重庆大学信息融合考试大题模版智能小车的多传感器数据融合.pdf
- 文档编号:3178548
- 上传时间:2022-11-19
- 格式:PDF
- 页数:3
- 大小:191.85KB
重庆大学信息融合考试大题模版智能小车的多传感器数据融合.pdf
《重庆大学信息融合考试大题模版智能小车的多传感器数据融合.pdf》由会员分享,可在线阅读,更多相关《重庆大学信息融合考试大题模版智能小车的多传感器数据融合.pdf(3页珍藏版)》请在冰豆网上搜索。
智能小车的多传感器数据融合陈懂,刘,金世俊(东南大学仪器科学与工程系江苏南京210096)摘要:
智能车辆是近年来发展起来的一门新兴综合技术,在军事、科研和工业中有广阔的应用前景。
以电动小车为研究对象,分析了智能小车传感系统的各种特征值,包括智能小车的状态特征值和道路环境特征值,并建立了相应的坐标系。
根据小车行驶的实际情况,设计了智能小车的多传感器系统,包括:
传感器的种类、数量以及在智能小车上的安装位置。
重点讨论了多传感器数据融合结构和融合算法。
智能小车多传感器的数据融合结构采用混合式,融合算法采用贝叶斯推理法。
关键词:
多传感器;数据融合;智能车辆;贝叶斯推理法中图分类号:
TP312文献标识码:
B文章编号:
1004373X(2005)0600303MultisensoryDataFusionofIntelligentMiniVehicleCHENDong,LIUJing,JINShijun(DepartmentofInstrumentScience&Engineering,SoutheastUniversity,Nanjing,210096,China)Abstract:
Intelligentvehicleisanewintegrativetechniquedevelopedinrecentyears1Itiswidelyappliedtomilitary,scienceresearchandindustryareas1Anelectricalvehicleastheresearchingobjectandallkindsofeigenvalues,includingstatevaluesofintelligentvehicleandenvironmentalvaluesoftheroadsareanalysed1Arelativecoordinateissetupaccordingly1BasedontheIntelligentminivehicle,amultisensorsystemisdesigned1Thefixedpositionforeachsensorisgiven1Thearchitectureandarithmeticofmultisensorsystemisalsointroduced1ThisintelligentvehicleisbasedonthehybridmodelandBayesestimation1Keywords:
multisensor;datafusion;intelligentvehicle;Bayesestimation收稿日期:
200412121引言智能车辆(intelligentvehicle)又叫轮式移动机器人,是一个集环境感知、规划决策、自动行驶等功能于一体的综合系统,他集中地运用了计算机、传感、信息、通讯、导航、人工智能及自动控制等技术,是典型的高新技术综合体。
智能车辆,首先来自军事上的需要。
利用智能车辆代替人类进行侦查从而减少伤亡取得胜利,一直都是各国军事部门的研究重点。
智能车辆在科学研究领域也有广泛的应用。
今年1月,美国发射的“勇气”号和“机遇”号火星探测器,实质上都是装备先进的智能车辆。
随着技术的不断发展,智能车辆技术在民用方面也获得了广泛的应用,给人们的生活带来巨大的影响。
例如智能车辆技术能提高道路网络的利用率、降低车辆的燃油消耗量,尤其在改进道路交通安全等方面提供了新的解决途径。
智能车辆的传感系统相当于人的感官系统。
人对外界事物的感知,往往不是通过一个感觉器官获得的,而是通过各个感觉器官综合得到的。
对于智能车辆,一个准确的外界信息和自身状态信息,往往也不是直接由一个单一的传感器获得的,而是由多个相同或不同类型的传感器共同获得的,这些传感器的信息往往是互补的。
因此,多个传感器信号的融合,对于智能车辆非常重要,他在很大程度上决定了智能车辆的智能化水平。
本文以电动小车为研究对象,设计其多传感器系统,并讨论其数据融合结构和融合算法。
2智能小车的特征值要实现自动行驶,智能小车的传感系统必须通过各类传感器,获取2类特征信号:
智能小车的状态特征;道路环境特征。
为了研究智能小车的运行状态和轨迹,必须建立如图1所示的直角坐标系:
小车的出发点为原点,小车出发时的方向为x轴正方向,与之垂直的左侧方向为y轴正方向。
状态特征包括以下几个参数:
速度智能小车的行驶速度。
方向智能小车车身与x轴之间的夹角。
如图1中角。
转向智能小车的转向角,即前轮与车身的夹角。
如3现代电子技术2005年第6期总第197期?
