基于多传感器信息融合的地下自主铲运机的定位技术.pdf

第6 l 卷第4 期 2009 年I1 月 有色金 属 N o n f e I T O U SM e t a l s V o ] ．6 1 ，N o ．4 N o v e m b e r ．2009 基于多传感器信息融合的地下自主铲运机的定位技术 迟洪鹏1 ，战凯1 ”，郭 鑫2 1 ．北京科技大学，北京10 0 0 8 3 ；2 ．北京矿冶研究总院，北京10 0 0 4 4 摘要分析自主车辆的定位技术及多传感器信息融合的模型。通过对地下自主铲运机后车体和传感器 航向陀螺仪、激光 测距仪 的建模．采用多传感器信息融合的卡尔曼滤波算法，将航向陀螺仪和激光测距仪采集的信息融合后，对铲运机的航向角进 行确定。综合应用多传感器信息融合技术可以有效提高铲运机的定位精度。 关键词采矿工程；铲运机；信息融合；多传感器；定位；卡尔曼滤波 中图分类号T D 4 2 2 ．4文献标识码A文章编号1 0 0 1 0 2 1 1 2 0 0 9 0 4 0 1 4 8 0 5 随着科学技术快速进步，特别是计算机和微电 子技术的迅速发展，传感器的性能和制造水平大大 提高，各种面向复杂应用背景的军用或民用新型传 感器不断涌现。但是由于单个传感器往往只能提供 部分信息，很难做出合理的判断，因此往往采用多传 感器 多个同类传感器或多个不同类型的传感器 系统提高环境感知能力和探测精度。 在多传感器系统中，信息有形式多样、数量巨 大、关系复杂的特点，以及对信息处理的实时性要 求，使得多传感器信息融合 M u l t i s e n s o rI n f o r m a t i o nF u s i o n ，M S I F 技术迅速的发展起来。实现智能 无人操纵铲运机精确自主定位、避障和导航给多传 感器信息融合技术提出了更高的要求。 l定位技术分析 自主车辆导航主要由定位、环境感知及建模、运 动规划和目标确定几个部分组成，其中定位是最基 本的环节。定位和导航是自主车辆密不可分的两个 方面，定位是导航的基础。 1 ．1 铲运机定位方法分析 地下无人操纵铲运机定位是指确定其在二维坐 标系中的位置及其本身的姿态，或者也可以表示为 铲运机相对于地下巷道内某已知位置坐标 信标 点 的相对位置。根据铲运机工作环境的复杂性， 以及传感器的种类和数量的不同，定位导航方法有 多种。主要可用方法有航迹推算定位技术、无线电 收稿日期2 0 0 9 一O l 一1 6 基金项目国家高技术研究发展计划“8 6 3 ”项目 2 0 0 6 A A 0 6 2 1 3 7 作者简介迟洪鹏 1 9 8 3 一 ，男，山东胶州市人，助理工程师，博士， 主要从事车辆工程与工程机械等方面的研究。 定位技术、地图匹配定位技术、视觉定位技术及惯性 导航技术等。 1 航迹推算定位技术 D e a dR e c k o n i n g 。航 迹推算定位技术是指已经确定某～初始时刻铲运机 的位置，根据铲运机上安装的传感器 航向陀螺、速 度计、里程计等 ，从而计算出铲运机的位置坐标。 在短时间内这些传感器的测量精度比较高，但对于 长时间的定位需要采取措施以避免累积误差。 2 无线电定位技术 R a d i o l o c a t i o n 。铲运机 从分布在运行巷道内的一定数量信号发射基站接收 无线电信号，来自多个基站的信号交叉能够确定车 辆的具体位置，然后将这一信息提供给控制中心。 但是由于电波的非视距传播、多径效应和多址干扰 以及信号同步误差、测量误差等，对其定位精度影响 比较大，同时需要设置的基站较多，基于巷道特殊的 环境，对于铲运机定位实施来说具有一定困难。 3 地图匹配定位技术 M a pM a t c h i n g 。地图 匹配技术是指预先获取巷道的数字地图信息，在铲 运机行驶过程中，通过铲运机装载的图像采集系统 等实时获取铲运机周围环境地图信息，通过和预先 存储的地图信息进行匹配，从而获得铲运机的实时 位置信息。然而地图匹配需要初始定位数据，考虑 到井下巷道的数字地图信息不断在变化，因此此方 法也不能起到单独精确定位的目的。 4 视觉定位技术 V i s u a lL o c a l i z a t i o n 。视觉 定位技术是指通过C C D 或其他视觉传感器敏感周 围环境，铲运机通过对巷道内设定一些具有明显特 征点的路标识别和跟踪，结合特定标识景物的位置 信息，进而得到铲运机的纵向位置信息。