[发明专利]基于DSmT理论的移动机器人声纳数据融合方法

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。