电子元器件?
1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.图1中角。
位移智能小车从出发点到目前所在位置所行驶的距离。
加速度智能小车行驶的加速度。
转向角速度智能小车左右方向的角速度。
侧倾角速度智能小车侧向倾斜的角速度。
俯仰角速度智能小车车头、车尾上下运动的角速度。
图1智能小车的状态特征环境特征包括以下几个参数:
与道路边界的距离智能小车车身不同部位与道路边界的距离。
如图2所示。
图2智能小车的环境特征与障碍物的距离智能小车与障碍物之间的距离。
障碍物的大小智能小车前方障碍物的宽度。
3智能小车多传感系统的设计在小车上安装多个相同或不同类型的传感器,来获取智能小车的各种特征值。
1个CCD摄像头,安装于小车车头的前上方,实时拍摄小车前方的道路图像,获取小车所在道路环境的特征值,包括:
道路边界的距离、障碍物的大小和距离。
4个红外传感器,分别安装于小车车身的4角,用于探测小车附近是否存在障碍物。
4个超声传感器,分别安装于小车车身的4角,用于获取小车周围障碍物的距离。
4个霍尔传感器,分别安装于小车的2个前轮,每个前轮安装2个霍尔传感器,用于检测小车行驶的距离,通过微分获取小车行驶的速度。
3个角速度传感器,安装于小车底盘的中部,其中一个作为左右角速度传感器,用于检测小车的转向;另一个作为侧倾角速度传感器,用于检测小车车身的侧倾程度;第三个作为俯仰角速度传感器,用作检测小车车身前后的倾斜度,以判断小车是否上下陡坡。
一个加速度传感器,安装于小车底盘的中部,用于检测小车的加速度,通过积分获取小车的速度和行驶距离。
智能小车的传感器分布,如图3所示。
图3智能小车的多传感器分布4智能小车多传感器的数据融合多传感器数据融合是针对一个系统中使用多个和(或)多类的传感器这一特定问题展开的一种新的数据处理方法。
美国国防部对数据融合的定义为:
数据融合是一个多级、多层面的数据处理过程,主要完成对多个信息源的数据进行自动检测、关联、相关、估计及组合等的处理。
多传感器系统是数据融合的硬件基础,多源信息是数据融合的加工对象,协调优化和综合处理是数据融合的核心。
数据融合的结构有多种不同的分类方法。
根据传感器数据在送入融合处理中心之前已经处理的程度来分,融合结构被分为传感器级融合(也称为自主式融合、分布式融合或后传感器处理融合等)、中央级数据融合(也称为集中式融合或前传感器处理融合等)及混合式融合,混合式融合是指既有传感器级融合也有中央级融合。
如果各传感器使用独立的物理信号来产生信息,也就是说他们接收到的是物体不同物理特性方面的信号,采用传感器级融合结构是对目标进行检测的最好方法。
中央级融合结构中,每个传感器都将经过最小程度处理的量测数据传输给融合处理器。
一般,中央级融合方法比传感器级融合方法复杂,处理数据的速度要求高,这是因为集中式结构要处理的数据只由各传感器做最小程度的处理。
中央级融合算法需要对输入的数据进行处理,以获得目标的特征和属性。
混合式融合结构中,增加各传感器信号处理算法作为中央级数据融合的补充,中央级数据融合又作为传感器级数据融合的输入。
智能小车多传感器的数据融合结构采用混合式,如图4所示。
贝叶斯推理是一种基于贝叶斯法则的统计融合算法。
在给定证据的条件下,贝叶斯推理能够提供一种计算条件概率即后验概率的方法。
假设在某一事件H发生的条件下,求任意另一事件E发生的概率。
这个概率由式
(1)给出:
P(EH)=P(EH)P(H)
(1)4传感器技术陈懂等:
智能小车的多传感器数据融合1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.P(EH)表示在发生事件H的条件下发生事件E的概率。
