多傳感器融合在機(jī)器人位置感知中的應(yīng)用研究*

王海霞，吳清鋒，吳相彬，張秋怡

（廣東產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)研究院國家工業(yè)機(jī)器人質(zhì)量監(jiān)督檢驗(yàn)中心（廣東），廣東佛山 528300）

0 引言

多傳感器融合技術(shù)指的是在一個(gè)系統(tǒng)中采用多種傳感器來獲取信息，并將獲取到的信息進(jìn)行有關(guān)數(shù)據(jù)處理的一種技術(shù)。將多個(gè)同類或者不同類的傳感器安裝在機(jī)器人系統(tǒng)的不同位置進(jìn)行局部信息的獲取，再通過信息融合算法，消除多傳感器信息之間可能存在的冗余信息，形成對(duì)系統(tǒng)環(huán)境更為完整和準(zhǔn)確的理解[1]。常用的信息融合方法一般可以分為：估計(jì)方法、分類方法、推理方法和人工智能方法4大類[2]，算法常用的有卡爾曼濾波、參數(shù)模板法、貝葉斯推理、自適應(yīng)神網(wǎng)絡(luò)等。

多傳感器融合技術(shù)因其特有的優(yōu)勢(shì)，在軍事領(lǐng)域、經(jīng)濟(jì)領(lǐng)域、機(jī)器人智能領(lǐng)域、醫(yī)療領(lǐng)域等應(yīng)有廣泛。隨著人工智能技術(shù)的發(fā)展[3]，小型化、便攜化的傳感器技術(shù)的發(fā)展及生產(chǎn)工藝水平的提高，為基于多傳感器的信息融合技術(shù)在機(jī)器人中的應(yīng)用提供了更多可能[4]。圖1所示為不同種類的小型傳感器圖。

不同種類的傳感器對(duì)信息的獲取有著不同的方法和原理，視覺傳感器（如單雙目相機(jī)、RGB-D相機(jī)、可見光相機(jī)等）的測(cè)量精度高，但測(cè)量速度低、測(cè)量范圍受限、容易受光照強(qiáng)度影響；慣性測(cè)量單元（IMU）通過內(nèi)置的三軸陀螺儀和加速度計(jì)測(cè)量物體自身在空間中的角速度和加速度，以此來估計(jì)出物體的位姿，在短時(shí)間內(nèi)對(duì)載體運(yùn)動(dòng)的估計(jì)十分準(zhǔn)確，但內(nèi)置的陀螺儀會(huì)存在時(shí)飄誤差，且隨著測(cè)量時(shí)間越久，誤差越大，從而影響慣性測(cè)量的精度[5]。若采用多傳感器信息融合技術(shù)，將IMU 和視覺傳感器組合使用，可構(gòu)成視覺慣性里程計(jì)，對(duì)物體的運(yùn)動(dòng)姿態(tài)進(jìn)行更準(zhǔn)確的跟蹤，滿足單一類別的傳感器測(cè)量方法無法兼顧的速度、實(shí)時(shí)性、精度等測(cè)量要求。

圖1 不同種類的小型傳感器

多傳感器信息融合技術(shù)使得不同傳感器間得到優(yōu)勢(shì)互補(bǔ)，增強(qiáng)了系統(tǒng)的可靠性和容錯(cuò)性[6]，相對(duì)于單一傳感器而言，具有全面感知周圍環(huán)境、全面精準(zhǔn)定位、躲避障礙等優(yōu)勢(shì)，能讓機(jī)器人更好地運(yùn)用在復(fù)雜環(huán)境中，提高了機(jī)器人在自主定位導(dǎo)航、避障、位姿測(cè)量等方面的精度。

本文重點(diǎn)討論了多傳感器融合技術(shù)在機(jī)器人位置感知中的3種代表性應(yīng)用，闡述了應(yīng)用融合結(jié)構(gòu)和原理，總結(jié)了多傳感器融合技術(shù)在位置感知的應(yīng)用優(yōu)勢(shì)和現(xiàn)有技術(shù)的不足，分析預(yù)測(cè)了其發(fā)展趨勢(shì)。

