国外手爪中多传感器数据融合技术的研究概况

近年来 ,多传感器数据融合技术已引起世界范围内的普遍关注 ,成为一个新兴的技术方向 ,并已成功地应用在军事系统、交通系统和智能机器人等研究领域。手爪是空间智能机器人的关键部件之一 ,它集成了视觉、触觉和力觉等多种传感器。为了能进行灵活和自适应的操作 ,机器人手爪必须要采用多传感器数据融合技术。该文介绍了机器人手爪中多传感器集成和数据融合技术的研究概况 ,对我国机器人的研究发展具有一定的借鉴意义。     

面向网络遥操作的多传感器集成手爪的设计

以网络遥操作为应用背景,设计了一种分层的多传感器集成手爪。设计中首先提出了包含了数据采集层、数据处理层、网络交互层等三个层次的手爪体系结构。然后提出了基于支持向量机的融合算法,并结合CAN总线等技术对手爪系统进行了逐层设计,使其具有模块化、智能化等特点。还搭建了多传感器集成手爪实验系统,完成了基于多传感器集成手爪的网络遥操作作业。实验结果表明：该手爪具有较强的局部自主能力,并有效提高了网络遥操作系统的作业能力。     

多传感器数据融合研究

数据融合技术又称多传感器数据融合或分布式传感,即对多类多源和多平台传感器数据进行组合,提供有关空间信息综合态势的一种数据处理技术。数据融合可分为：信号级数据融合、像素级数据融合、特征级数据融合和符号级数据融合。本文讨论了红外图像、可见光图像、多谱图像、雷达图像等的数据融合问题以及各级数据融合的方法。     

多传感器数据融合技术概述

多传感器数据融合技术是一门新兴前沿技术。近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。介绍多传感器数据融合的基本原理和过程,重点介绍多传感器数据融合的三个层次并对三个层次进行比较,最后论述数据融合技术的发展趋势。     

多传感器数据融合浅析

近十几年以来，多传感器数据融合技术已爱到广泛的关注，它的和方法已被应用到许多研究领域，本文主要阐述数据融合技术在Ｃ＾３Ｉ中的应用，首先介绍了多传感器数据融合的基本概念，进而以国内外发表的文献为例说明了数据融合技术已取得的进展，最后对数据融合技术进行了展望，并提出了我们的对策。     

基于多层径向基神经网络的机器人手爪腕力测量

机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的.为了获取手指上力传感器的输出变化,首先对机器人进行标定实验,得到了机器人在行走和操作工件时腕部所受的多维力的信息.分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷,设计了一种新的神经网络.3R神经网络,对机器人手爪的8个指力传感器数据进行数据融合.结果显示,该方法能大大提高手爪腕部所受的力的估测精度,从而为机器人的安全操作提供了决策依据.     

多传感器数据融合技术综述

介绍数据融合技术发展历史与研究现状,描述数据融合技术的几种典型实现方法,给出数据融合技术的主要应用,最后,对数据融合技术研究中存在的问题和发展前景进行了论述.     

对多传感器数据融合的综合研究

1多传感器数据融合的概念数据融合一词出现在20世纪70年代,并于80年代发展成一项专门技术。它是人类模仿自身信息处理能力的结果,类似人类和其他动物对复杂问题的综合处理。人类能将各种功能器官(眼、耳、鼻、四肢、皮肤)所探测到的(图像、声音、气味、触觉)与先验知识进行综合,以便对周围的环境和正在发生的事件做出估计。数据融合最早用于军     

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架 ,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法 ,以及与其他故障诊断方法相融合的方法与算法 .提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性 .检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能     

Design of multisensory integration gripper system for Internet-based teleoperation

A layered architecture of multisensory integration gripper system is first developed, which includes data acquisition layer, data processing layer and network interface layer. Then we propose a novel support-vector-machine-based data fusion algorithm and also design the gripper system by combining data fusion with CAN bus and CORBA technology, which provides the gripper system with outstanding characteristics such as modularization and intelligence. A multisensory integration gripper test bed is finally built on which a circuit board replacement job based on Internet-based teleoperation is achieved. The experimental results verify the validity of this gripper system design.     

