段梅（1983－）
女，北京林業(yè)大學(xué)，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(lián)合作業(yè)關(guān)鍵技術(shù)裝備”資助。

摘要：多傳感器信息融合技術(shù)具有改善系統(tǒng)性能的巨大潛力，已經(jīng)被廣泛地應(yīng)用于軍事與非軍事領(lǐng)域。本文針對我國林業(yè)生產(chǎn)相對薄弱的現(xiàn)狀，介紹了多傳感器信息融合技術(shù)在多功能林木采育作業(yè)關(guān)鍵技術(shù)裝備中的應(yīng)用。借助多傳感器信息融合技術(shù)，該裝備將為我國人工林、速生豐產(chǎn)林的高效利用提供技術(shù)裝備支撐，加快我國林業(yè)生產(chǎn)現(xiàn)代化的進程。

關(guān)鍵詞：多傳感器；信息融合；林業(yè)裝備；應(yīng)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(fā)展，傳感器性能獲得了很大的提高，各種面向復(fù)雜背景的多傳感器系統(tǒng)大量涌現(xiàn)。由于信息表現(xiàn)形式的多樣性，信息數(shù)量的巨大性，信息關(guān)系的復(fù)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(xué)科——多傳感器信息融合便迅速的發(fā)展起來，逐漸成為一個十分活躍的熱門研究領(lǐng)域，是多學(xué)科、多部門、多領(lǐng)域所共同關(guān)心的高層次共性關(guān)鍵技術(shù)。

    20年來，多傳感器信息融合技術(shù)越來越受到人們的普遍關(guān)注，被眾多軍事和非軍事領(lǐng)域所引用。包括中國在內(nèi)的許多國家都把它列為下一階段重點發(fā)展的關(guān)鍵技術(shù)。

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(tǒng)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(shù)對按時序獲得的若干傳感器的觀測信息在一定的準(zhǔn)則下加以自動分析、優(yōu)化綜合以完成所需的決策和估計任務(wù)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(chǔ)，多源信息是信息融合的加工對象，協(xié)調(diào)優(yōu)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(jù)某種優(yōu)化準(zhǔn)則組合起來，產(chǎn)生對觀測環(huán)境的一致性描述和解釋。

2.2 信息融合的結(jié)構(gòu)模型

    從多傳感器系統(tǒng)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(tǒng)結(jié)構(gòu)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(jié)構(gòu)

    分布式結(jié)構(gòu)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(shù)據(jù)處理器產(chǎn)生局部多目標(biāo)跟蹤航跡，然后把處理后的信息送至融合中心，中心根據(jù)多個節(jié)點的航跡數(shù)據(jù)完成航跡關(guān)聯(lián)和航跡融合，形成全局估計。從系統(tǒng)的觀點來看，分布式結(jié)構(gòu)是一種最自然的、最合理的結(jié)構(gòu)。因為分布式結(jié)構(gòu)可以較低的費用獲得較高的可靠性和可用性；可減少數(shù)據(jù)總線的頻寬和數(shù)據(jù)處理的要求；當(dāng)一個傳感器降級，其觀測結(jié)果對整個多傳感器信息融合性能和結(jié)果的影響很小；它可以逐步增加要實現(xiàn)自動化功能的數(shù)量，而且能使系統(tǒng)結(jié)構(gòu)適應(yīng)控制中心的操作要求；并且也有與集中式結(jié)構(gòu)相同或類似的精度。因此，在設(shè)計新的系統(tǒng)時，分布式系統(tǒng)已成為優(yōu)先選用的方案[13]。

2.3 信息融合的應(yīng)用

    多傳感器信息融合技術(shù)首先應(yīng)用于軍事領(lǐng)域，主要用于包括戰(zhàn)術(shù)和戰(zhàn)略上指揮、控制、通信及軍事目標(biāo)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(wèi)星與航空航天圖像等多種傳感器與各種信息源, 以實現(xiàn)軍事靜止或機動目標(biāo)(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(dǎo)彈與飛機以及太空的軍事衛(wèi)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(biāo)的探測和識別能力，有助于提高決策的實時和準(zhǔn)確性，同時也有利于降低系統(tǒng)的成本。