1 多傳感器融合技術(shù)在機(jī)器人定位方面的應(yīng)用

1.1 室內(nèi)自主移動(dòng)機(jī)器人的室內(nèi)導(dǎo)航定位

室內(nèi)自主移動(dòng)機(jī)器人在多領(lǐng)域的應(yīng)用發(fā)展迅速，如倉儲(chǔ)物流、車間巡檢、家庭/餐飲服務(wù)等，圖2 所示為3 款不同的室內(nèi)移動(dòng)機(jī)器人。在室內(nèi)自主移動(dòng)機(jī)器人執(zhí)行任務(wù)過程中，實(shí)時(shí)獲取準(zhǔn)確的位置信息并進(jìn)行路徑規(guī)劃運(yùn)動(dòng)（即定位）非常重要。室內(nèi)移動(dòng)機(jī)器人的定位，目前采用的主流方法是使用即時(shí)定位與地圖構(gòu)建（Simultaneous Localization and Mapping，SLAM）技術(shù)，SLAM 算法按使用傳感器的不同，可以分為視覺SLAM和激光雷達(dá)SLAM兩大類。

圖2 室內(nèi)移動(dòng)機(jī)器人

激光雷達(dá)傳感器雖然有著測(cè)量精度高、測(cè)量距離遠(yuǎn)的優(yōu)點(diǎn)，但無法檢測(cè)到透明材質(zhì)的物體，會(huì)導(dǎo)致構(gòu)建的地圖障礙物信息不完整的現(xiàn)象。石長興[7]采用基于卡爾曼濾波器的定位算法，將激光雷達(dá)作為主傳感器與里程計(jì)配合使用，進(jìn)行聯(lián)合定位，利用卡爾曼濾波進(jìn)行傳感器的信息融合，估計(jì)機(jī)器人的位姿，以此獲取更高的定位精度。采用視覺傳感器作為信息源的SLAM技術(shù)，存在著一些固有問題，如對(duì)于高速運(yùn)動(dòng)場(chǎng)景，會(huì)造成運(yùn)動(dòng)模糊，給特征點(diǎn)提取與匹配造成一定影響；對(duì)環(huán)境光照變化敏感，造成信息的丟失等。潘楊杰[8]融合了雙目視覺-里程計(jì)-IMU 傳感器，提出了一種基于圖優(yōu)化的視覺多傳感器融合的定位算法，首先對(duì)里程計(jì)和IMU 進(jìn)行建模、標(biāo)定和矯正，再利用擴(kuò)展卡爾曼濾波算法融合里程計(jì)與IMU 的位姿信息，該方法與直接采用里程計(jì)獲取定位信息相比，在定位精度上有大幅度的提升。也有學(xué)者采用射頻識(shí)別（RFID）和IMU傳感器進(jìn)行仿真試驗(yàn)，提出了室內(nèi)軌跡估計(jì)方法，對(duì)目標(biāo)進(jìn)行了有效跟蹤[9]。

1.2 無人機(jī)的實(shí)時(shí)定位

無人機(jī)現(xiàn)已廣泛應(yīng)用在軍事領(lǐng)域、電力行業(yè)巡檢、農(nóng)林植保、航拍攝影等方面中，在這些過程中，定位精度不夠、無法精準(zhǔn)避障、路徑規(guī)劃不準(zhǔn)等問題都會(huì)制約著無人機(jī)進(jìn)一步的發(fā)展與普及，提高無人機(jī)實(shí)時(shí)定位與避障技術(shù)的精準(zhǔn)性對(duì)保證無人機(jī)飛行時(shí)的安全和可靠顯得尤為重要。楊嘉珩[10]采用全球衛(wèi)星定位系統(tǒng)（Global Navigation Satellite System，GNSS）、IMU、雙目視覺傳感器（Stereo Visual）構(gòu)建了多傳感器融合的算法框架，完成位姿跟蹤與定位工作。利用GNSS提供的全局信息進(jìn)行校準(zhǔn)，利用IMU 提供的載體運(yùn)動(dòng)信息進(jìn)行輔助定位、利用雙目相機(jī)獲取的圖像信息進(jìn)行位姿跟蹤，充分發(fā)揮了各種傳感器的優(yōu)勢(shì)，實(shí)現(xiàn)傳感器間的優(yōu)勢(shì)互補(bǔ)，能應(yīng)對(duì)GNSS定位失敗、運(yùn)動(dòng)模糊、視覺特征缺失等問題。圖3所示為基于多傳感器融合的定位過程。

圖3 基于多傳感器融合的定位過程

多傳感器融合技術(shù)在室內(nèi)自主移動(dòng)機(jī)器人和無人機(jī)定位的應(yīng)用，均大體使用了IMU 和視覺傳感器為主，輔助以其他傳感器，使機(jī)器人獲取的信息更加完善，避免了單一傳感器的局限性，根據(jù)不同傳感器獲取數(shù)據(jù)特性，結(jié)合適當(dāng)?shù)男畔⑷诤纤惴ǎ瑴p少了傳感器測(cè)量帶來的定位誤差，實(shí)現(xiàn)信息互補(bǔ)的效果，進(jìn)而達(dá)到了提升機(jī)器人定位精度的目的。

