基于多傳感器融合的位姿檢測系統(tǒng)發(fā)展現(xiàn)

　　摘 要：基于多傳感器融合的位姿檢測系統(tǒng)不僅提供高精度的位姿信息和高效的穩(wěn)定性, 還能有效降低檢測成本。在工業(yè)生產(chǎn)、健康監(jiān)測、軍事等領(lǐng)域具有極大的應(yīng)用潛力。本文淺析了多傳感器融合的位姿檢測系統(tǒng)在國內(nèi)外的發(fā)展歷程和現(xiàn)狀, 以及未來發(fā)展方向。

　　關(guān)鍵詞：信息融合; 位姿檢測; 發(fā)展現(xiàn)狀

　　基金： 山東勞動職業(yè)技術(shù)學(xué)院科技類項目:基于多傳感器融合的位姿檢測系統(tǒng) (2018KJ01);

　　1 研究背景及意義

　　所謂位姿檢測是指實時測量待檢測物體的俯仰、橫滾、偏航三維姿態(tài)信息以及角速度、角加速度等輔助信息。其在健康監(jiān)控 (如老年人跌倒檢測) 、機器人運動控制、汽車電子、交互式游戲、虛擬運動場景等領(lǐng)域存在著廣泛應(yīng)用。目前位姿檢測方法層出不窮, 大體可以分為基于慣性傳感器、磁阻傳感器、壓力傳感器、全球定位系統(tǒng) (GPS) 等設(shè)備采集到的信息進行位姿推斷, 以及利用檢測載體周圍環(huán)境信息如紅外溫度、視頻信息等的變化進行姿態(tài)的解析。

　　隨著科技的發(fā)展, 微電子機械系統(tǒng)技術(shù) (MEMS) 得到了突飛猛進的進步, 進而產(chǎn)生了一大批新一代高性能的慣性傳感器, 其主要功能是實時采集運動物體的加速度、角速度、角度等姿態(tài)信息, 然而MEMS慣性傳感器存在著漂移誤差等問題;磁阻傳感器作為一種通過測量地球磁場來確定待測物體的姿態(tài)信息具有較好的靈敏度和零漂誤差, 但是當(dāng)其受到其他磁場的干擾時產(chǎn)生較大的誤差。除此之外, 該方法只能獲得載體的航向角信息;利用GPS的相位干涉原理和天線布陣技術(shù)可以獲得目標(biāo)物的姿態(tài)信息, 但是無法滿足室內(nèi)環(huán)境和小型化的需求;另外采用檢測載體周圍環(huán)境信息外溫的變化進行位姿解析的方法因外界環(huán)境變化而帶來較大測量誤差。伴隨著工業(yè)信息化快速發(fā)展, 精準(zhǔn)、穩(wěn)定的姿態(tài)檢測在軍事、工業(yè)等領(lǐng)域需求不斷擴大, 并提出了更高要求。

　　采用單一檢測手段無法滿足高精度、低擾動的要求, 因此基于多傳感器信息融合的姿態(tài)檢測系統(tǒng)逐漸受到人們的青睞與關(guān)注。信息融合概念最早于1973年由美國海軍提出, 通過融合多個獨立聲吶探測器跟蹤敵方潛艇, 表現(xiàn)出較好的性能。隨著技術(shù)的完善, 信息融合技術(shù)逐漸成為各個領(lǐng)域發(fā)展的新方向。基于多傳感器融合的姿態(tài)檢測技術(shù)就是在一個待測對象中采用兩種或者兩種以上的姿態(tài)檢測方法, 綜合融合多種姿態(tài)檢測優(yōu)點, 相互配合。充分發(fā)揮每種姿態(tài)檢測方法的優(yōu)勢, 同時彌補各自在檢測中的不足。同時, 擴大檢測范圍, 豐富姿態(tài)檢測的內(nèi)容。對傳感器的輸出特性進行融合后, 需要通過數(shù)據(jù)融合算法進行再處理已得到精準(zhǔn)的姿態(tài)信息。采用融合技術(shù)不僅能夠?qū)崿F(xiàn)低成本的設(shè)計需要還能夠有效改善其精度, 擴展其功能, 實現(xiàn)實時性的優(yōu)化估計。

