今日頭條
官方微信
官方抖音
案例頻道
段梅（1983－）
女，北京林業大學，研究生，主要研究方向為特種機器人、機電一體化。
基金項目：國家科技支撐計劃“多功能林木采育聯合作業關鍵技術裝備”資助。
摘要：多傳感器信息融合技術具有改善系統性能的巨大潛力，已經被廣泛地應用于軍事與非軍事領域。本文針對我國林業生產相對薄弱的現狀，介紹了多傳感器信息融合技術在多功能林木采育作業關鍵技術裝備中的應用。借助多傳感器信息融合技術，該裝備將為我國人工林、速生豐產林的高效利用提供技術裝備支撐，加快我國林業生產現代化的進程。
關鍵詞：多傳感器；信息融合；林業裝備；應用
Abstract: Multi-sensor information fusion has been generally applied to military and Non-military areas with its great potential of improving system performance. For the weak status of our forestry industry, this paper introduces application of multi-sensor information fusion to Multi-function pivotal techno-equipment of forest cutting and cultivating. In virtue of multi-sensor information fusion, the equipment will provide technology and equipment support for efficient utilization of our Plantation, and accelerate modernization of our forestry industry.
Key words: multi-sensor；Information fusion；forestry equipment；application
1 引言
隨著科技的發展，傳感器性能獲得了很大的提高，各種面向復雜背景的多傳感器系統大量涌現。由于信息表現形式的多樣性，信息數量的巨大性，信息關系的復雜性，要求信息處理的及時性，都已大大超出了人腦的信息綜合處理能力。為此，一個新興的學科——多傳感器信息融合便迅速的發展起來，逐漸成為一個十分活躍的熱門研究領域，是多學科、多部門、多領域所共同關心的高層次共性關鍵技術。
20年來，多傳感器信息融合技術越來越受到人們的普遍關注，被眾多軍事和非軍事領域所引用。包括中國在內的許多國家都把它列為下一階段重點發展的關鍵技術。
2 信息融合的概述
2.1 信息融合的定義和基本原理
多傳感器信息融合，也稱為信息融合，是針對使用多個和（或）多類傳感器的一個系統的特定問題而開展的一種信息處理的新方法。人們把信息融合的一般定義大致概括為：利用計算機技術對按時序獲得的若干傳感器的觀測信息在一定的準則下加以自動分析、優化綜合以完成所需的決策和估計任務而進行的信息處理過程。按照這一定義，各種傳感器是信息融合的基礎，多源信息是信息融合的加工對象，協調優化和綜合處理是信息融合的核心。
傳感器信息融合的基本原理就是像人腦綜合處理信息的過程一樣，它充分的利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器在空間上和時間上的互補與冗余信息依據某種優化準則組合起來，產生對觀測環境的一致性描述和解釋。
2.2 信息融合的結構模型
從多傳感器系統的信息流通形式和綜合處理層次看，更主要在位置級融合。其系統結構模型主要有四種[2,8,11,12]，即集中式、分布式、混合式和多級式。
圖1 分布式融合結構
分布式結構如圖1所示，其特點是每個傳感器的檢測報告在進入融合以前，先由它自己的數據處理器產生局部多目標跟蹤航跡，然后把處理后的信息送至融合中心，中心根據多個節點的航跡數據完成航跡關聯和航跡融合，形成全局估計。從系統的觀點來看，分布式結構是一種最自然的、最合理的結構。因為分布式結構可以較低的費用獲得較高的可靠性和可用性；可減少數據總線的頻寬和數據處理的要求；當一個傳感器降級，其觀測結果對整個多傳感器信息融合性能和結果的影響很小；它可以逐步增加要實現自動化功能的數量，而且能使系統結構適應控制中心的操作要求；并且也有與集中式結構相同或類似的精度。因此，在設計新的系統時，分布式系統已成為優先選用的方案[13]。
2.3 信息融合的應用
