專利名稱：智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)及其信息融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)及其信息融合方法。
背景技術(shù)：
智能空間中存在大量的分布式傳感器，它們?yōu)橹悄芸臻g提供了豐富的異構(gòu)信息。 為了充分利用智能空間中無所不在的服務(wù)和資源，必須建立與之相適應(yīng)的信息模型表示方法。這種模型使智能空間和服務(wù)機(jī)器人系統(tǒng)能夠具備多模式的信息獲取能力，實(shí)現(xiàn)更加豐富的信息服務(wù)和共享。而在傳統(tǒng)模式下，服務(wù)機(jī)器人與傳感設(shè)備是一對(duì)一和直接占有的關(guān)系，且機(jī)器人和計(jì)算環(huán)境是固定的，這種模式限制了信息的互通和共享，難以滿足智能空間的需求。智能空間的信息服務(wù)不僅局限于原始信號(hào)的層面，而是通過對(duì)多傳感器的數(shù)據(jù)融合能夠給出多層次的信息。多傳感器信息融合是多模式信息獲取的基礎(chǔ)，它把分布在機(jī)器人和智能空間中的多個(gè)同構(gòu)或異構(gòu)傳感器所提供的不完整、不確定的信息加以融合，從而獲取更準(zhǔn)確、更完備的環(huán)境信息。一個(gè)完整的信息融合系統(tǒng)包含信息融合的功能模型、融合層次、融合的拓?fù)浣Y(jié)構(gòu)、適當(dāng)?shù)娜诤戏椒ǖ榷鄠€(gè)方面，而當(dāng)前對(duì)于該課題的研究主要集中在不同的融合算法及其改進(jìn)上，如何為智能空間設(shè)計(jì)合理的信息融合模型，選擇高效的信息融合算法和系統(tǒng)學(xué)習(xí)算法，并為智能空間提供多模式的信息獲取機(jī)制尚少有研究。

發(fā)明內(nèi)容
為彌補(bǔ)傳統(tǒng)信息獲取技術(shù)的不足，本發(fā)明提供一種用于智能空間和護(hù)士機(jī)器人多傳感器系統(tǒng)的信息表示方法及其信息獲取方法。該信息表示模型可以實(shí)現(xiàn)各類異構(gòu)信息的共享和互通，使服務(wù)機(jī)器人和智能空間能夠具備多模式的信息獲取能力，實(shí)現(xiàn)更加豐富的信息服務(wù)和共享。為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)，它包括機(jī)載PC，機(jī)載PC分別與用戶計(jì)算機(jī)和下位機(jī)控制器雙向連接，機(jī)載PC還分別與避障傳感器，定位傳感器和視覺傳感器雙向連接。所述避障傳感器包括紅外傳感器、超聲波傳感器和激光傳感器；其中，紅外傳感器和超聲波傳感器為底層避障傳感器；紅外傳感器為NPN常開型傳感器，檢測(cè)前方一定距離內(nèi)的障礙物有無；超聲波傳感器支持2個(gè)聲納環(huán)，每個(gè)環(huán)有8個(gè)超聲波換能器，用于障礙物檢測(cè)、距離檢測(cè)和自動(dòng)避障，環(huán)境建模，定位和導(dǎo)航；每個(gè)聲納環(huán)位置固定兩側(cè)各有一個(gè)，另外6個(gè)以20°間隔分布在側(cè)邊；激光傳感器具有方向性好，分辨率高，探測(cè)距離遠(yuǎn)的優(yōu)勢(shì)；且由于激光不會(huì)發(fā)生漫反射，傳感器獲得的數(shù)據(jù)準(zhǔn)確可靠，能對(duì)機(jī)器人前方的環(huán)境進(jìn)行精確的描述，便于建立分辨率高的柵格地4
紅外、超聲和激光結(jié)合相互補(bǔ)充，構(gòu)成冗余傳感器系統(tǒng)，實(shí)現(xiàn)機(jī)器人前方遠(yuǎn)、中、近全距離覆蓋，保障機(jī)器人運(yùn)行的安全可靠，實(shí)現(xiàn)服務(wù)機(jī)器人的無障礙行走。所述定位傳感器包括光學(xué)編碼器，慣性導(dǎo)航模塊；其中光學(xué)編碼器機(jī)器人的每個(gè)電機(jī)上均裝有光學(xué)編碼器，用于機(jī)器人定位、速度測(cè)量；慣性導(dǎo)航模塊主要有兩個(gè)任務(wù)精確測(cè)量機(jī)器人的運(yùn)動(dòng)狀態(tài)和姿態(tài)；提供錯(cuò)誤診斷能力。所述視覺傳感器為CCD攝像機(jī)，用于目標(biāo)物品的識(shí)別定位和機(jī)器人的避障、導(dǎo)航。一種智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)的多模式信息融合方法，該方法可實(shí)現(xiàn)異構(gòu)信息的互通、描述內(nèi)容的重用及實(shí)現(xiàn)信息的上下文互聯(lián)，并通過對(duì)多傳感器的數(shù)據(jù)融合能夠給出多層次的信息，以滿足不同層次的服務(wù)要求，該方法實(shí)現(xiàn)步驟如下Stepl 預(yù)處理層直接從分布在智能空間中的各傳感器采集數(shù)據(jù)，完成信號(hào)校驗(yàn)和信息變換，并轉(zhuǎn)換為統(tǒng)一的信息表示方式，存儲(chǔ)在智能空間的數(shù)據(jù)庫中；Step2 數(shù)據(jù)層采用加權(quán)平均、貝葉斯規(guī)則和卡爾曼濾波算法，將預(yù)處理后的來自于同質(zhì)傳感器的信息進(jìn)行低層融合，從中提取有用的特征信息；Step3 特征層從數(shù)據(jù)層提供的信息中提取目標(biāo)的相關(guān)特征信息包括尺寸、顏色和輪廓，得到不同的特征向量，然后對(duì)目標(biāo)的特征信息進(jìn)行融合，得到對(duì)目標(biāo)的分類與解釋， 