买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明提出了一种基于DSmT理论的移动机器人声纳数据融合方法，解决了获取的声纳数据在冲突情况下的融合问题，实现步骤为：通过声纳传感器获取信息，建立声纳传感器测量模型；依据测量模型将声纳探测扇形区域划分为：空旷区域和可占据区域；将移动机器人的二维平面环境栅格化，给出栅格的判别框架，建立判别框架下的信度赋值计算模型；构建在约束条件下不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。本发明将DSmT理论应用到了移动机器人的声纳数据融合中，解决了冲突数据的融合问题，使得对机器人周围栅格状态的判断更为准确，可用于实际应用中移动机器人在未知环境中的地图创建。

主权项：1.一种基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，包括有以下步骤：1通过声纳传感器获取信息，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不同方向的声纳传感器获取周围环境的信息，建立声纳传感器的测量模型：由声纳的声波发射角和最大测量距离，构成声纳探测扇形区域范围，设声纳返回的测量值为该扇形区域内距声纳距离最近目标的距离测量值；2依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为：空旷区域和可占据区域：2a空旷区域：[0,R‑ε，在该区域内，存在障碍物的概率为0，其中R是指声纳返回的测量距离，ε是指声纳的测量误差；2b可占据区域：[R‑ε,R+ε]，在该区域内，不存在障碍物的概率为0；3对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型：3a对移动机器人所处的二维平面环境进行栅格化，每个栅格代表了80*80cm的空间大小，判断栅格的状态为三种：空、有障碍物、未知；3b根据DSmT理论，给出栅格状态的判别框架Ω：Ω＝{E,O}，其中，E代表空，O代表有障碍物；3c依据声纳传感器的测量模型和测量区域的划分，建立移动机器人周围栅格在判别框架Ω＝{E,O}下的信度赋值计算模型，根据栅格所在的区域，信度赋值计算模型分为声纳测量的空旷区域的信度赋值计算模型、声纳测量的可占据区域的信度赋值计算模型和超过了声纳测量的可占据区域的计算模型，DSmT理论建立在超幂集的基础上，信度赋值计算模型具体包括由判别框架所构成的超幂集中的各个元素的信度赋值，每个元素的信度赋值的取值范围为[0,1]，且要求超幂集中空集这个元素的信度赋值取值为0，超幂集中所有元素的信度赋值之和为1；4建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。

全文数据：基于DSmT理论的移动机器人声纳数据融合方法技术领域[0001]本发明属于计算机技术领域，涉及数据融合，具体是一种基于DSmT理论的移动机器人声纳数据融合方法，可用于实际应用中移动机器人在未知环境中的地图创建。背景技术[0002]利用智能移动机器人探测未知复杂环境一直是国内外机器人专家研究的热点和难点课题。地图创建则是移动机器人对环境感知的一种表现形式，在未知环境中，移动机器人通过在本体装载的传感器，如声纳，激光，红外，视觉等传感器来获取周围环境的信息，并对信息进行重组以及融合，然后勾勒出周围环境的轮廓或图像并对移动机器人自身加以定位。而声纳传感器由于其低廉的价格，简便的使用方式，数据处理方便等优点，常被用来作为移动机器人的重要感知器。由于传感器自身的限制，传感器提供的数据通常包含大量的不确定性信息，这些信息常常是不完整、不精确、模糊的，有时甚至是矛盾的、错误的，直接使用感知信息进行地图创建很难得到准确的环境模型，因此通常需要对感知信息再处理，通过多感知信息的融合获得较为准确的环境信息。[0003]张勤在其发表的论文“基于信息融合的移动机器人三维环境建模技术研究”（北京邮电大学，博士学位论文，2013.1中采用D-S证据理论的方法对移动机器人的声纳传感器数据进行融合，建立未知环境中二维平面栅格地图。该方法将栅格状态分为:不可达区域、确定区域确定有障碍物或无障碍物和未知区域，通过D-S证据理论的合成规则对声纳数据进行融合。该方法的不足之处在于:所采用D-S证据理论的合成规则将融合框架下冲突焦元的信度平均分配到所有的命题元素中，但是根据D-S合成法则，当两个数据完全冲突时，无法用该法则进行合成，当两个证据高度冲突时，用该法则进行合成可能会导致与实际常理相悖的结果。[0004]湖南大学申请的专利“一种实时数据融合的移动机器人栅格地图创建方法”（专利申请号0Pl+e时，即该栅格已经超过了声纳测量的可占据区域，不在我们的讨论范围内，无需计算信度赋值。