2 多傳感器融合技術(shù)在機(jī)器人避障方面的應(yīng)用

機(jī)器人在運(yùn)動(dòng)過程中，需要具備能感知周圍環(huán)境是否存在障礙物的功能，然后根據(jù)障礙物信息進(jìn)行路徑規(guī)劃，規(guī)避障礙，安全到達(dá)指定目的地[11]。當(dāng)機(jī)器人處在復(fù)雜環(huán)境時(shí)，采用單一傳感器來感知周圍環(huán)境中的障礙物信息，其感知能力差，感知誤差大，因此，很多研究人員提出將多傳感器信息融合技術(shù)運(yùn)用在對(duì)機(jī)器人的避障檢測(cè)方面，以此提高檢測(cè)精度。

王中立[12]使用了視覺傳感器、超聲波傳感器、紅外線傳感器3種傳感器，來實(shí)現(xiàn)對(duì)周圍障礙物信息的感知。首先使用視覺傳感器獲取機(jī)器人周圍的障礙物信息，并結(jié)合圖像處理技術(shù)，對(duì)障礙物的位置進(jìn)行粗略估計(jì)，再使用超聲波傳感器和紅外線傳感器對(duì)障礙物進(jìn)行檢測(cè)，得到障礙物的準(zhǔn)確位置。將三種傳感器各自得到信息，利用聯(lián)合卡爾曼濾波方法進(jìn)行數(shù)據(jù)融合，最終得到障礙物信息位置的最佳估計(jì)。蘇衍保[13]將多傳感器融合技術(shù)應(yīng)用在了迎賓機(jī)器人的避障方面，利用雙目相機(jī)、超聲波傳感器、紅外傳感器及電子羅盤獲取機(jī)器人運(yùn)動(dòng)環(huán)境的信息，從而建立機(jī)器人的運(yùn)動(dòng)模型，設(shè)計(jì)適用于迎賓機(jī)器人的模糊神經(jīng)網(wǎng)絡(luò)信息融合算法。該方法克服了超聲波易受外界干擾，紅外線傳感器測(cè)量距離短的缺點(diǎn)，提高了機(jī)器人避障的準(zhǔn)確性。

機(jī)器人的自主避障是機(jī)器人智能化的重要體現(xiàn)之一，機(jī)器人的避障技術(shù)離不開視覺傳感器、紅外傳感器和超聲波傳感器等多種傳感器的配合。在機(jī)器人系統(tǒng)里，多采用超聲波傳感器和紅外傳感器來獲取環(huán)境信息，比起使用單一的傳感器而言，能獲取更加全面的環(huán)境信息，得到障礙物的準(zhǔn)確位置，從而達(dá)到精準(zhǔn)避障的目的，有利于各類移動(dòng)機(jī)器人的推廣和使用。

3 多傳感器融合技術(shù)在機(jī)器人位姿精度測(cè)量的應(yīng)用

機(jī)器人在機(jī)械加工引起的精度誤差、安裝和磨損誤差、傳動(dòng)誤差、負(fù)載變化及環(huán)境影響會(huì)導(dǎo)致機(jī)器人末端執(zhí)行器實(shí)際位置偏離預(yù)期的位置，造成位姿誤差[14]。位姿誤差是衡量機(jī)器人性能的重要指標(biāo)，將多傳感器融合技術(shù)運(yùn)用在其末端的位姿測(cè)量，是提高其位姿測(cè)量精度的一種方法，相較于激光跟蹤儀法，該方法測(cè)試流程機(jī)動(dòng)簡便，價(jià)格便宜，應(yīng)用潛力更廣。

鄭志紅等[15]根據(jù)搬運(yùn)機(jī)器人的一般模型，提出了基于多傳感器信息融合的機(jī)器人貨物檢測(cè)及搬運(yùn)方法，使用安裝在機(jī)器人末端執(zhí)行器上的視覺傳感器和超聲波傳感器獲取目標(biāo)貨物的位置信息和其形狀、尺度信息，使用多維力傳感器對(duì)機(jī)器人的手臂、關(guān)節(jié)進(jìn)行受力感知，最后將得到的各分量信息進(jìn)行數(shù)據(jù)融合，通過現(xiàn)場(chǎng)總線技術(shù)控制搬運(yùn)機(jī)器人的末端執(zhí)行器以合適的位姿和力度準(zhǔn)確抓取物件。