主要采用神經(jīng)網(wǎng)絡(luò)、粒子濾波和概率占有圖來處理來自不同傳感器的異構(gòu)信息；決策層首先對(duì)目標(biāo)屬性進(jìn)行獨(dú)立的決策，然后結(jié)合歷史數(shù)據(jù)庫和當(dāng)前場(chǎng)景，對(duì)各個(gè)獨(dú)立決策進(jìn)行融合，從而獲得整體一致的決策結(jié)果，最后對(duì)決策執(zhí)行的效果進(jìn)行估計(jì)，以優(yōu)化決策過程；Mep5:智能空間得到最優(yōu)決策后，通過無線網(wǎng)絡(luò)向機(jī)器人發(fā)出執(zhí)行指令，護(hù)士機(jī)器人執(zhí)行命令并由智能空間服務(wù)質(zhì)評(píng)估機(jī)制對(duì)執(zhí)行的效果進(jìn)行最終評(píng)估，形成新的或更新已有的優(yōu)化規(guī)則并存儲(chǔ)在智能空間知識(shí)庫中，為以后的優(yōu)化決策提供支持。所述step2或step3或step4中，所述融合采用分布式數(shù)據(jù)融合結(jié)構(gòu)，分為局部融合和全局融合兩大部分；局部融合主要在機(jī)器人本體上完成，主要處理本體傳感器獲取的數(shù)據(jù)；全局融合在智能空間服務(wù)器上完成，綜合處理分布在智能空間中的多傳感器數(shù)據(jù)和局部融合后的數(shù)據(jù)。所述step4中，決策層主要采用黑板結(jié)構(gòu)來融合抽象層次較高的信息，具有很好的容錯(cuò)性；黑板結(jié)構(gòu)一般由知識(shí)源、黑板和控制結(jié)構(gòu)三部分組成；知識(shí)源描述某個(gè)獨(dú)立領(lǐng)域的知識(shí)和知識(shí)處理方法，每個(gè)知識(shí)源獨(dú)立完成某些特定的任務(wù)，知識(shí)源之間的通信和交互只能通過黑板進(jìn)行；黑板是共享的問題求解空間，一般以層次結(jié)構(gòu)的方式組織，是用來存儲(chǔ)數(shù)據(jù)、傳遞信息和處理方法的動(dòng)態(tài)數(shù)據(jù)庫，求解過程中，知識(shí)源不斷更新黑板；監(jiān)控機(jī)制指根據(jù)黑板上的問題求解狀態(tài)和各知識(shí)源的求解技能，依據(jù)某種控制策略，動(dòng)態(tài)地選擇和激活合適的知識(shí)源，使知識(shí)源能適時(shí)地響應(yīng)黑板的變化。有益效果智能空間改變了傳統(tǒng)模式下機(jī)器人與設(shè)備間一對(duì)一的占有方式，使得計(jì)算資源和各種設(shè)備趨向公用和共享化。為了充分利用這些無所不在的服務(wù)和資源，本發(fā)明專利利用改進(jìn)的JDL模型，構(gòu)建了智能空間下的多模式信息表示模型。該模型將QR Code、RFID等不同種類、不同形式的異構(gòu)信息用統(tǒng)一的規(guī)范表示出來，實(shí)現(xiàn)了信息的互通和共用。智能空間的計(jì)算能力使得信息的服務(wù)不僅局限于原始信號(hào)的層面，而是通過對(duì)多模式信號(hào)的數(shù)據(jù)融合能夠給出更深層的信息。本發(fā)明專利建立了基于分布式數(shù)據(jù)融合樹的多模式信息獲取機(jī)制，并針對(duì)信息獲取的不同層次，設(shè)計(jì)了與之相適應(yīng)的數(shù)據(jù)融合算法，實(shí)現(xiàn)了對(duì)智能空間分布式傳感器數(shù)據(jù)的多級(jí)別、多層次處理，使服務(wù)機(jī)器人和智能空間具備了多模式的信息獲取能力，實(shí)現(xiàn)了更加豐富的信息服務(wù)和共享。


圖1護(hù)士機(jī)器人傳感器系統(tǒng)；圖2基于改進(jìn)的JDL模型的智能空間信息表示；圖3基于數(shù)據(jù)融合樹的多模式信息獲取模型；圖4為服務(wù)機(jī)器人智能空間任務(wù)規(guī)劃及質(zhì)量評(píng)估流程圖；圖5護(hù)士機(jī)器人定位精度圖；圖6輸液瓶定位誤差圖；圖7病員墜床報(bào)警成功率圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明在智能空間模式下，存在著大量的傳感設(shè)備和計(jì)算資源，且這些信息和計(jì)算資源都趨于公用和共享化。智能空間和服務(wù)機(jī)器人中的多傳感器信息可分為(1)環(huán)境因子信息，包括溫度、濕度和光照強(qiáng)度等環(huán)境參數(shù)。(2)地圖信息，含靜態(tài)地圖信息，如樓宇格局、室內(nèi)布局、大型家具的靜態(tài)位置等； 動(dòng)態(tài)地圖信息包括人和可移動(dòng)的物品的動(dòng)態(tài)位置。(3)服務(wù)機(jī)器人定位導(dǎo)航信息。包括里程計(jì)、慣導(dǎo)模塊、人工地標(biāo)(Sta rGazer)和分布式攝像機(jī)等提供的機(jī)器人位姿信息；以及激光、超聲、攝像機(jī)等提供的障礙物信息；(4)監(jiān)控目標(biāo)信息。主要包含攝像機(jī)、慣導(dǎo)模塊、人工標(biāo)簽等提供的病員行為、傷口狀態(tài)和治療設(shè)備的狀態(tài)信息，本體攝像機(jī)提供的面部表情信息等。護(hù)士機(jī)器人是智能空間中重要的執(zhí)行機(jī)構(gòu)，而傳感器系統(tǒng)作為服務(wù)機(jī)器人必不可少的部分，主要實(shí)現(xiàn)避障、導(dǎo)航和檢測(cè)其他信息等功能。由圖1可知，護(hù)士機(jī)器人具有豐富的傳感器配置。按照傳感器的功能不同，可將護(hù)士機(jī)器人的傳感器系統(tǒng)分為以下幾類1.避障傳感器包括紅外傳感器、超聲波傳感器和激光傳感器等。