该方法定 位精度较高，但是考虑到地下巷道的实际环境因素， 万方数据 第4 期迟洪鹏等基于多传感器信息融合的地下自主铲运机的定位技术 如光线等影响，实际图像的获取显得有些困难。 5 惯性导航技术 I n e r t i a lN a v i g a t i o nS y s t e m 。 该技术不依赖于外界信息，靠自身的惯性敏感元件 测量导航参数，它不受天然或人为的干扰，具有较好 的隐蔽性，是一种完全自主式的导航系统。然而，在 长时间工作以后，会产生不同程度的误差累积，为提 高系统的绝对精度，需要增加别的辅助传感器定位。 综上所述，任何一种单一的定位导航系统都有 一定的限制，如何将各种传感器的测量信息加以综 合利用，最大限度地提取有用信息，保障铲运机导航 的全程连续性，运行能够快速灵活，成为铲运机定位 导航系统所要解决的基本问题，而解决这一问题的 最佳方案就是采用所谓的多传感器信息融合技术， 提高定位的精确度。 1 ．2 多传感器信息融合模型分析 多传感器信息融合技术指利用计算机技术对按 时序获得的多个传感器的探测信息在一定准则下进 行自动分析、辨识和综合，并做出估计与决策的信息 处理过程。多传感器信息融合技术通常是在一个称 为信息融合中心的信息综合处理器中完成，而一个 融合中心本身也可能包含另一个信息融合中心。多 传感器信息融合可以是多层次、多方式的，主要模型 有集中型、分散型、混合型和反馈型，如图1 一图4 所示。 1 集中型。传感器仅起到采集信息的作用， 不预先对信息数据进行处理而是直接将原始数据传 送到信息融合中心，这种方式对信道要求比较高，适 应小规模的多传感器信息融合系统。 图1集中型多传感器信息融合 F i g ．1 C o n c e n t r a t e dm u l t i s e n s o ri n f o r m a t i o nf u s i o n 2 分散型。传感器对采集的信息进行局部的 处理，然后再向信息融合中心提供局部处理的信息。 这种方式信道压力较小、计算负荷分配合理，但没有 了原始信息的交流，可能导致丢失部分信息。 3 混合型。这种结构兼有集中型和分散型的 优点，信息既有分散处理，又有集中处理。因而这种 图2 分散型多传感器信息融合 F i g ．2 D e c e n t r a l i z e dm u l t i - s e n s o ri n f o r m a t i o nf u s i o n 方式有比较理想的信息融合结果，适用于大规模的 多传感器信息融合系统。 图3 混合型多传感器信息融合 F i g ．3H y b r i dm u l t i s e n s o ri n f o r m a t i o nf u s i o n 4 反馈型。这种方式利用信息的相对稳定性 及原始信息积累对融合信息进行反馈处理，对新的 原始信息融合有很好的指导作用，而且兼有集中型 和分散型的优点，能够有效提高信息处理的速度和 精度。 f 已融合信息反馈 j [ ] [ 至垂巫亟亘] [ 】西盔五二卜 图4 反馈型传感器信息融合 F i g ．4 F e e d b a c km u l t i ．s e n s o ri n f o r m a t i o nf u s i o n 2 基于卡尔曼滤波的多传感器信息融合 偏离角8 为铲运机后车体 发动机所在车体 的中轴线与铲运机在巷道内预定的行驶轨迹切线方 向的夹角。显示铲运机是否偏离轨迹，以防下一步 行走与井壁相撞。一般在默认的情况下，预定的行 驶轨迹为巷道的中轴线。 偏离角用来反映铲运机运行方向与预定的行驶 方向的偏差。为了保持铲运机沿着预定的轨道行 驶，应使铲运机的偏离角在0 0 左右摆动。偏离角可 通过航向陀螺仪测量融合激光测距仪测量车体距巷 道壁的距离校正方法得出。 2 ．1 铲运机后车体运动模型的建立 万方数据 1 5 0 万方数据 第4 期 迟洪鹏等基于多传感器信息融合的地下自主铲运机的定位技术1 5 l 体的基本原理如图7 所示，在X O Y 坐标系中以铲运 机中心O R 为原点建立坐标系0 。X 。K ，铲运机的后 车体四个顶点分别为A ／B ／C ／D ，每个顶点分别装有 一个测距仪。s 。，S ，S ，，S 。分别为四个顶点的测距 仪测得距离井壁的垂直距离。 