[0102]3c2由于栅格代表了80*80cm的空间大小，d为栅格中心距离声纳的距离，当dOPl+ε时，即该栅格的中心点已经超过了声纳测量的可占据区域。但栅格的中心点不在可占据区域，不能表明栅格整个就不在可占据区域，也许栅格的部分在可占据区域。因此，为了判断栅格部分是否在可占据区域，将距离的判断缩进50厘米，进一步比较d-50与OPl+ε的关系：[0103]①当1-500Pl+e时，栅格没有处于声纳测量的可占据区域，则超过了声纳测量的可占据区域的计算模型为：[0108][0109]⑷建立在约束条件下的不同时刻声纳数据的组合规则：[0110]4a栅格状态判别框架下的超幂集为:ϋΩ={Φ，Ε，0，Ευ〇，Εη〇}，对于超幂集中的EU0表示未知状态，将某个栅格部分被障碍物占有，部分为空的情况，S卩Eη0，直接归为有障碍物情况，因此，设定Eno=φ为约束条件。依据每一个仿真步所得到的声纳传感器测量数据，计算移动机器人周围栅格在判别框架Ω={Ε，0}下的信度赋值。[0111]4b在约束条件Eη0=Φ下，采用DSmT混合组合规则将前t-ι时刻栅格状态信度的融合结果，与依据当前t时刻声纳测量数据计算的栅格信度赋值进行融合。在DSmT理论框架下，多个证据的组合计算可以用两个证据的组合的计算递推得到，具体如图5所示，其中，ml，m2.·.mn，分别表不tl，t2,···，tn时刻的同一栅格的状态信度赋值。[0112]本发明在DSmT理论框架下提出了对声纳测量的建模方法，并运用DSmT融合算法对移动机器人本体上多个声纳获取的信息进行融合，实现了二维环境地图的实施创建，克服了已有技术的局限性，也为机器人的地图创建和导航提供了新的方法和思路。[0113]下面通过仿真的实验和结果对本发明的技术效果再做说明。[0114]实施例7[0115]基于DSmT理论的移动机器人声纳数据融合方法同实施例1-6,本发明以Pioneer2移动机器人为参照，仿真产生16个声纳传感器的测量数据，分别为移动机器人前面8个传感器的测量数据和后面8个传感器的测量数据。声纳传感器在移动机器人上的角度配置，以移动机器人前方8个声纳传感器的设置为例，如图6所示，图6中的坐标系XtOtZt为移动机器人坐标系，分别在移动机器人的顺时针和逆时针的90°，50°，30°，10°这8个方位设置了传感器，移动机器人前方共设置8个传感器，可以覆盖到所有角度范围，机器人后方8个声纳传感器的角度配置与前方配置对称。[0116]声纳传感器参数如下表所示：[0117]表1声纳传感器主要参数[0119]仿真中获得16个声纳传感器的测量数据，获得的样本数量大，声纳传感器的测量范围为0-300cm，获得了较大距离范围内的目标物体数据，声纳传感器的发射角为150,每个声纳传感器获得了较大角度范围内的目标物体数据。[0120]根据仿真实验，在本发明的声纳传感器测量模型中，测量误差为10cm，误差较小，减小了参数的精度对输出结果的影响，提高了输出结果的数据精度，融合后得到的结果更加正确可靠，对移动机器人所处的未知环境的判断更加准确，创建更加符合实际情况的地图。[0121]综上所述，本发明提出的一种基于DSmT理论的移动机器人声纳数据融合方法，旨在通过每一个仿真步所得到的机器人本体装载的多个声纳传感器测量数据，计算移动机器人周围栅格在判别框架Ω={E，0}下的信度赋值，在DSmT理论框架下，对不同仿真步的信度赋值进行融合，解决了冲突数据的融合问题，使得对机器人周围栅格状态的判断更为准确。实现步骤为：（1通过声纳传感器获取信息，建立声纳传感器的测量模型；（2依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为：空旷区域和可占据区域；（3对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型；⑷建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。本发明运用DSmT融合算法对移动机器人本体上多个声纳获取的信息进行融合，实现了二维环境地图的实施创建，克服了已有技术在数据适用性和数据精度上局限性，对机器人周围栅格状态的判断更为准确，可用于实际应用中移动机器人在未知环境中的地图创建，具有广阔的应用前景。

