机器人感知智能 教案-第6章 机器人感知系统智能化.doc

PAGE

PAGE27

授课周次

第周

授课时间

2024年月日至2024年月日

课程章节

第6章机器人感知系统智能化

6.2机器人感知系统控制

6.2.1机器人感知系统概述

6.2.2主控电路设计

6.2.3多传感器接口设计

6.2.4UML机器人感知系统设计

6.2.5传感器通讯模块设计

6.2.6控制系统硬件设计

6.2.7控制系统软件设计

教学目的

1、掌握机器人感知系统基本结构；

2、了解机器人感知系统硬件设计；

3、了解机器人感知系统软件设计。

内容提要及板书设计

第6章机器人感知系统智能化

6.2机器人感知系统控制

6.2.1机器人感知系统概述

6.2.2主控电路设计

6.2.3多传感器接口设计

6.2.4UML机器人感知系统设计

6.2.5传感器通讯模块设计

6.2.6控制系统硬件设计

6.2.7控制系统软件设计

重点、难点及解决方案

重点：机器人感知系统基本结构

难点：机器人感知系统硬件设计

教学内容时间分配

序号

教学内容

学时分配

1

机器人感知系统基本结构

40

2

机器人感知系统硬件设计

20

3

机器人感知系统软件设计

30

4

5

教学手段

讲解

教学形式

（在右栏勾选）

理实一体（）理论教学（?）

实验（）实训（）上机（）

作业

作业完成方式

书面（）电子（）

教学后记

附页：第周

序号

具体内容（课堂组织和教学过程设计）

授课改进意见及实时教学效果记录

6.1多传感器信息融合

6.1.1多传感器信息融合概念

一、信息融合

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。

二、多传感器信息融合

根据数据处理方法的不同，信息融合系统的体系结构有三种：分布式、集中式和混合式。

（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。

信息融合的三个主要特征如下：

（一）信息融合是一个多源、多级的信息处理过程，每一级都代表着不同层次的图像抽象。

（二）信息融合包含信息的检测、互联、相关、估计和组合等步骤。

（三）信息融合的结果包含低层次的局部状态估计和高层次的全局状态估计。

图6.3紧耦合状态估计流程图

6.1.2几种机器人中的多传感器融合

自主车辆机器人中的传感器融合技术

有三种主要方法来融合检测到的数据：

高层次融合（HLF）

低层次融合（LLF）

中级融合（MLF）

在HLF方法中，每个传感器独立地执行目标检测，并随后组合这些检测。因此，对象检测是在可用信息有限的地方进行的，因为如果存在多个重叠对象和工件，则HLF会丢弃置信值较低的分类。相反，LLF在原始数据级别结合了来自不同传感器类型的数据，从而保留了所有信息，并潜在地提高了目标检测的准确性。MLF也称为特征级融合，它融合了从相应传感器数据中提取的多目标特征（原始测量），例如来自图像的颜色信息或雷达的位置特征，并且随后对融合的特征执行识别和分类。

医疗人机交互场景下的多传感器融合

通过监控用户的实时状态，成为智能医疗服务不可或缺的一部分。基于混合人体传感器网络体系结构的多传感器融合（HBMF）旨在支持最先进的智能医疗服务，它结合了各种传