Y o 图7 铲运机后车体激光测距仪定位示意 F i g ．7 L a s e rr a n g ef i n d e ro ns c r a p e rb a c k b o d yl o c a t i o nd i a g r a m 根据定义，O 点为铲运机的定位中心点，6 为铲 运机中心偏离位移，／3 为铲运机偏离角，￡l 和也则 分别为前、后测距仪距离后车轮中心的安装距离。 根据图示数学三角关系得到等式 9 ，整理式 9 得式 1 0 ，从而求得偏离角／3 ，见式 11 。 S l 艿 L l s i - ／3 S 2 6 一L l ‘s i - ／3 ；S 3 6 L 2 s i q p S 4 6 一L 2 s i H p 9 2 6 S 2 一I s l 一2 L l s i q | B S 3 一S 4 2 L 2 ‘s i n ／3 1 0 ／3 a r c s i n { S 2 一S l S 3 S 。 ／[ 2 L l L 2 ] } 1 1 由以上航向陀螺仪和激光测距仪的观测定位模 型可得到该多传感器系统的观测定位模型为式 1 2 所示，其中秽 n 为观测误差，为零均值的高斯 白噪声，方差为R I t 。Z n 包括陀螺仪的读数与激 光测距仪传感器的输出数据，所以Z I t 的维数为 陀螺仪的输出向量个数加上输出数据的激光测距仪 的个数。陀螺仪的输出为式 1 3 所示，激光测距仪 的输出为式 1 4 所示。 Z r t h [ X I t ] 秽 n 1 2 Z l n 卢l n “ I r t 1 3 z 2 n S l n 移2 i t ；Z 3 n S 2 n 秽3 r t ；z 4 r t S 3 ，1 ％ n ；z 5 n S 4 r t 秽， 厅 1 4 3 卡尔曼滤波算法 假设陀螺仪与激光测距仪的测量是彼此独立 的，由于只有铲运机偏离角具有测量冗余，所以问题 的实质是采用一维卡尔曼滤波，将陀螺仪和激光测 距仪的测量结果进行信息融合，以递推方式求得铲 运机方位角的最小方差无偏估计。 取在t n T 时刻，由航向陀螺仪和激光测距仪 测得铲运机后车体的偏离角分别为／3 t n 和／3 J 1 1 , ， 对铲运机方位角的最小方差估计为口 n ，则状态预 测方程、滤波方程、增益方程、方差预测方程和方差 迭代方程分别为式 1 5 一式 1 9 所示。 卢。 n 卢 n 阳 n 1 1 5 ／3 n 1 p 。 n 南 1 7 , 1 [ 卢。 I t 一B n ] 1 6 k n 1 P ’ n 1 ／[ p ’ n 1 J B ，2 ] 1 7 P ’ n 1 P n 一R 2 n 1 8 P 佗 1 P ’ n 1 一k n 1 2 [ P ’ n 1 卢，2 ] 1 9 通过式 1 5 一式 1 7 迭代计算，可求得／3 ／／, 1 。 图8 信息融合定位算法框图 F i g ．8 I n f o r m a t i o nF u s i o nl o c a t i o na l g o r i t h m b l o c kd i a g r a m 4结论 受各种主客观因素的影响，铲运机定位导航中 传感器测量值与目标估计值之间存在不确定性误 差。综合应用多传感器信息以获得有关目标的属性 特征，可避免单一传感器的局限性限制，减少各传感 器测量误差的影响，有效提高测量精度。随着工业 自动化需求的不断提高，以及科学技术的飞速发展， 多传感器信息融合技术作为一种新的现代信息处理 技术得到越来越多的关注，也将拥有更为广阔的应 万方数据 1 5 2 有色金属 第6 l 卷 用前景。通过对地下自主铲运机多传感器定位技术了技术参考。 的研究，为以后铲运机自动化采矿工程的发展提供 参考文献 [ 1 ] 孟庆浩，彭商贤．使用非视觉传感器的移动机器人定位问题的研究方法[ J ] ．中国机械工程，1 9 9 8 ，9 2 4 9 5 3 ． [ 2 ] 西格沃特R ，诺巴克什IR ．自主移动机器人导论[ M ] ．李人厚译．西安西安交通大学出版社，2 0 0 6 1 8 5 2 6 1 ． [ 3 ] 何友，王国宏，彭应宁，等．多传感器信息融合及应用[ M ] ．电子工业出版社，2 0 0 7 l 1 3 ． [ 4 ] 罗志增，蒋静坪．机器人感觉与多信息融合[ M ] ．北京机械t 业出版社，2 0 0 2 9 1 1 2 2 ． [ 5 ] 林一平．