其中，紅外傳感器和超聲波傳感器為底層避障傳感器。(1)紅外傳感器機(jī)器人配置的紅外傳感器的型號(hào)為E18-D80NK。該傳感器為NPN常開型傳感器，可以檢測(cè)前方一定距離內(nèi)的障礙物有無，量程在3-80cm可調(diào)。(2)超聲波傳感器護(hù)士機(jī)器人可以支持2個(gè)聲納環(huán)，每個(gè)環(huán)有8個(gè)超聲波換能器，用于障礙物檢測(cè)、 環(huán)境建模、機(jī)器人定位和導(dǎo)航。每個(gè)聲納環(huán)的位置是固定的兩側(cè)各有一個(gè)，另外6個(gè)以20°間隔分布在側(cè)邊。這種聲納陣的布置可以為機(jī)器人提供360°無縫檢測(cè)。聲納環(huán)采用查詢方式進(jìn)行信息讀取，即每個(gè)環(huán)在同一時(shí)刻只有一個(gè)換能器處于激活狀態(tài)。聲納的工作速度可調(diào)，默認(rèn)設(shè)置為25Hz，測(cè)量距離為15cm至10m。聲納傳感器選用了 SENSC0MP生產(chǎn)的 6500系列端面型傳感器。(3)激光傳感器與紅外和超聲傳感器相比，激光傳感器具有方向性好，分辨率高，探測(cè)距離遠(yuǎn)等優(yōu)勢(shì)。且由于激光不會(huì)發(fā)生漫反射，傳感器獲得的數(shù)據(jù)準(zhǔn)確可靠，能對(duì)機(jī)器人前方的環(huán)境進(jìn)行精確的描述，便于建立分辨率高的環(huán)境地圖。激光傳感器型號(hào)為URG-04LX -UGOl，最大探測(cè)距離為0 5600mm，有效探測(cè)距離為0 4000mm，探測(cè)范圍0 180度，角分辨率為0. 35
度/條。紅外、超聲和激光相互補(bǔ)充，構(gòu)成冗余傳感器系統(tǒng)，可實(shí)現(xiàn)機(jī)器人前方的全范圍覆蓋，保障機(jī)器人運(yùn)行的安全可靠，實(shí)現(xiàn)服務(wù)機(jī)器人的無障礙行走。2.定位傳感器(1)光學(xué)編碼器服務(wù)機(jī)器人的每個(gè)電機(jī)上裝有高分辨率的光學(xué)編碼器，用于機(jī)器人定位、速度測(cè)量以及更先進(jìn)的計(jì)算。(2)慣性導(dǎo)航模塊慣性測(cè)量單元的加入主要有兩個(gè)任務(wù)精確測(cè)量機(jī)器人的運(yùn)動(dòng)狀態(tài)和姿態(tài)；提供錯(cuò)誤診斷能力。慣性導(dǎo)航模塊采用ARM為主控制器，配置加速度傳感器、陀螺儀和指南針，嵌入 μ C/0S-II嵌入式實(shí)時(shí)操作系統(tǒng)，采集三軸MEMS陀螺儀信號(hào)，采用Quaternion (四元數(shù)姿態(tài)表達(dá)式)，積分求得陀螺儀姿態(tài)角。同時(shí)采集三軸MEMS加速度計(jì)和三軸磁強(qiáng)計(jì)信號(hào)，利用大地磁場(chǎng)和重力磁場(chǎng)在地理坐標(biāo)系和機(jī)體坐標(biāo)系之間的方向余弦轉(zhuǎn)換進(jìn)行絕對(duì)角度解算，得到絕對(duì)姿態(tài)角。然后根據(jù)信號(hào)的變化頻率實(shí)時(shí)改變?yōu)V波參數(shù)，隨后對(duì)兩次得到的姿態(tài)角進(jìn)行EKF (擴(kuò)展式卡爾曼濾波)，最終得到服務(wù)機(jī)器人的實(shí)際姿態(tài)角。3、視覺傳感器視覺傳感器是護(hù)士機(jī)器人最重要的傳感器之一。視覺提供的豐富信息，既可用于目標(biāo)物品的識(shí)別定位，又可用于機(jī)器人的避障、導(dǎo)航。圖像傳感器需要完成圖像的識(shí)別和傳輸，因此，選用了 SONY的EVI-D100P 1/4英尺彩色CCD攝像機(jī)，該攝像機(jī)輸出PAL彩色制式的CCHR標(biāo)準(zhǔn)的視頻信號(hào)，有效像素440，000 個(gè)，最小拍攝距離100mm(廣角端)/600mm(望遠(yuǎn)端)，快門速度1/3至1/10，000秒(VISCA 控制)，視頻信噪比50dB?？紤]到圖像處理的復(fù)雜性，該攝像機(jī)連接到DSP開發(fā)板進(jìn)行相關(guān)的機(jī)器人視覺處理工作，DSP開發(fā)板通過網(wǎng)絡(luò)接口與工控機(jī)連接，實(shí)現(xiàn)命令、圖像的傳輸。智能空間中存在大量的異構(gòu)信息，如人工地標(biāo)的信息以QR Code編碼表示、分布式視覺系統(tǒng)的信息以視頻形式存在。為滿足異構(gòu)信息的互通、描述內(nèi)容的重用及實(shí)現(xiàn)信息的上下文互聯(lián)，本發(fā)明專利借鑒了 JDL模型并進(jìn)行改進(jìn)，制定了智能空間信息表示模型規(guī)范，實(shí)現(xiàn)了對(duì)智能空間信息網(wǎng)絡(luò)的有效補(bǔ)充。信息融合系統(tǒng)的JDL (Joint Directors of Laboratories)功能模型，主要由信息預(yù)處理、一級(jí)處理即目標(biāo)位置/身份估計(jì)、二級(jí)處理即態(tài)勢(shì)評(píng)估、三級(jí)處理即威脅估計(jì)、四級(jí)處理即過程優(yōu)化、數(shù)據(jù)庫管理系統(tǒng)等功能組成。該模型目前主要用于軍事C3I領(lǐng)域，通用性不強(qiáng)。針對(duì)智能空間的特點(diǎn)，我們對(duì)該模型的功能層次劃分和功能層次定義進(jìn)行了重新修正，建立了改進(jìn)的JDL功能模型，如圖2所示。由圖2可知，改進(jìn)的JDL功能模型主要包含預(yù)處理層，數(shù)據(jù)層，特征層和決策層等。