当事件H发生的概率为零时,则不定义此时的条件概率。
假设事件H是由一系列互斥且穷尽的假设事件构成,即假设事件H1,Hn的并集是整个样本空间,那么任一事件E可以表示为与所有假设事件Hj交集的并集,即:
E=EH1EH1EHn
(2)图4智能小车多传感器数据融合模型因为各EHj是互斥的,所以可以把各EHj对应事件的概率求和:
P(E)=nj=1P(EHj)(3)由式
(1),式
(2),式(3)得:
P(E)=nj=1P(EHj)P(Hj)(4)在贝叶斯推理中,我们关心的是在给定证据E的情况下,假设事件Hi发生的概率,可用式(5)表示:
P(HiE)=P(EHi)P(E)(5)导出贝叶斯推理法则:
P(HiE)=P(EHi)P(Hi)jP(EHj)P(Hj)(6)式中P(HiE)为在给定证据E的情况下,假设事件Hi发生的后验概率;P(EHi)为在假设事件Hi发生的条件下,证据E出现的概率;jP(EHj)P(Hj)为出现证据的全概率。
当贝叶斯推理应用于智能小车的特征值的数据融合时,用多种传感器对某一特征值进行检测,每个传感器利用自身的观测数据和算法来对物体的特征值进行估算。
每个传感器以前建立的(先验知识)一些算法特性(可以是理论上的也可以是通过实验获取的)能提供给一个条件概率。
然后,对每个特征值使用式
(1)的推广式,最后形成每个特征值更新了的联合判断概率,从而提高智能小车检测的准确度和精度。
5结语智能小车多传感器数据融合与单传感器处理相比,多传感器系统的复杂性大大增加,多传感器在解决探测、跟踪和识别等问题方面,具有以下特点:
(1)生存能力强。
在有若干传感器不能工作时,总有一种传感器可以提供信息。
(2)扩展了空间覆盖范围。
通过多个交叠覆盖的传感器左右区域,扩展了空间的覆盖范围。
(3)提高了可信度。
(4)改进了探测性能。
对目标的多种测量的有效融合,提高了探测的有效性。
然而,多传感器数据融合是一门跨学科的综合理论和方法,尚未形成基本的理论框架和有效广义模型及算法。
融合系统的容错性和稳定性没有得到很好的解决。
参考文献1美LawrenceA1Klein1多传感器数据融合理论及应用M1戴亚平,刘征,郁光辉译1北京:
北京理工大学出版社,200412何希才,薛永毅1传感器及其应用实例M1北京:
机械工业出版社,200413刘同明,夏祖勋,解洪成1数据融合技术及应用M1北京:
国防工业出版社,200014李圣怡,吴学忠,范大鹏1多传感器融合理论及在智能制造系统中的应用M1长沙:
国防科技大学出版社,199815多传感器数据融合1赵宗贵等译1电子工业部28所,199716康耀红1数据融合理论与应用M1西安:
西安电子科技大学出版社,199717WhiteFE1JointDirectionsofLaboratoriesDataFusionSubpanelReport:
SIGINTsession1Tech1Proc1JointServiceDataFusionSymposium,Vol1I,DFS90,1990,46948418DataFusionDevelopmentStrategyPanel,FunctionalDescriptionoftheDataFusionProcess1Office
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 重庆大学 信息 融合 考试 模版 智能 小车 传感器 数据
![提示](https://static.bdocx.com/images/bang_tan.gif)