多传感器信息交融技能归纳了概率核算、信号处理、人工智能、操控理论等多个学科的最新科研成果，为机器人精确、全面、实时地感知各种杂乱的、动态的、不确认的不知道环境供给了一种先进的技能手段。在研讨依据多传感器交融的移动机器人避障技能的相关文献中，为获取机器人本体与障碍物的间隔信息，常常运用的传感器有超声测距传感器、红外测距传感器、里程计、GPS、激光传感器等，这些传感器均为测距类传感器，传感器之间的冗余信息量大，互补信息量少，在运用的进程中有必要供给先验常识，关于动态的、杂乱的运用场景，其效果并不抱负。对单目视觉传感器和超声测距传感器进行了信息交融，传感器间的互补信息量变大，交融成果进步了体系的鲁棒性，但单目视觉只要在特定的环境下才干得到间隔信息，仍然不能满意动态的运用场景。
1、卡尔曼滤波算法与STF交融算法
因为受杂波等搅扰信号的影响，传感器获取的间隔信息具有核算信号的特征，为确保丈量精度，需求进行参数估量，依据详细的状况，处理参数估量问题的常用办法有卡尔曼滤波、α-β滤波、α-β-γ滤波等。卡尔曼滤波算法主要有两条主线，一条是依据自协方差矩阵的运算，另一条是依据滤波值和猜测值的运算，两者经过增益矩阵联系起来。
多传感器信息交融办法大致可以分为三类，即，概率核算办法、逻辑推理办法和学习办法。运用含糊推理、D-S依据理论和发生式规矩的办法进行信息交融，这些办法都归于逻辑推理的领域;运用神经网络的办法进行信息交融，该办法归于学习办法的领域，依据这些交融算法，均达到了预期效果。本文中运用的STF交融算法则是概率核算办法的一种。
假定仿生四足机器人上的双目视觉传感器和超声测距传感器获取的状况向量的估量值分别为和，协方差矩阵分别为P1和P2，互协方差矩阵P12=P21T。当P12=P21T≈0时，为了得到状况向量和协方差矩阵的最佳估量值，可以运用STF交融算法。
体系状况向量和协方差矩阵的最佳估量分别为
2、匀速直线运动模型
匀速直线运动（constantvelocity，CV）模型。CV直线运动模型的一般描绘为：方针做CV直线运动，位移为x（t），速度为，加速度。实践状况中，速度在有随机扰动的状况下会发生细微改变，假定这个随机扰动是均值为零的高斯白噪声。在此条件下，经离散处理后，卡尔曼滤波的根本公式可表示如下
X（k+1）=FX（k）+ΓW（k）
Z（k）=HX（k）+V（k）（3）
其间
式中T为采样周期，σw为进程噪声的标准差，σv为量测噪声的标准差。
3、参数确认
依据双目视觉传感器和超声测距传感器，在CV模型下运用卡尔曼滤波算法，可以得到两组状况向量的估量值和，以及相应的协方差矩阵P1和P2，因为以上两组数据来自两个不同的传感器体系，故满意P12=P21T≈0这一条件，可以运用STF交融算法得到整个体系的状况向量和协方差矩阵的最佳估量值和P。为此，需求确认以下参数，体系的进程噪声标准差σw，双目视觉传感器的量测噪声标准差σv1，超声测距传感器的量测噪声标准差σv2和卡尔曼滤波算法的初始值。下面结合仿生四足机器人的实践状况，确认以上参数。
3.1确认体系的进程噪声标准差
因为在机械结构规划和安装进程中发生的差错，使得仿生四足机器人在Walk步态下行走时，并不是理论上以0.4m/s的速度做匀速直线运动，而是在做变速直线运动，体系的进程噪声标准差是机器人在Walk步态下行走时的加速度值。下面介绍获取该加速度值的办法。
在Adams仿真软件中，树立仿生四足机器人的运动学模型。在仿生四足机器人机体的质心处树立一个前进方向的加速度丈量，运转仿真，翻开Adams仿真软件的后处理器，对取得的加速度曲线进行巴特沃斯滤波，然后核算加速度的平均值，将其作为该次仿真的加速度值。重复进行50次，得到50个加速度值，求出标准差，即为体系的进程噪声标准差。
3.2确认传感器的量测噪声标准差
关于传感器的量测噪声标准差，在仿真状况下，可以由其丈量差错来反映。
在实践运用中，使用两个CCD摄像机获取视差信息，再依据三角丈量原理康复出场景的深度信息，如此即可丈量出障碍物与机器人之间的间隔信息，但是，因为CCD摄像机所拍照的图画是以像元巨细为单位的一组离散的数据，故在用双目视觉进行丈量时存在最小分辨率差错，仿生四足机器人上搭载的双目视觉传感器的丈量差错约为170px，即σv1=0.068m。
超声测距传感器的发射头发出超声波信号，此信号被障碍物反射后，由接纳头接纳，依据发射和接纳到信号的时间差和声速，即可得到障碍物的间隔信息。当勘探规模内有方针物体之外的物体存在时，会发生丈量差错。仿生四足机器人上搭载的超声测距传感器的丈量差错为25px，即σv2=0.01m。
3.3确认卡尔曼滤波算法的初始值
卡尔曼滤波算法作为一个迭代进程，需求赋予其初值，初值的挑选至关重要，假如初值挑选不合适，就不能满意收敛性的要求。在CV模型中，P（0|0）的确认办法已经由模型给出，这儿只需给出X（0|0）的取值，本文中取X（0|0）=［10，－0.4］‘。
4、仿真试验与成果剖析
在本文所引文献中，试验验证环节均在详细的运用场景下进行，试验成果是移动机器人可以进行无碍行走，文中均未给出详细的丈量精度。本文仿真试验的成果表明：交融处理后，丈量精度可达114.99999999999999px，满意了仿生四足机器人对测距的精度要求。
5、定论
为进步仿生四足机器人在杂乱、动态环境下对障碍物方位信息的感知才能，本文针对仿生四足机器人在结构化路面上以Walk步态行走的状况，将双目视觉传感器和超声测距传感器获取的障碍物间隔信息进行交融研讨。仿真试验成果表明：滤波后的间隔信息的估量值曲线很好地盯梢了实在值曲线，阐明卡尔曼滤波算法发挥了超卓的滤波效果;与交融前比较，交融处理后的间隔信息的估量值的方差显着减小，阐明交融处理后取得的障碍物的方位信息愈加精确，且丈量精度为114.99999999999999px，满意了机器人的运用要求。
责任编辑；zl