預(yù)處理層直接從分布在智能空間中的各傳感器采集數(shù)據(jù)，完成信號(hào)校驗(yàn)和信息變換，并轉(zhuǎn)換為統(tǒng)一的信息表示方式。如將從溫濕度傳感器、RFID標(biāo)簽、QR Code、攝像頭等節(jié)點(diǎn)中獲取的溫濕度、物品信息、視頻信息等進(jìn)行格式轉(zhuǎn)換，統(tǒng)一存儲(chǔ)在智能空間的數(shù)據(jù)庫中。數(shù)據(jù)層處理將預(yù)處理后的大量冗余、互補(bǔ)的數(shù)據(jù)進(jìn)行低層融合，從中提取有用的特征信息。以視頻信息為例，利用圖像采集層上的信息，采用統(tǒng)計(jì)學(xué)習(xí)、人體模型進(jìn)行匹配等檢測(cè)方法實(shí)現(xiàn)運(yùn)動(dòng)人體的檢測(cè)，創(chuàng)建基于位置、速度、形狀、紋理、色彩等有關(guān)特征的對(duì)應(yīng)匹配實(shí)現(xiàn)運(yùn)動(dòng)人體的跟蹤。特征層處理，將數(shù)據(jù)層獲取的針對(duì)目標(biāo)的不同特征信息進(jìn)行融合，以進(jìn)一步確定目標(biāo)的狀態(tài)。如根據(jù)數(shù)據(jù)層獲取的各種人體特征，進(jìn)行人的動(dòng)作識(shí)別，分辨出人的走、坐、躺等。該層的主要優(yōu)點(diǎn)是能夠提供其它層次融合所不具有的細(xì)節(jié)信息；主要缺點(diǎn)是要處理的信息量很大，處理代價(jià)較高。決策層處理主要結(jié)合歷史數(shù)據(jù)庫記錄和當(dāng)前場(chǎng)景進(jìn)行推理判斷，給出當(dāng)前目標(biāo)的態(tài)勢(shì)估計(jì)，做出相關(guān)決策，并對(duì)決策執(zhí)行的效果進(jìn)行估計(jì)，以優(yōu)化決策過程。如特征層輸出的人的狀態(tài)為躺，若當(dāng)前的位置為床，則可推斷人處于休息狀態(tài)；若當(dāng)前的位置為地板，則可推斷人處于異常狀態(tài)，需要采取相應(yīng)的措施，如報(bào)警等。智能空間的信息服務(wù)不僅僅局限于原始信號(hào)的層面，而是通過對(duì)多傳感器的數(shù)據(jù)融合能夠給出多層次的信息。如監(jiān)控系統(tǒng)只需要直接提供目標(biāo)區(qū)域的監(jiān)控畫面，即原始的數(shù)據(jù)；目標(biāo)跟蹤系統(tǒng)則需要對(duì)視頻進(jìn)行處理，獲取目標(biāo)的位置等特征以實(shí)現(xiàn)對(duì)特定目標(biāo)的跟蹤；主動(dòng)服務(wù)系統(tǒng)則必須判斷目標(biāo)的各種動(dòng)作并進(jìn)行理解，進(jìn)而判斷目標(biāo)的意圖，并為之提供主動(dòng)服務(wù)。因此，必須在多傳感器數(shù)據(jù)融合的基礎(chǔ)上建立多模式的信息獲取機(jī)制。我們將分布式融合引入到數(shù)據(jù)融合樹中，建立了基于分布式數(shù)據(jù)融合樹的多模式信息獲取模型。數(shù)據(jù)融合樹將融合系統(tǒng)描述為由處理節(jié)點(diǎn)組成的網(wǎng)絡(luò)。輸入融合系統(tǒng)的數(shù)據(jù)根據(jù)需要被分成不同的組，每組數(shù)據(jù)及其處理方法形成一個(gè)解決某一融合問題的數(shù)據(jù)融合 (Data Fusion, DF)節(jié)點(diǎn)，當(dāng)融合過程分為多個(gè)處理節(jié)點(diǎn)時(shí)，那么該過程就可由多個(gè)節(jié)點(diǎn)按一定順序連接而成的融合樹來表示。融合樹中每個(gè)融合節(jié)點(diǎn)主要由3個(gè)基本功能組成，分別為數(shù)據(jù)校準(zhǔn)、數(shù)據(jù)互聯(lián)、狀態(tài)估計(jì)及預(yù)測(cè)，它們是各類融合系統(tǒng)的融合節(jié)點(diǎn)在解決各融合問題時(shí)具有的共同的處理功能，但不同融合節(jié)點(diǎn)內(nèi)的數(shù)據(jù)流及控制流是互不相同的。圖3為基于數(shù)據(jù)融合樹的智能空間多模式信息獲取模型。該模型采用分布式數(shù)據(jù)融合結(jié)構(gòu)，分為局部融合和全局融合兩大部分。局部融合主要在機(jī)器人本體上完成，主要處理本體傳感器獲取的數(shù)據(jù)，涉及到數(shù)據(jù)層和特征層。全局融合在智能空間服務(wù)器上完成，綜合處理分布在智能空間中的多傳感器數(shù)據(jù)和局部融合后的數(shù)據(jù)，涉及到數(shù)據(jù)層、特征層和決策層。在多模式信息獲取模型的支持下，智能空間可以獲取不同層次的信息，滿足巡護(hù)系統(tǒng)中不同服務(wù)的需求。