多傳感器信息融合技術首先應用于軍事領域，主要用于包括戰術和戰略上指揮、控制、通信及軍事目標的檢測、定位、跟蹤和識別[14]，即利用聲納、雷達、(熱) 紅外、激光、合成孔徑雷達、衛星與航空航天圖像等多種傳感器與各種信息源, 以實現軍事靜止或機動目標(如深海中的潛水艇、水面上的艦艇、地面的坦克與運輸車、空中的導彈與飛機以及太空的軍事衛星等) 的檢測、識別和跟蹤。綜合利用多種傳感器信息的互補性和冗余性，提高了信息的確定性和可靠性，提高了低可觀性目標的探測和識別能力，有助于提高決策的實時和準確性，同時也有利于降低系統的成本。
近年來，多傳感器信息融合技術在工業機器人、工業過程監視、智能交通、醫療診斷等民用領域也得到了較快的發展。新的應用領域正在逐漸被發掘，例如， 多傳感器信息融合被應用于遙感、遙測的圖像處理、故障診斷以及一般的檢測、控制等領域。多傳感器信息融合的理論正在逐步完善， 隨著其理論的發展，其應用也逐步得到推廣。
3 信息融合算法
幾十年來，學者們根據具體的問題, 提出過許多有效的融合算法。但目前還沒有普遍適用的概念和統一的表達方式, 各領域的信息融合方案也是各不相同。現有的常見的融合算法可以概括為兩大類: 經典方法和現代方法。
經典的融合算法是基于經典數學方法的一類融合算法。該類算法又可以分為估計方法和統計方法兩類，主要包括：
(1) Bayes推理：隨測量值的到來，不斷更新假設的似然函數。可以處理不相關的假設和多條件問題，但它仍要求先驗分布。
(2) 加權平均法：多個傳感器對目標的同一特征進行測量，得到相同屬性的信息，然后根據先驗知識將多個相同屬性的信息加權平均。
(3) D-S證據理論: 它實際上是Bayes理論的推廣, 采用概率區間和不確定區間來求取多證據下假設的似然函數, 對假設進行推斷, 視未知命題為“無用”而不分配先驗概率, 只有到支持該命題的證據到來時才給它分配概率。
(4) 卡爾曼濾波法：用測量模型的統計特性遞推決定統計意義下最優融合數據估計，實時融合動態的低層次冗余傳感器數據。對于具有線性動力學模型, 且系統噪聲和傳感器噪聲是高斯分布的白噪聲模型, 卡爾曼濾波提供唯一的統計意義下的最優估計。
現代融合算法是根據人工智能理論、現代信息論等的發展而發展起來的一類融合算法，主要有：
(1) 模糊邏輯法：用某種模擬人類的思維習慣的模型系統地反映分布式多傳感器系統中數據融合過程的不確定性，并通過模糊推理來完成數據融合， 得到預期的效果。
(2) 神經網絡法：仿效生物神經系統的信息處理方式，通過有教師或無教師自學習算法進行網絡學習，一旦學習完成，該神經網絡就能夠根據以網絡權矩陣和網絡拓撲結構形式存儲的特征信息，得到了一種進行決策思維的模型結構，通過綜合來自于各種不同傳感器的信息，從中抽取出單一傳感器無法提供的準確可靠信息。
隨著研究的深入，不少新的處理算法不斷地被引用于多傳感器信息融合中, 如粗糙集理論、小波變換算法、進化算法等。
4 信息融合技術在林業生產中的應用
4.1 我國林業作業裝備研究現狀
我國有近4000萬公頃的人工林面積[15]，現有的人工林是以速生豐產林為基礎發展起來的，再過2-3年人工林將逐步進入成熟林，依靠傳統的人工撫育和采伐技術已經不能滿足現代化林業生產的需要，未來的林業生產也要由勞動力集約型向技術集約型轉變，以增加單位勞動力的生產效率，增加林區農民收入，這也是解決三農問題的一個方面；此外，人工林的撫育也具有季節性和應急性，在最佳的季節完成除草、間伐、整枝和應急性病蟲害防治及運輸，必須通過機械化提高效率，對于撫育間伐材的搬運和大中徑材的整枝撫育作業，人工無法高質、高效地完成有關作業，需要機械化裝備以實現安全高效地作業。
為了解決上述問題，北京林業大學正在研制適合我國主要人工林的集約化撫育、采伐多功能聯合作業技術成套裝備。
圖2 林木采育聯合作業機的總體圖
圖3 林木采育聯合作業機虛擬設計圖
4.2 信息融和在林業裝備中的應用
多功能林木采育作業關鍵技術裝備在高度非結構化環境下工作理論上是完全可以實現的。機器自主行走、機器視覺對圖像的三維深度信息、方位、動態響應和暫不可視信息的獲取和解釋，機械臂和末端執行器對視覺傳感器解釋信號的理解等都需要多傳感器信息融合技術的支撐。
4.2.1作業裝備的半自主導航
為了適應作業環境的變化，該裝備擬配置適合我國緩坡地人工林的小轉彎半徑輪式車輛底盤，以及適合我國陡坡地人工林的可伸縮的仿生式履帶式車輛底盤，同時利用分布式多傳感器系統及其信息融合技術，輔助駕駛員實現半自主導航。該裝備可以利用自身的測距裝置，如超聲波和遠紅外傳感器等，測量其與預先設定的目標之間的距離，利用CCD傳感器獲取周邊環境及邊界信息，同時結合地理信息系統和全球定位系統，通過信息融合技術對多個傳感器反饋信息進行綜合決策，形成對環境某一方面特征的綜合描述，推算出自身的位姿，完成行走機構的半自主導航。
4.2.2目標的識別與定位
