[發(fā)明專利]基于多傳感器特征融合的機(jī)器人環(huán)境感知方法

在審

• 申請?zhí)枺?/td>: 202210258535.3
• 申請日: 2022-03-16
• 公開（公告）號: CN115718903A
• 公開（公告）日: 2023-02-28
• 發(fā)明（設(shè)計）人: 邱小劍;阮杰;胡錦文;張振;張英孔;江瑞宇
• 申請（專利權(quán)）人: 江西省軍民融合研究院
• 主分類號: G06F18/25
• 分類號: G06F18/25;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 寧波奧凱專利事務(wù)所(普通合伙) 33227
• 代理人: 姜瑞祥

1.一種基于多傳感器特征融合的機(jī)器人環(huán)境感知方法，該方法的機(jī)器人在自動導(dǎo)航或者在偵察現(xiàn)場過程中通過融合多傳感器的信息進(jìn)行環(huán)境感知，傳感器的可靠度與哈希碼通過點乘，將哈希碼提取的特征與傳感器的可靠度作為神經(jīng)網(wǎng)絡(luò)的輸入，然后經(jīng)過神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到結(jié)果輸出，從而實現(xiàn)環(huán)境感知；最終實現(xiàn)特征級別的融合，實現(xiàn)多傳感器的有效融合；其特征在于該方法的具體步驟如下：(1)傳感器信息質(zhì)量優(yōu)化，即通過變分自編碼器實現(xiàn)信息的降維與重構(gòu)，變分自編碼的目標(biāo)是在迭代過程中不斷優(yōu)化損失函數(shù)，實現(xiàn)數(shù)據(jù)重構(gòu)，得到傳感器重構(gòu)樣本；(2)采用DenseNet實現(xiàn)傳感器重構(gòu)樣本的多層次特征提取；(3)基于集成學(xué)習(xí)實現(xiàn)傳感器可靠度的衡量；(4)基于多傳感器間語義一致性解決異步采樣的問題，即通過找出不同傳感器之間語義關(guān)聯(lián)性最高的特征，利用協(xié)同矩陣分解的方法來學(xué)習(xí)多傳感器之間的潛在關(guān)聯(lián)語義得到傳感器的可靠度和哈希特征矩陣的特征融合；(5)基于傳感器的可靠度和哈希特征矩陣的特征融合，實現(xiàn)環(huán)境感知和障礙物識別；即將傳感器的可靠度與哈希碼進(jìn)行點乘，并將點乘的向量輸入到神經(jīng)網(wǎng)絡(luò)中，實現(xiàn)環(huán)境感知和障礙物識別。

2.根據(jù)權(quán)利要求1所述的基于多傳感器特征融合的機(jī)器人環(huán)境感知方法，其特征在于所述步驟(1)中假設(shè)傳感器的采集原始數(shù)據(jù)為X，經(jīng)過VAE變分自編碼器自動編碼后，形成原始數(shù)據(jù)的隱含變量Z，然后經(jīng)過生成器實現(xiàn)樣本的重構(gòu)，對傳感器信息質(zhì)量的優(yōu)化，通過不斷迭代，將“失真”的信息進(jìn)行校正。

3.根據(jù)權(quán)利要求1所述的基于多傳感器特征融合的機(jī)器人環(huán)境感知方法，其特征在于所述步驟(2)將步驟(1)生成的傳感器重構(gòu)樣本采用DenseNe來實現(xiàn)多層次特征的提取。

4.根據(jù)權(quán)利要求1所述的基于多傳感器特征融合的機(jī)器人環(huán)境感知方法，其特征在于所述步驟(3)中傳感器可靠度的衡量通過將每一個傳感器提取的多層次特征與其余的傳感器提取的特征的總體相關(guān)性進(jìn)行衡量，來判斷該傳感器的可靠度；即在獲取可靠度δ的基礎(chǔ)上，將可靠度與閾值進(jìn)行比較，剔除較低可靠度的傳感器。

5.根據(jù)權(quán)利要求1所述的基于多傳感器特征融合的機(jī)器人環(huán)境感知方法，其特征在于所述步驟(4)中多傳感器之間的潛在關(guān)聯(lián)語義公式為：其中，X'表示多層次特征，B表示哈希碼集，U_X'和U_Y'是基于哈希碼集提取的特征矩陣。