由圖3可知，多模式信息獲取與傳統(tǒng)的信息獲取方式有著本質(zhì)的不同，主要區(qū)別在于(1)獲取層次不同。多模式信息獲取涉及到數(shù)據(jù)層、特征層和決策層等多層數(shù)據(jù)，而傳統(tǒng)的信息獲取方式通常只涉及到其中某一層的信息。(2)融合方式不同。多模式信息獲取包含局部融合和全局融合，是一種分布式融合；而傳統(tǒng)的信息融合多屬于集中式融合。(3) 數(shù)據(jù)來源不同。多模式信息獲取不僅包含來自機(jī)器人本體的數(shù)據(jù)，也包括大量分布在智能空間中的各類傳感器數(shù)據(jù)；而傳統(tǒng)的融合通常只包括機(jī)器人本體傳感器的數(shù)據(jù)。(4)融合算法不同。多模式信息獲取涉及到不同層次上的信息融合，因此應(yīng)針對(duì)不同層次的數(shù)據(jù)特點(diǎn)，采用多種信息融合算法；而在單模式信息獲取機(jī)制下，融合算法相對(duì)單一。不同的服務(wù)需要智能空間提供不同層次的信息。因此，為了獲取不同層次的信息， 應(yīng)針對(duì)不同層次的特點(diǎn)采用與之相匹配的算法。在局部融合中，主要通過各種融合算法進(jìn)行數(shù)據(jù)層和特征層的信息融合。在全局融合中，主要采用決策級(jí)融合算法對(duì)局部融合進(jìn)一步進(jìn)行處理，做出控制決策。局部信息融合算法主要涉及到數(shù)據(jù)層和特征層的融合。局部信息融合系統(tǒng)的信息來自許多不同的傳感器和信息源，包括了實(shí)時(shí)和非實(shí)時(shí)的數(shù)據(jù)；它們可能是不完整、不精確甚至是矛盾的，并會(huì)受到各種各樣的干擾。因此，針對(duì)局部信息融合的特點(diǎn)，本發(fā)明專利面向不同的傳感器和信息源，采用了不同的信息融合算法。a)粒子濾波(Particle Filter)粒子濾波是基于序貫重要性采樣Sequential Importance Sampling，SIS)思想， 通過尋找一組在狀態(tài)空間傳播的隨機(jī)樣本對(duì)概率密度函數(shù)進(jìn)行近似，以樣本均值代替積分運(yùn)算，從而獲得狀態(tài)最小方差估計(jì)的過程，是一種通過非參數(shù)化的Monte Carlo模擬方法實(shí)現(xiàn)遞推貝葉斯估計(jì)的算法。粒子濾波能較好地處理測(cè)量斷續(xù)、群目標(biāo)跟蹤等傳統(tǒng)難題，因此在目標(biāo)定位跟蹤領(lǐng)域得到了廣泛的應(yīng)用。本發(fā)明專利充分發(fā)揮粒子濾波處理非線性、非高斯信號(hào)能力強(qiáng)的優(yōu)勢(shì)，將其用于病房外機(jī)器人定位和多目標(biāo)跟蹤中。b)擴(kuò)展卡爾曼濾波(EKF)擴(kuò)展kalman濾波實(shí)質(zhì)上是一種在線線性化算法，即按名義軌線進(jìn)行線性化處理， 再利用Kalman濾波公式進(jìn)行計(jì)算。擴(kuò)展kalman濾波在機(jī)器人定位中得到了廣泛應(yīng)用。這是因?yàn)闊o論是里程計(jì)定位還是采用人工地標(biāo)定位，都存在這不可控的非系統(tǒng)誤差的影響，如里程計(jì)定位中輪子的突然打滑，人工地標(biāo)定位中標(biāo)簽交接過程中帶來的定位數(shù)據(jù)跳變等， 而利用擴(kuò)展卡爾曼濾波的方法對(duì)上述定位信息進(jìn)行融合，可以有效降低非系統(tǒng)誤差帶來的影響。本課題中主要利用kalman濾波實(shí)現(xiàn)病房?jī)?nèi)里程計(jì)與紅外標(biāo)簽的數(shù)據(jù)融合。c)概率占有圖概率占有圖是對(duì)環(huán)境中每個(gè)單元的占有狀態(tài)進(jìn)行統(tǒng)計(jì)估計(jì)而建立的一個(gè)多維隨機(jī)場(chǎng)模型，涉及到概率論、最優(yōu)估計(jì)、隨機(jī)場(chǎng)模型和決策理論等。目前主要用于未知環(huán)境下的機(jī)器人實(shí)時(shí)地圖創(chuàng)建、導(dǎo)航和基于多攝像機(jī)的多目標(biāo)跟蹤。概率占有圖可以實(shí)現(xiàn)多層次數(shù)據(jù)的融合，即使在目標(biāo)遮擋嚴(yán)重和光照變化顯著的情況下，該融合方法仍能可靠地實(shí)現(xiàn)對(duì)多目標(biāo)的準(zhǔn)確跟蹤。本課題中主要采用概率占有圖進(jìn)行多攝像機(jī)下的多目標(biāo)跟蹤。全局融合算法主要用于決策層。為了更好地實(shí)現(xiàn)高層次上的信息融合處理能力， 可以采用人工智能技術(shù)對(duì)多傳感器系統(tǒng)進(jìn)行研究。研究表明，人工智能中的黑板結(jié)構(gòu)特別適合于多傳感器的信息融合系統(tǒng)。本發(fā)明在分析了黑板模型的基礎(chǔ)上，結(jié)合信息融合技術(shù)的控制結(jié)構(gòu)，提出了基于黑板的分布式智能融合結(jié)構(gòu)。該結(jié)構(gòu)既適用于靜態(tài)形式，又適用于動(dòng)態(tài)形式，組合方便靈活，可根據(jù)需要將系統(tǒng)分成不同層次和不同方式的融合；分布式融合方式提高了融合速度，而黑板結(jié)構(gòu)則提供一個(gè)融合框架，具有模塊結(jié)構(gòu)，組織靈活，適用范圍廣，尤其適用于不完善的結(jié)構(gòu)問題。將黑板結(jié)構(gòu)與分布式結(jié)合，可發(fā)揮兩者的優(yōu)勢(shì)，使各傳感器在黑板結(jié)構(gòu)的統(tǒng)一框架下，實(shí)現(xiàn)快速有效的融合。a)黑板式智能融合結(jié)構(gòu)黑板結(jié)構(gòu)一般由知識(shí)源、黑板和控制結(jié)構(gòu)三部分組成。知識(shí)源描述某個(gè)獨(dú)立領(lǐng)域的知識(shí)和知識(shí)處理方法，每個(gè)知識(shí)源獨(dú)立完成某些特定的任務(wù)，知識(shí)源之間的通信和交互只能通過黑板進(jìn)行。黑板是共享的問題求解空間，一般以層次結(jié)構(gòu)的方式組織，是用來存儲(chǔ)數(shù)據(jù)、傳遞信息和處理方法的動(dòng)態(tài)數(shù)據(jù)庫，求解過程中，知識(shí)源不斷更新黑板。監(jiān)控機(jī)制指根據(jù)黑板上的問題求解狀態(tài)和各知識(shí)源的求解技能，依據(jù)某種控制策略，動(dòng)態(tài)地選擇和激活合適的知識(shí)源，使知識(shí)源能適時(shí)地響應(yīng)黑板的變化。