多传感器信息融合技术的发展现状

1 多传感器信息融合技术广泛运用于工业、农业、导航定位以及智能机器人中。目 前，美国研发的 Sojourner 号火星机器人被广泛认为多传感器信息融合技术在机器人 领域中成功应用的典范，它是一个集成度高，配备彩色和黑白两种不同的视觉成像系 统的多传感器平台。对于机器人自身的状态估计，采用了速度、加速度、航向、传感 器、里程表、测距仪及立体电荷耦合器件式 CCD 视觉传感器[3]。机器人采取的融合 算法为卡尔曼滤波算法和航向推测算法[4]。83529

2  无人车自主导航的研究现状

当前国内外大多数制造商和研究者均采用雷达方法研制导航系统，并在汽车上得 以广泛运用。少数科研人员采用机器视觉方法在实验室阶段取得一定成果，但它们大 多采用单一传感器系统，例如重庆大学自动化学院周欣团队利用单目视觉技术进行障 碍检测和车距保持，他们着力解决视觉导航问题，在提取公路车道的分道线时运用多 阈值分割技术并使用圆锥曲线模型对其再次进行二维重建，最终运用卡尔曼滤波算法 对障碍物进行追踪，利用分道线模型获取所需的方向信息从而实现自主导航[5]。湖南 大学应用物理系研制出红外线避障系统。山东科技大学采用拓展的卡尔曼四阶模型在对自主导航过程威胁的目标车辆上对容易带有随机噪声的雷达信号进行滤波处理。 上述导航系统均采用单一传感器的方式，存在误差甚至错误的几率较大等问题，因此还是需要利用多传感器进行信息融合来提高传感器的精度和准确性。如美国德尔 福汽车公司采取微波、雷达等多类型传感器进行数据融合，论文网灵活运用数据之间的互补 特性和冗余性进行容错处理，弥补单一传感器检测范围小，可靠性差等缺点。多传感 器信息融合技术的应用核心在于算法的选择，而这些算法往往涉及数学，控制理论等 多学科知识，如北理工提出一种基于模糊控制理论进行信息融合的算法，提取传感器 的滤波数据特性，并经过隶属度函数和模糊控制规则库的处理后进行模糊推理，获得 系统调节值，系统的可靠性以及精确度得到很大提升。佛山科学技术学院则在数学统 计理论的基础上提出了一种简单的融合算法，对比传统的数字滤波方法效果更优。