在服务机器人电机驱动内设置霍尔传感器分析服务机器人的运行速度，进一步结合感知信息的感知距离计算出服务机器人的电机驱动距离，进而在保证匀速运行的基础上，保证服务机器人无触碰到障碍物；
通过在服务机器人的正上方设置电子罗盘和加速度传感器，从而获取服务机器人运行中的三维形态，保障服务机器人的转向角、倾向角、俯仰角以及转向角加速度，倾向角加速度、俯仰角加速度，保证姿态信息的准确。


4.根据权利要求2所述的一种用于路径规划机器人的多传感信息融合系统，其特征在于，所述卡尔曼滤波根据线性离散系统的运算方式，进一步缓解大量数据存储造成数据响应降低，进而根据线性离散系统得出如下方式：
步骤1、






式中，xt表示系统n维状态向量；wt表示p维零均值白噪声向量；At表示n*n维系统矩阵；Bt表示n*p维干扰输入矩阵；zt表示m维量测向量；Ht表示m*n维量测矩阵
步骤11、结合wt和vt进一步得出高斯白噪声，进而根据两者的结合得到线性连续系统离散化表达方式：



步骤12、根据卡尔曼滤波线性离散系统的方程式得出：



zk＝Hk*xk+vk
式中、结合步骤11的表达方式得出，xk表示系统n维状态向量；zk表示系统m维量测...

【专利技术属性】
技术研发人员：卞林波，吴兰芬，
申请(专利权)人：南京市晨枭软件技术有限公司，
类型：发明
国别省市：江苏;32