所謂三維視覺信息包括從攝像機到物體之間的距離、物體的大小和形狀、各物體之間的關系等。根據人工林作業環境的特殊性和復雜性，該裝備主要采用當前高度實用的關節型機械臂作為本體結構，獲取對象的位姿，經過運動規劃和運動學反解,求出關節空間的運動解來控制關節電機的運動。因此，對于機械臂的視覺系統而言，不僅要探測到目標的存在，還要計算出目標的空間坐標。獲取對象三維坐標的方法有兩種[16] ：多目立體視覺，融合多個攝像機觀察到的目標特征,重構這些特征的三維原像,并計算出目標的空間坐標；結構光法，選擇激光、微波或超聲波等光源,采用光柵法、移動投光法獲取距離圖像和反射圖像，經聯合分析測出物體的形狀和空間分布。如果能利用多傳感器融合技術將二者結合起來，由視覺系統獲取原始平面圖像，計算其形心坐標，再利用結構光法測量目標的深度信息，就能夠實現更精確的路徑規劃和自主避障。
4.2.3執行機構的柔順控制
根據不同作業對象的物理特性,應采取不同的抓持專用機構。這些機構主要包括判斷模塊、狀態識別模塊、控制模塊和反饋控制模塊。在判斷模塊和狀態識別模塊中，目標定位主要依據分布式視覺傳感器和接近覺傳感器的信息融合；抓取狀態的判斷是通過于將分布式觸覺傳感器、節力矩傳感器和關節角度傳感器的輸出融合起來，得到腕部力矩的變化量、抓取力的變化量、滑動量和抓取位置的變化量，從而實現對目標的穩定抓取。
4.2.4故障檢測
作業裝備中開發和應用了許多液壓控制子系統，如液壓抓、液壓閥木頭等，因此其故障診斷技術也變得舉足輕重。由于液壓設備運行工況復雜，同時受外界環境的干擾以及傳感器老化等因素的影響，所以傳統的基于單參數的故障診斷所得結論已不能準確確定設備是否有故障。利用多傳感器信息融合技術,從各個不同的角度獲得有關系統運行狀態的特征參量，如壓力、振動、污染度等，并將這些信息進行有效的集成和融合,就能夠比較準確地完成液壓設備的故障分類與識別。
5 結語
多傳感器信息融合技術能充分利用多傳感器資源。如果筆者研制開發的多功能林木采育作業關鍵技術裝備與多傳感器信息融合技術實現完美結合，將獲得對對象更為精確更為全面的認識, 具有擴展了系統的空間和時間覆蓋范圍、增加了可信度、減少了信息的模糊性、改善了探測性能、提高了空間分辨率、增加了測量空間的維數等諸多優點。筆者將研制出適合我國主要人工林集約化撫育、采伐多功能聯合作業技術成套裝備。該設備將真正達到一機多用，實現大面積速生豐產林的機械化、集約化生產作業，為我國人工林、速生豐產林的高效利用提供技術裝備支撐。
其它作者：
劉晉浩（1958－），北京林業大學，教授，博士生導師，主要研究方向為機電一體化、特種機器人等。
參考文獻：
[1] J. Linas, E.Walts.Multisensor Data Fusion. Artech House,Norwood,
Massachusetts,1990
[2] D. L Hall. Mathematical Techniques in Multisensor Data Fusion. Artech House, Boston, London,1992
[3] 趙宗貴,耿立賢,周中元等編譯.多傳感器數據融合. 南京：電子工業部二十八研究所,1993-2.
[4] 趙宗貴編譯.數據融合方法概論. 南京:電子工業部二十八研究所,1998-4.
[5] 劉同明,夏祖勛,解洪成.數據融合技術及其應用. 北京:國防工業出版社,1998-9.
[6] 康耀紅.數據融合理論與應用. 西安:西安電子科技大學出版社,1997-11.
[7] 何友.多目標多傳感器綜合算法研究.碩士論文, 武漢:海軍工程大學,1988-2.
[8] 何友,譚慶海.多傳感器系統分類研究.火力與指揮控制,1988(2):1~10.
[9] 何友,彭應寧.多傳感器數據融合算法綜述.火力與指揮控制,1996(1):13~22.
[10] 何友,陸大纟金,彭應寧.多傳感器數據融合模型評述.清華大學學報,1996(9):14~20.
[11] 王亦農,何友,唐慶梅.分布檢測系統評述.海軍航空工程學院學報,1991(2).
[12] 何友,唐勁松等.多雷達綜合跟蹤算法研究. 煙臺:海軍航空工程學院研究學報,1991-7.
[13] A. Farina, F. A. Studer. Radar Data Orosessing. Vol.Ⅰ.Ⅱ. Reseach Press LTD,1985.
[14] 藏大進,嚴宏鳳等.多傳感器信息融合技術綜述.工礦自動化,2005( 6) .
[15] 秦月,我國人工林的發展任重而道遠——“天保”八年后的思考. 國際木業,2006(5).
[16] 羅志增, 蔣靜坪. 機器人感覺與多信息融合. 北京:機械工業出版社，2002.
北京市公安局海淀分局備案號：11010802023656號