由于多傳感器信息融合需要多方面的專家知識(shí)，以對(duì)各類傳感器的數(shù)據(jù)進(jìn)行處理，因此需要一種互相協(xié)作的多專家系統(tǒng)。而黑板模型就提供了這樣一個(gè)框架。黑板相當(dāng)于綜合數(shù)據(jù)庫，知識(shí)源的集合當(dāng)于知識(shí)庫；控制模塊相當(dāng)于推理機(jī)。b) DSmT 理論DSmT的發(fā)展來源于D-S理論固有的內(nèi)在局限性，主要體現(xiàn)在以下三個(gè)方面(1) Srnfer模型鑒別框包含η個(gè)窮舉和相互排斥的焦元；(2)去除中間原理(即任何屬于冪集2Θ元素或命題的補(bǔ)集仍屬于冪集2θ) ； (3)Dempster歸一化組合規(guī)則。DSmT否定了去除中間原理和Siafer模型，這是因?yàn)楹艽笠徊糠秩诤蠁栴}，假設(shè)的命題具有模糊和不精確的本質(zhì)屬性，如果想精確的細(xì)化是完全不可能的。DSmT存在經(jīng)典模型(DSmC)和混合模型 (DSmH)，對(duì)于經(jīng)典模型它表示為Mf (Θ)或者DSmC，即假設(shè)鑒別框Θ包含η個(gè)窮舉元素(命題)，元素之間可以相互重疊，由于不存在外在約束，因此稱為經(jīng)典模型。混合模型表示為 Mh( θ)或者DSmH，在實(shí)際應(yīng)用中，隨著技術(shù)和知識(shí)水平的不斷提高，可以明確某些元素之間的排斥關(guān)系，僅考慮融合問題的本質(zhì)屬性，在實(shí)際應(yīng)用中自由模型可能會(huì)丟失信息，尤其是在動(dòng)態(tài)融合過程中，鑒別框有可能隨著時(shí)間的變化而也發(fā)生變化，當(dāng)這些約束強(qiáng)加給自由模型，為了能夠更適應(yīng)實(shí)際融合情況，因此構(gòu)造動(dòng)態(tài)的混合模型。對(duì)于Siafer模型，實(shí)際上相當(dāng)于混合模型在所有的排斥約束存在時(shí)的一種特殊情況。在服務(wù)機(jī)器人智能空間中，服務(wù)環(huán)境和可執(zhí)行的服務(wù)都是變化的，完成同一任務(wù)可能有多種方案可供選擇。如何自動(dòng)適應(yīng)空間環(huán)境變化，根據(jù)用戶需求提供最優(yōu)的服務(wù)非常重要。在服務(wù)任務(wù)規(guī)劃和執(zhí)行過程中，還必須考慮到服務(wù)調(diào)用失敗，網(wǎng)絡(luò)中斷，傳感器失效，服務(wù)發(fā)現(xiàn)失敗，服務(wù)執(zhí)行失敗等問題，并能及時(shí)處理。服務(wù)任務(wù)規(guī)劃及執(zhí)行的效果，由服務(wù)機(jī)器人智能空間服務(wù)質(zhì)量(Q0Q評(píng)估機(jī)制來保證。系統(tǒng)應(yīng)該能夠根據(jù)不同工作狀況動(dòng)態(tài)調(diào)整質(zhì)量系數(shù)的權(quán)值，選擇最優(yōu)服務(wù)，并時(shí)時(shí)監(jiān)控服務(wù)執(zhí)行效果，以最大程度的滿足用戶的需要。圖4為服務(wù)機(jī)器人智能空間任務(wù)規(guī)劃及質(zhì)量評(píng)估流程，主要包含如下三個(gè)方面的內(nèi)容(1)根據(jù)用戶命令將任務(wù)分解成機(jī)器人可以執(zhí)行的子任務(wù)，根據(jù)知識(shí)庫可供選擇的服務(wù)，完成服務(wù)計(jì)劃抽象構(gòu)造，根據(jù)當(dāng)前服務(wù)質(zhì)量參數(shù)，對(duì)可用服務(wù)進(jìn)行排序，并從構(gòu)造
10的計(jì)劃列表中選取最佳服務(wù)。(2)由于環(huán)境變動(dòng)，計(jì)劃執(zhí)行結(jié)果和預(yù)期結(jié)果會(huì)有一定誤差。記錄計(jì)劃執(zhí)行結(jié)果， 根據(jù)執(zhí)行結(jié)果生成服務(wù)有效概率，作為服務(wù)質(zhì)量參數(shù)之一，為后面的服務(wù)規(guī)劃提供依據(jù)，并在系統(tǒng)運(yùn)行中不斷修正概率。(3)當(dāng)智能空間監(jiān)測(cè)到機(jī)器人服務(wù)失敗時(shí)，系統(tǒng)能根據(jù)合成算法采用新服務(wù)取代失敗的服務(wù)。實(shí)驗(yàn)及分析以醫(yī)院智能空間中護(hù)士機(jī)器人病房巡視為例來說明智能空間下多模式信息獲取模型的有效性。該實(shí)例涉及到機(jī)器人定位、儀器查找、異常行為檢測(cè)和報(bào)警決策等諸多方面，需要獲取數(shù)據(jù)層、特征層和決策層等多模式的信息。圖5為護(hù)士機(jī)器人病房巡視流程圖。局部信息融合包括機(jī)器人定位，儀器查找等。 機(jī)器人定位主要涉及到數(shù)據(jù)層和特征層的融合，分別采用Kalman濾波和模糊邏輯來實(shí)現(xiàn)。 儀器查找借助于RFID和本體視覺的融合來完成，分別采用貝葉斯規(guī)則和神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。 上述經(jīng)過局部融合后的信息通過無線傳感網(wǎng)絡(luò)傳輸?shù)街悄芸臻g服務(wù)器上，并在服務(wù)器上進(jìn)行全局融合，最后發(fā)出決策指令。下面分別從機(jī)器人定位精度、儀器定位精度、病員墜床檢測(cè)成功率和巡視效率等四個(gè)方面進(jìn)行評(píng)估。