張?zhí)祺隱16]融合了基于IMU 和單目視覺的兩種主流位姿測(cè)量方法，將安裝在多個(gè)關(guān)節(jié)上的IMU 測(cè)量得到的末端位姿結(jié)果作為預(yù)測(cè)模型，將單個(gè)IMU 和相機(jī)測(cè)量得到的位姿結(jié)果作為觀測(cè)模型。當(dāng)沒有采集到視覺信息時(shí)，采用卡爾曼濾波對(duì)以上兩種IMU 得到的測(cè)量數(shù)據(jù)進(jìn)行融合，當(dāng)采集到視覺信息時(shí)，采用H∞濾波對(duì)IMU和視覺傳感器得到的測(cè)量數(shù)據(jù)進(jìn)行融合。該模型有效地解決了IMU 的時(shí)飄問題和視覺傳感器測(cè)量速度低、測(cè)量范圍受限的問題，提高了機(jī)械臂末端位姿測(cè)量的精度和魯棒性。

多傳感器組合進(jìn)行位姿測(cè)量不僅應(yīng)用在機(jī)械臂末端的位姿精度測(cè)量方面，還可運(yùn)用在其他位姿測(cè)量中，國外學(xué)者Lange等[17]等利用相機(jī)從標(biāo)靶上提取的信息與IMU測(cè)量得到的俯仰角和橫滾角姿態(tài)信息進(jìn)行融合，得到多旋翼平臺(tái)的位置信息。Blanc[18]將IMU 和視覺標(biāo)靶安裝在頭盔上，利用視覺傳感器測(cè)量得到的數(shù)據(jù)去補(bǔ)償IMU 的時(shí)飄誤差，實(shí)現(xiàn)了很好的跟蹤效果。

多傳感器融合計(jì)算在機(jī)器人位姿精度檢測(cè)的應(yīng)用中，主要是利用IMU 傳感器和視覺傳感器，一般是利用基于自適應(yīng)參數(shù)機(jī)動(dòng)目標(biāo)模型的Kalman濾波，進(jìn)行位姿解算，得到位姿精度的測(cè)量。多傳感器融合技術(shù)對(duì)機(jī)器人位姿的估計(jì)和算法，精度要求高，測(cè)量干擾多，涉及運(yùn)動(dòng)學(xué)參數(shù)多，算法相對(duì)較復(fù)雜，流程較多，故常常涉及的融合技術(shù)是多種融合模型相結(jié)合，同時(shí)需選取適當(dāng)?shù)淖藨B(tài)解算方法。

多傳感器融合技術(shù)在機(jī)器人位置感知中的有廣闊的發(fā)展前景，發(fā)展方向主要有以下兩個(gè)方面：一是不同數(shù)據(jù)融合模型的結(jié)合算法方面，如利用數(shù)據(jù)冗余減少錯(cuò)誤性、不精確性和不確定性數(shù)據(jù)缺陷的影響，以及數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)維度等[19]；二是傳感器硬件精度方面，機(jī)器人位置感知對(duì)傳感器精度要求較高，常用的傳感器精度部分還無法滿足需求。

4 結(jié)束語

本文綜述了多傳感器融合技術(shù)的研究現(xiàn)狀，通過3 種典型的應(yīng)用場(chǎng)景，論述了其在機(jī)器人位置感知應(yīng)用，說明了超聲雷達(dá)、IMU、視覺傳感器、超聲波傳感器、紅外線傳感器的使用原理，總結(jié)了不同場(chǎng)景應(yīng)用特點(diǎn)和優(yōu)勢(shì)。得出如下結(jié)論。

（1）采用單一的傳感器獲取信息，往往不夠全面可靠。多傳感器信息融合技術(shù)實(shí)現(xiàn)了傳感器間的優(yōu)勢(shì)互補(bǔ)，增強(qiáng)了系統(tǒng)的穩(wěn)定性和容錯(cuò)性，為實(shí)現(xiàn)機(jī)器人位置感知的高精度、高穩(wěn)定性提供了可能，具有研究前景，在機(jī)器人的智能化發(fā)展中起著重大作用。

（2）定位導(dǎo)航主要采用激光雷達(dá)和視覺傳感器；避障主要采用視覺傳感器、超聲波傳感器、紅外線傳感器結(jié)合；位姿精度檢測(cè)則采用IMU 和視覺傳感器較多；卡爾曼濾波數(shù)據(jù)融合算法在機(jī)器人位姿感知中應(yīng)用較多。

（3）為滿足更多應(yīng)用場(chǎng)景和領(lǐng)域，機(jī)器人位置感知中的多傳感器融合技術(shù)仍需進(jìn)一步突破不用數(shù)據(jù)融合模型的結(jié)合算法，傳感器硬件精度仍需進(jìn)一步提高。