权利要求：1.一种基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，包括有以下步骤：1通过声纳传感器获取信息，建立声纳传感器的测量模型：移动机器人所在的未知环境，为二维平面环境，在二维平面环境中通过移动机器人本体装载的多个不同方向的声纳传感器获取周围环境的信息，建立声纳传感器的测量模型：由声纳的声波发射角和最大测量距离，构成声纳探测扇形区域范围，设声纳返回的测量值为该扇形区域内距声纳距离最近目标的距离测量值；2依据声纳传感器的测量模型，将声纳探测扇形区域范围划分为:空旷区域和可占据区域：2a空旷区域：[0，R-〇，在该区域内，存在障碍物的概率为0,其中R是指声纳返回的测量距离，ε是指声纳的测量误差；2b可占据区域：[R-ε，R+e]，在该区域内，不存在障碍物的概率为0;3对移动机器人所处的二维平面环境进行栅格化，给出栅格状态的判别框架，建立该判别框架下的信度赋值的计算模型：3a对移动机器人所处的二维平面环境进行栅格化，每个栅格代表了80*80cm的空间大小，判断栅格的状态为三种:空、有障碍物、未知；3b根据DSmT理论，给出栅格状态的判别框架Ω:Ω={E，0}，其中，E代表空，O代表有障碍物；3c依据声纳传感器的测量模型和测量区域的划分，建立移动机器人周围栅格在判别框架Ω={E，0}下的信度赋值计算模型，根据栅格所在的区域，信度赋值计算模型分为声纳测量的空旷区域的信度赋值计算模型、声纳测量的可占据区域的信度赋值计算模型和超过了声纳测量的可占据区域的计算模型，DSmT理论建立在超幂集的基础上，信度赋值计算模型具体包括由判别框架所构成的超幂集中的各个元素的信度赋值，每个元素的信度赋值的取值范围为[〇，1]，且要求超幂集中空集这个元素的信度赋值取值为〇,超幂集中所有元素的信度赋值之和为1;4建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，根据不同时刻声纳数据的DSmT混合组合规则完成移动机器人声纳数据的融合。2.根据权利要求1所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，步骤4中所述的建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则是指，将由移动机器人本体装载的多个不同方向的声纳传感器获取到的栅格状态在空、有障碍物和未知情况下的组合信度共同形成新的组合信度，并将新的组合信度与非空特征函数0C相乘得到栅格的信度赋值。3.根据权利要求2所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，步骤4中所述的建立在约束条件下的不同时刻声纳数据的DSmT混合组合规则，具体计算公式为：其中，πη·和m2·为来自两个不同数据源的基本信度赋值，muΩ表示带有约束条件的信度融合结果，μ为约束条件EnO=Φ，其中Φ为绝对空集;C为栅格的状态，CeDfl，0C为非空特征函数，如果CS0，则0C取值为‘0’，否则为T，为约束条件集，Φ表示绝对空集，表示相对空集条件，S1⑹为不带任何的约束条件的DSmT组合规则，⑹为将所有的绝对空集与相对空集的组合信度赋值分配给了总未知集和相对未知集的条件下的组合规则，总未知集是指判别框架中所有命题的并集，S3⑹为将冲突焦元的组合信度分配到了冲突焦元的并集上的条件下的组合规则。4.根据权利要求1或2或3所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，步骤4中所述的根据不同时刻声纳数据的DSmT混合组合规则完成声纳数据的融合包括有如下步骤：4a栅格状态判别框架Ω下的超幂集:Dfl={®，E，0，EUO，En〇}iSEn〇=c为约束条件，其中Φ为绝对空集，Dfl为由判别框架Ω中的命题元素加上通过并运算：U和交运算：η所组成的复合命题的集合；4b在约束条件Eη0=Φ下，采用DSmT混合组合规则将前t-ι时刻栅格状态信度的融合结果，与依据当前t时刻声纳测量数据计算的栅格信度赋值进行融合，完成移动机器人在未知环境的二维平面中通过声纳传感器获得的周围环境信息的声纳数据的融合。5.根据权利要求4所述的基于DSmT理论的移动机器人声纳数据融合方法，其特征在于，4b中所述的采用DSmT混合组合规则将前t-Ι时刻栅格状态信度的融合结果，与依据当前t时刻声纳测量数据计算的栅格信度赋值进行融合，具体包括有：其中，HiljΩ⑹表示第i行，第j列栅格的信度融合结果，CeDfl，0C为非空特征函数，融合的约束条件为:Eη0=Φ;C取值分别为超幂集Dfl中的Φ、0、E和EU0时的栅格的4种状态信度融合计算过程和结果myΩ⑹如下：1C=Φ，贝丨JmijΦ=0;2C=0,即有障碍物状态：非空特征函数0σ=1，则:ΠΗj⑼=S1⑼+S2⑼+S3⑼，其中：S2⑼=0,S3⑼=0;3C=E，即空状态：非空特征函数，则:HHj⑹=S1⑻+S2⑹+S3⑹，其中：S2⑹=O，S3⑹=0;⑷C=EU0,即未知状态：非空特征函数，则:mijEU0=S1EU0+S2EU0+S3EU0，其中：S2⑹=0，在上述栅格的4种状态信度融合的计算过程中表示在t-Ι时刻的该栅格状态信度的融合结果，表示依据t时刻的声纳测量数据计算的栅格状态信度赋值。

百度查询： 西安电子科技大学 基于DSmT理论的移动机器人声纳数据融合方法