(1)機(jī)器人定位在傳統(tǒng)的信息獲取方式下，機(jī)器人只能依靠本體傳感器(如里程計(jì)、視覺等)獲取定位信息，這些信息都是局部的，不完整的；而在智能空間多模式信息獲取方式下，機(jī)器人不僅可以獲取本體傳感器的信息，還可以獲取分布式傳感器Gtarfeizer、人工地標(biāo)等)提供的全局信息，實(shí)現(xiàn)更加精確的自定位。圖6(a)和(b)為分別為傳統(tǒng)信息獲取模式和多信息獲取模式下的機(jī)器人定位效果圖。其中，灰色曲線代表規(guī)劃好的路徑，黑色曲線表示實(shí)際的機(jī)器人跟蹤軌跡?？梢钥闯?在多模式信息獲取方式下，機(jī)器人定位精度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)模式。(2)儀器定位在機(jī)器人病房巡視中，要求機(jī)器人能準(zhǔn)確找到輸液瓶、心電儀等醫(yī)療設(shè)備并拍攝最佳圖片傳回到護(hù)士站。以輸液瓶為例，因?yàn)檩斠浩勘旧硎峭该鞯模o明顯的顏色、形狀特征，這給機(jī)器人視覺識(shí)別帶來了很大的難度。傳統(tǒng)的單模式信息獲取很難解決輸液瓶識(shí)別的問題，必須依賴智能空間中多傳感器的信息融合以獲取多模式的信息。本文利用RFID技術(shù)與視覺的融合來解決輸液瓶的識(shí)別定位問題。將RFID讀寫器和天線集成到機(jī)器人本體上，并在輸液瓶的附近粘貼被動(dòng)式RFID標(biāo)簽。圖7為輸液瓶定位誤差比較圖。由圖7可知單模式信息獲取下，機(jī)器人僅依靠視覺進(jìn)行定位，當(dāng)機(jī)器人與輸液瓶間距大于1. 2米時(shí)，基本無法識(shí)別；且即使機(jī)器人能識(shí)別出目標(biāo)，其定位誤差波動(dòng)也較大。而在多模式信息獲取下，機(jī)器人依靠智能空間的分布式RFID標(biāo)簽，可先粗略定位目標(biāo)并獲取目標(biāo)的顏色尺寸等先驗(yàn)信息，有助于提高視覺定位的精度。(3)病員墜床檢測(cè)病員墜床檢測(cè)首先要準(zhǔn)確定位病員和床。單模式信息獲取方式下，僅依靠單目視覺很難準(zhǔn)確定位床和病員，因此也導(dǎo)致病員墜床報(bào)警的成功率不高。多模式下，機(jī)器人通過融合人工標(biāo)志可以更準(zhǔn)確地定位自身，通過環(huán)境中的分布式地標(biāo)能準(zhǔn)確定位床，然后就可以利用視覺進(jìn)行膚色分割，確定病員是否在床上。若目標(biāo)不再床上，則進(jìn)行墜床報(bào)警，大大提高了墜床報(bào)警的準(zhǔn)確率。圖8為不同模式下墜床報(bào)警的成功率示意圖。由圖8可知在多模式信息獲取下，病員墜床報(bào)警的成功率比單模式高20%以上。(4)巡視效率病房外(包含護(hù)士站和走廊)機(jī)器人直行速度為0. 5m/s，病房?jī)?nèi)機(jī)器人直行速度為0. 3m/s。以二級(jí)護(hù)理病員巡視為例，表1列出了在不同模式下巡護(hù)機(jī)器人對(duì)單個(gè)病房的巡視時(shí)間對(duì)比表。由表1可知在單模式下，機(jī)器人最快可在3. 5分鐘內(nèi)完成對(duì)一個(gè)病房的巡視(3張病床)，而在多模式信息獲取模式下，機(jī)器人完成同樣的任務(wù)僅需要2分鐘。因此，在多模式信息獲取下，機(jī)器人的巡視效率大大提高。表1 不同模式下巡視時(shí)間比較(二級(jí)護(hù)理)
權(quán)利要求
1.智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)，其特征是，它包括機(jī)載PC，機(jī)載PC分別與用戶計(jì)算機(jī)和下位機(jī)控制器雙向連接，機(jī)載PC還分別與避障傳感器，定位傳感器和視覺傳感器雙向連接。
2.如權(quán)利要求1所述的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)，其特征是，所述避障傳感器包括紅外傳感器、超聲波傳感器和激光傳感器；其中，紅外傳感器和超聲波傳感器為底層避障傳感器；紅外傳感器為NPN常開型傳感器，檢測(cè)前方一定距離內(nèi)的障礙物有無；超聲波傳感器支持2個(gè)聲納環(huán)，每個(gè)環(huán)有8個(gè)超聲波換能器，用于障礙物檢測(cè)、距離檢測(cè)和自動(dòng)避障，環(huán)境建模，定位和導(dǎo)航；每個(gè)聲納環(huán)位置固定兩側(cè)各有一個(gè)，另外6個(gè)以 20°間隔分布在側(cè)邊；激光傳感器具有方向性好，分辨率高，探測(cè)距離遠(yuǎn)的優(yōu)勢(shì)；且由于激光不會(huì)發(fā)生漫反射，傳感器獲得的數(shù)據(jù)準(zhǔn)確可靠，能對(duì)機(jī)器人前方的環(huán)境進(jìn)行精確的描述，便于建立分辨率高的柵格地圖；紅外、超聲和激光結(jié)合相互補(bǔ)充，構(gòu)成冗余傳感器系統(tǒng)，實(shí)現(xiàn)機(jī)器人前方遠(yuǎn)、中、近全距離覆蓋，保障機(jī)器人運(yùn)行的安全可靠，實(shí)現(xiàn)服務(wù)機(jī)器人的無障礙行走。
3.如權(quán)利要求1所述的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)，其特征是，所述定位傳感器包括光學(xué)編碼器，慣性導(dǎo)航模塊；其中光學(xué)編碼器機(jī)器人的每個(gè)電機(jī)上均裝有光學(xué)編碼器，用于機(jī)器人定位、速度測(cè)量；慣性導(dǎo)航模塊主要有兩個(gè)任務(wù)精確測(cè)量機(jī)器人的運(yùn)動(dòng)狀態(tài)和姿態(tài)；提供錯(cuò)誤診斷能力。