基于神经网络的多传感器信息融合技术在移动机器人中的应用

基于模糊神经网络的多传感器信息融合,提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别,为移动机器人的导航和避障提供了一种有效的方法。     

Data acquisition, analysis and applications of multi-sensor integration

This paper presents some key techniques for multisensor integration system, which is applied to the intelligent transportation system industry and surveying and mapping industry, e.g. road surface condition detection, digital map making. The techniques are synchronization control of multisensor, spacetime benchmark for sensor data, and multisensor data fusion and mining. Firstly, synchronization control of multisensor is achieved through a synchronization control system which is composed of a time synchronization controller and some synchronization subcontrollers. The time synchronization controller can receive GPS time information from GPS satellites, relative distance information from distance measuring instrument and send spacetime information to the synchronization subcontroller. The latter can work at three types of synchronization mode, i.e. active synchronization, passive synchronization and time service synchronization. Secondly, spacetime benchmark can be established based on GPS time and global reference coordinate system, and can be obtained through position and azimuth determining system and synchronization control system. Thirdly, there are many types of data fusion and mining, e.g. GPS/Gyro/DMI data fusion, data fusion between stereophotogrammetry and PADS, data fusion between laser scanner and PADS, and data fusion between CCD camera and laser scanner. Finally, all these solutions presented in paper have been applied to two areas, i.e. landborne intelligent road detection and measurement system and 3D measurement system based on unmanned helicopter. The former has equipped some highway engineering Co., Ltd. and has been successfully put into use. The latter is an ongoing research.     

多传感器机器人数据采集与融合系统研究

根据多传感器机器人控制器数据采集量大、数据融合算法复杂、系统实时性强的特点 ,提出了基于ADμC812和TMS32 0F2 0 6的双CPU结构的机器人信息采集与数据融合系统结构 .介绍了该系统的硬件组成、基本工作原理以及接口电路 ,并给出了ADμC812子系统程序流程图 .     

多传感器数据融合与航迹预测的模型设计

文中建立了功能完整的多传感器数据融合模型,使用最邻近数据关联(NNDA)算法提取目标航迹,采用三次样条插值实现时间配准,并将传感器性能作为权重应用到航迹对的融合中,使用加权平均的方法融合航迹对.引用回声状态网络(ESN)技术实现航迹的预测.基于雷达数据在不同运动场景中测试模型性能,对于匀速直线运动和机动转弯的目标,模型具有较高的跟踪和预测精度.     

含状态约束的分布式多传感器数据融合

从理论上研究了含状态约束的分布式多传感器数据融合中的状态估计问题．在单传感器Kalman滤波方程和无约束的分布式融合算法的基础上,考虑状态等式约束条件,提出了一种新的含状态约束的分布式融合估计算法,指出并证明了该融合估计所具有的数学性质．     

同类多传感器自适应加权估计的数据级融合算法研究

针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.     

基于Cortex-M3和多传感器数据融合的咪表系统设计

针对目前咪表停车收费系统管理难和收费乱的问题,基于ARM Cortex-M3处理器提出一种运用多传感器融合技术检测车位状态的智能咪表管理系统的设计方案.阐述了系统的组成、工作原理和软硬件设计,并对设计方案进行实验验证.实验结果表明:系统的车辆检测精度较高,运行稳定,基本满足路边停车收费的要求.     

一类噪声相关多传感器系统的新型序贯式融合滤波

对于过程噪声与观测噪声一步互相关、各观测噪声一步自相关的多传感器融合滤波问题,提出了一种新的低维序贯式融合滤波算法.基于低阶迭代正交变换的思想提出了解相关的方法,将观测方程经过等价改写去除系统噪声的相关性,然后依据序贯滤波的思想,依次处理到达融合中心的观测信息,进而得到一类实时序贯式融合滤波算法.整个推导过程在线性最小均方误差意义下严格进行,能够实现系统状态的最优融合估计.最后的仿真验证了新算法在处理上述噪声相关问题上的最优性.