不断创新发展的现代无人驾驶汽车[ J ] ．专用汽车，2 0 0 3 ， 1 1 2 一1 4 ． [ 6 ] 顾柏园，王荣本，储江伟．实验型高速智能汽车导航技术[ J ] ．机器人技术与应用，2 0 0 2 ， 5 1 6 2 0 ． [ 7 ] R o b i nRM u r p h y ．I n t r o d u c t i o nt oA IR o b o t i c s [ M ] ．C a m b r i d g e ，M a s s a c h u s e t t s ，U S A T h eM I TP r e s s ，2 0 0 0 3 1 1 3 5 1 ． [ 8 ] 张栋林．地下铲运机[ M ] ．北京冶金工业出版社，2 0 0 2 3 6 6 3 8 0 ． L o c a t i o nT e c h n o l o g yo fU n d e r g r o u n dA u t o n o m o u sS c r a p e r B a s e do nM u i t i ．s e n s o rI n f o r m a t i o nF u s i o n C H IH o n g - p e n 9 1 ，Z H A NK a i l 一，G U OX i n 2 1 ．U n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g yB e 彬n g ，B e 咖n g10 0 0 8 3 ，C h i n a ； 2 ．B e i j i n gG e n e r a lR e s e a r c hI n s t i t u t eo fM i n i n g ＆M e t a l l u r g y ，B e i j i n g10 0 0 4 4 ，C h i n a A b s t r a c t T h el o c a t i o nt e c h n o l o g yo fa u t o n o m o u sv e h i c l e sa n dt h em o d e lo fm u l t i s e n s o ri n f o r m a t i o nf u s i o na r ea n a l y z e d ． T h ep a t ha n g l eo fs c r a p e ri sd e t e r m i n e db ym o d e le s t a b l i s h m e n tf o ru n d e r g r o u n da u t o n o m o u ss c r a p e rb a c kb o d ya n d t h es e n s o r s d i r e c t i o n a lg y r o s c o p e ，l a s e rr a n g ef i n d e r ，f u s e st h ei n f o r m a t i o nc o l l e c t e db yd i r e c t i o n a lg y r o s c o p ea n d l a s e rr a n g ef i n d e rb yu s i n gK a l m a nf i l t e r i n ga l g o r i t h mo fm u l t i s e n s o ri n f o r m a t i o nf u s i o n ．A d o p t i n gm u l t i s e n s o r i n f o r m a t i o nf u s i o ns y s t e mc a ne f f e c t i v e l yi m p r o v et h el o c a t i o na c c u r a c yo fs c r a p e r ． K e y w o r d s m i n i n ge n g i n e e r i n g ；s c r a p e r ；i n f o r m a t i o nf u s i o n ；m u l t i - s e n s o r ；l o c a t i o n ；K a l m a nf i l t e r i n g 万方数据