4.如權(quán)利要求1所述的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)，其特征是，所述視覺傳感器為CCD攝像機(jī)，用于目標(biāo)物品的識(shí)別定位和機(jī)器人的避障、導(dǎo)航。
5.一種采用如權(quán)利要求1所述系統(tǒng)的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)的多模式信息融合方法，該方法可實(shí)現(xiàn)異構(gòu)信息的互通、描述內(nèi)容的重用及實(shí)現(xiàn)信息的上下文互聯(lián)， 并通過對(duì)多傳感器的數(shù)據(jù)融合能夠給出多層次的信息，以滿足不同層次的服務(wù)要求，其特征是該方法實(shí)現(xiàn)步驟如下Stepl 預(yù)處理層直接從分布在智能空間中的各傳感器采集數(shù)據(jù)，完成信號(hào)校驗(yàn)和信息變換，并轉(zhuǎn)換為統(tǒng)一的信息表示方式，存儲(chǔ)在智能空間的數(shù)據(jù)庫中；St印2 數(shù)據(jù)層采用加權(quán)平均、貝葉斯規(guī)則和卡爾曼濾波算法，將預(yù)處理后的來自于同質(zhì)傳感器的信息進(jìn)行低層融合，從中提取有用的特征信息；特征層從數(shù)據(jù)層提供的信息中提取目標(biāo)的相關(guān)特征信息包括尺寸、顏色和輪廓，得到不同的特征向量，然后對(duì)目標(biāo)的特征信息進(jìn)行融合，得到對(duì)目標(biāo)的分類與解釋，主要采用神經(jīng)網(wǎng)絡(luò)、粒子濾波和概率占有圖來處理來自不同傳感器的異構(gòu)信息；Mep4 決策層首先對(duì)目標(biāo)屬性進(jìn)行獨(dú)立的決策，然后結(jié)合歷史數(shù)據(jù)庫和當(dāng)前場(chǎng)景，對(duì)各個(gè)獨(dú)立決策進(jìn)行融合，從而獲得整體一致的決策結(jié)果，最后對(duì)決策執(zhí)行的效果進(jìn)行估計(jì)， 以優(yōu)化決策過程；智能空間得到最優(yōu)決策后，通過無線網(wǎng)絡(luò)向機(jī)器人發(fā)出執(zhí)行指令，護(hù)士機(jī)器人執(zhí)行命令并由智能空間服務(wù)質(zhì)評(píng)估機(jī)制對(duì)執(zhí)行的效果進(jìn)行最終評(píng)估，形成新的或更新已有的優(yōu)化規(guī)則并存儲(chǔ)在智能空間知識(shí)庫中，為以后的優(yōu)化決策提供支持。
6.如權(quán)利要求5所述的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)的多模式信息融合方法，其特征是，所述st印2或st印3或st印4中，所述融合采用分布式數(shù)據(jù)融合結(jié)構(gòu)，分為局部融合和全局融合兩大部分；局部融合主要在機(jī)器人本體上完成，主要處理本體傳感器獲取的數(shù)據(jù)；全局融合在智能空間服務(wù)器上完成，綜合處理分布在智能空間中的多傳感器數(shù)據(jù)和局部融合后的數(shù)據(jù)。
7.如權(quán)利要求5所述的智能空間與護(hù)士機(jī)器人多傳感器系統(tǒng)的多模式信息融合方法，其特征是，所述step4中，決策層主要采用黑板結(jié)構(gòu)來融合抽象層次較高的信息，具有很好的容錯(cuò)性；黑板結(jié)構(gòu)一般由知識(shí)源、黑板和控制結(jié)構(gòu)三部分組成；知識(shí)源描述某個(gè)獨(dú)立領(lǐng)域的知識(shí)和知識(shí)處理方法，每個(gè)知識(shí)源獨(dú)立完成某些特定的任務(wù)，知識(shí)源之間的通信和交互只能通過黑板進(jìn)行；黑板是共享的問題求解空間，一般以層次結(jié)構(gòu)的方式組織，是用來存儲(chǔ)數(shù)據(jù)、傳遞信息和處理方法的動(dòng)態(tài)數(shù)據(jù)庫，求解過程中，知識(shí)源不斷更新黑板；監(jiān)控機(jī)制指根據(jù)黑板上的問題求解狀態(tài)和各知識(shí)源的求解技能，依據(jù)某種控制策略，動(dòng)態(tài)地選擇和激活合適的知識(shí)源，使知識(shí)源能適時(shí)地響應(yīng)黑板的變化。
全文摘要
本發(fā)明公開了智能空間和護(hù)士機(jī)器人的多傳感器系統(tǒng)，構(gòu)建了智能空間中典型的基于QRCode和RFID技術(shù)的人工標(biāo)志表示模型，建立了基于改進(jìn)的JDL模型的多模式信息表示機(jī)制和基于分布式數(shù)據(jù)融合樹的多模式信息獲取模型，并針對(duì)各層的特點(diǎn)設(shè)計(jì)了與之相適應(yīng)的融合算法。該模型屏蔽了設(shè)備的異構(gòu)性和環(huán)境的復(fù)雜性，充分考慮了智能空間信息的動(dòng)態(tài)性、異構(gòu)性和層次性，將局部融合與全局融合有機(jī)結(jié)合在一起，既提高了融合效率，又保證了融合精度，既有助于改善智能空間對(duì)人和環(huán)境的理解，方便系統(tǒng)的集成，又可改善系統(tǒng)的可擴(kuò)展性及可重用性。
文檔編號(hào)G05D1/02GK102156476SQ201110093199
公開日2011年8月17日 申請(qǐng)日期2011年4月14日 優(yōu)先權(quán)日2011年4月14日
發(fā)明者周風(fēng)余, 尹建芹, 張凱, 王廣奇, 田國(guó)會(huì), 薛英花 申請(qǐng)人:山東大學(xué)