机器人感知智能 课件 第6章 机器人感知系统智能化.pptx

机器人感知智能;信息融合所涉及的主要领域包括：模式识别、智能制造系统、无人机驾驶、目标检测与跟踪、人工智能、航空航天应用、图像分析处理等；

由于该技术涉及到的研究内容种类丰富，领域广泛，目前还没有普遍适用且明确的定义。不同国家的学者对信息融合的定义有着不同的表述；

根据国内外的观点，信息融合的定义为：按照一定的规则，使用计算机技术对特定时序获得的若干异质或同质的传感观测信息进行分析、提取和综合，是一种用于对所需要的目标进行估计与决策的信息处理过程。

信息融合是近些年发展起来的技术，由许多学科领域交叉融合形成，在机器人信息处理的过程中被广泛应用。;（一）分布式：先对各个独立传感器所获得的原始数据进行局部处理，然后再将结果送入信息融合中心进行智能优化组合来获得最终的结果。分布式对通信带宽的需求低、计算速度快、可靠性和延续性好，但跟踪的精度却远没有集中式高；分布式的融合结构又可以分为带反馈的分布式融合结构和不带反馈的分布式融合结构。

（二）集中式：集中式将各传感器获得的原始数据直接送至中央处理器进行融合处理，可以实现实时融合，其数据处理的精度高，算法灵活，缺点是对处理器的要求高，可靠性较低，数据量大，故难于实现；

（三）混合式：混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传感器采用分布式融合方式。混合式融合框架具有较强的适应能力，兼顾了集中式融合和分布式的优点，稳定性强。混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了通信和计算上的代价。;二、多传感器信息融合;二、多传感器信息融合;一、自主车辆机器人中的传感器融合技术;（一）跨领域融合：主要关注跨领域知识迁移和不同特征空间的融合，解决了由于源域和目标域在不同的有限元表示空间中的多模态数据，能够支持基于决策的融合医学人机交互产生的多源数据研究情节。

（二）增量分类器融合：由于医疗机器人引入了附加信息、大量数据或数据的动态增长数据导致收敛开销显著增加，这不能满足实时融合决策的要求。增量???类器融合可以通过以下方式优化互补模态数据：对多模态数据进行联合聚类，更快地得到决策结果。

（三）数据不完整的多传感器融合：主要处理部分丢失的原始感知数据。例如，传统的融合机制无法处理数据集中包含的不完整数据。虽然它可以直接删除不完整的数据，并做出融合决策仅基于剩余的完整数据，不完整数据中包含的有价值信息的丢失将影响融合决策的准确性和综合性。因此，核聚变机制基于不完全数据的医学人机交互是非常必要的。;一、系统中传感器的类型、分辨率以及精度

二、传感器在机器人本体上的布置位置

三、系统的通信能力和计算能力

四、系统的设计目标

五、系统的拓扑结构;一、相机传感器;二、惯性测量单元;三、里程计模型;三、里程计模型;四、激光雷达传感器模型;四、激光雷达传感器模型;一、多传感器融合分类;（二）特征层的融合;（三）决策层的融合;二、多传感器融合策略;（二）卡尔曼滤波法;（三）模糊逻辑;（四）神经网络算法;（五）贝叶斯估计;（六）D-S证据理论;三、隐马尔可夫模型与贝叶斯模型;一、微型惯性单元与视觉数据融合;一、微型惯性单元与视觉数据融合;二、2D激光雷达与RGB-D相机信息融合;;;;三、视觉惯性激光雷达;物理层：也叫做传感器层，负责原始信号的采集，获取物理世界的信息；

应用服务层：把采集到的信息进行局部功能封装，成为具有特定服务功能的模块；

应用开发层：借助第三方开发工具、算法等对下层的功能模块进一步集成；

应用层：面向最终的用户，针对具体应用定制自己的系统。;机器人感知系统标准化工作的必要性：

一、仿人机器人智能化很大程度上取决于其感知能力，其传感器种类越来越多，对可重用和互置换的要求迫在眉睫；

二、现场总线的标准各自为政，需要统一的通信协议来约束，方便用户的操作；

三、国家的战略需求，国内机器人及传感器产业现状迫切需要制订的相应的标准，实现工业化级别的规模生产，降低制造成本。;主控模块主要是进行各种信息数据的处理，可以让每一个功能模块都能更好的来完成它们各自的任务。;一、气体传感器;二、温度传感器;在机器人感知系统设计方面，现阶段较为成熟的是就是统一建模语言（UnifiedModelingLanguage,UML，UML在面向对象模型的表示方面得到了广泛的认可。;UML的主要特点：

（一）统一的标准。UML统一了众多方法中的基本概念，并被OMG接受为标准的建模语言，越来越多的开发人员和厂商开始支持并使用UML进行软件开发。

（二）UML吸取了其它流派的长处，包括一些非常规方法的影响，同时也溶入了软件工程领域的新思想、新方法和新技术，它是开发者依据最优方法和丰富的计算机科学实践经验综合提炼而成的。

（三）UML在演变过程中提出了一些新的概念，如模板、扩