　　2 研究現(xiàn)狀

　　國內(nèi)外的研究者早已開展了多傳感器融合位姿檢測的研究。隨著研究的深入, 涌現(xiàn)出一大批滿足高精度需求的成果。1997年, 美國成功發(fā)射了火星登陸車。其位姿檢測系統(tǒng)主要由陀螺儀、加速度計、測距儀、電子羅盤、圖像采集攝像機等傳感器組成。利用擴展卡爾曼濾波算法、導(dǎo)航信息融合算法和航向推測法進行位姿檢測。這是最早進行實際應(yīng)用也是較為成功的多傳感器融合姿態(tài)檢測案例。張小馳等人設(shè)計了一種基于多傳感器融合的摔倒檢測算法。采用加速度傳感器、電子羅盤與微處理器組成的數(shù)據(jù)采集模塊, 將采集到的數(shù)據(jù)通過無線模塊傳輸?shù)缴衔粰C進行分析和處理, 根據(jù)閾值進行異常姿態(tài)檢測。最終, 綜合加速度和姿態(tài)角的分析結(jié)果給出準(zhǔn)確的檢測結(jié)論。

　　孫長庫等人于2017年提出了基于慣性傳感器和單目視覺的組合檢測姿態(tài)方法。通過實驗得到最終的仰角、橫滾角和航偏角的均方根誤差分別為0.1561°、0.2017°和0.3624°。較小的均方根誤差表明其具有較好的穩(wěn)定性。盡管基于視覺的姿態(tài)檢測技術(shù)還不是很成熟, 但是利用多傳感器融合技術(shù)獲取了精準(zhǔn)的位置信息。多傳感器信息融合姿態(tài)檢測技術(shù)也廣泛應(yīng)用于水下機器人的航向控制系統(tǒng)中。澳大利亞悉尼大學(xué)的機器人研究中心于2005年研制了一種用于勘察海底珊瑚礁環(huán)境的水下無人潛航器�；�于內(nèi)部的光纖陀螺儀、羅盤和傾斜傳感器進行信息融合, 同時處理掉陀螺儀的噪聲干擾并進行溫度補償處理, 得到潛航器正確的偏航角以進行航向控制。

　　3 小結(jié)

　　多傳感器融合位姿檢測技術(shù)為實現(xiàn)高精度、高穩(wěn)定性位姿檢測提供可能。對于航空、航海等技術(shù)發(fā)展具有深遠影響。然而, 目前高精度姿態(tài)傳感器價格昂貴, 在低成本檢測原件基礎(chǔ)上借助數(shù)據(jù)融合算法是提高檢測精度的有效手段。多性能、多功能的傳感器融合結(jié)構(gòu)是未來多傳感器面臨的主要方向。目前的融合算法各自都有不足, 如何將多種算法融合起來, 構(gòu)建合理的算法結(jié)構(gòu)是多傳感器融合面臨的一個難題。

　　參考文獻

　　[1]張小馳, 陳天華, 許繼平等.基于多傳感器融合的摔倒檢測算法的研究[J].計算機測量與控制, 2015, 23 (06) :2237-2240.[2]孫長庫, 徐懷遠, 張寶尚, 王鵬, 郭肖亭.基于IMU與單目視覺融合的姿態(tài)測量方法[J].天津大學(xué)學(xué)報 (自然科學(xué)與工程技術(shù)版) , 2017, 50 (03) :313-320.[3]Williams S, Mahon I.Design of an Unmanned Underwater Vehicle for Reef Surveying[C].IFAC Symposium on Mechatronic Systems, Manly NSW, Australia.2005 (06) .[4]李帥陽, 武凌羽, 張長毛等.基于多傳感器的微型四旋翼室內(nèi)自主懸停研究[J].應(yīng)用科技, 2017, 44 (06) :60-65.[5]張曉兵.獨輪機器人姿態(tài)檢測信息融合算法的研究[D].哈爾濱工業(yè)大學(xué), 2015.

　　推薦閱讀：《化學(xué)傳感器》(季刊)創(chuàng)刊于1981年，是經(jīng)國家科委批準(zhǔn)，中國科學(xué)技術(shù)協(xié)會主管、中國儀器儀表學(xué)會主辦的專業(yè)科技刊物。

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/18660.html