    近年來，多傳感器信息融合技術(shù)在工業(yè)機器人、工業(yè)過程監(jiān)視、智能交通、醫(yī)療診斷等民用領(lǐng)域也得到了較快的發(fā)展。新的應(yīng)用領(lǐng)域正在逐漸被發(fā)掘，例如， 多傳感器信息融合被應(yīng)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(lǐng)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(fā)展，其應(yīng)用也逐步得到推廣。

3 信息融合算法

    幾十年來，學(xué)者們根據(jù)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(tǒng)一的表達方式, 各領(lǐng)域的信息融合方案也是各不相同。現(xiàn)有的常見的融合算法可以概括為兩大類: 經(jīng)典方法和現(xiàn)代方法。

    經(jīng)典的融合算法是基于經(jīng)典數(shù)學(xué)方法的一類融合算法。該類算法又可以分為估計方法和統(tǒng)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(shè)的似然函數(shù)。可以處理不相關(guān)的假設(shè)和多條件問題，但它仍要求先驗分布。

    (2) 加權(quán)平均法：多個傳感器對目標(biāo)的同一特征進行測量，得到相同屬性的信息，然后根據(jù)先驗知識將多個相同屬性的信息加權(quán)平均。

    (3) D-S證據(jù)理論: 它實際上是Bayes理論的推廣, 采用概率區(qū)間和不確定區(qū)間來求取多證據(jù)下假設(shè)的似然函數(shù), 對假設(shè)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(jù)到來時才給它分配概率。

    (4) 卡爾曼濾波法：用測量模型的統(tǒng)計特性遞推決定統(tǒng)計意義下最優(yōu)融合數(shù)據(jù)估計，實時融合動態(tài)的低層次冗余傳感器數(shù)據(jù)。對于具有線性動力學(xué)模型, 且系統(tǒng)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(tǒng)計意義下的最優(yōu)估計。

    現(xiàn)代融合算法是根據(jù)人工智能理論、現(xiàn)代信息論等的發(fā)展而發(fā)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(xí)慣的模型系統(tǒng)地反映分布式多傳感器系統(tǒng)中數(shù)據(jù)融合過程的不確定性，并通過模糊推理來完成數(shù)據(jù)融合， 得到預(yù)期的效果。

    (2) 神經(jīng)網(wǎng)絡(luò)法：仿效生物神經(jīng)系統(tǒng)的信息處理方式，通過有教師或無教師自學(xué)習(xí)算法進行網(wǎng)絡(luò)學(xué)習(xí)，一旦學(xué)習(xí)完成，該神經(jīng)網(wǎng)絡(luò)就能夠根據(jù)以網(wǎng)絡(luò)權(quán)矩陣和網(wǎng)絡(luò)拓撲結(jié)構(gòu)形式存儲的特征信息，得到了一種進行決策思維的模型結(jié)構(gòu)，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(zhǔn)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(shù)在林業(yè)生產(chǎn)中的應(yīng)用

4.1 我國林業(yè)作業(yè)裝備研究現(xiàn)狀

    我國有近4000萬公頃的人工林面積[15]，現(xiàn)有的人工林是以速生豐產(chǎn)林為基礎(chǔ)發(fā)展起來的，再過2-3年人工林將逐步進入成熟林，依靠傳統(tǒng)的人工撫育和采伐技術(shù)已經(jīng)不能滿足現(xiàn)代化林業(yè)生產(chǎn)的需要，未來的林業(yè)生產(chǎn)也要由勞動力集約型向技術(shù)集約型轉(zhuǎn)變，以增加單位勞動力的生產(chǎn)效率，增加林區(qū)農(nóng)民收入，這也是解決三農(nóng)問題的一個方面；此外，人工林的撫育也具有季節(jié)性和應(yīng)急性，在最佳的季節(jié)完成除草、間伐、整枝和應(yīng)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(yè)，人工無法高質(zhì)、高效地完成有關(guān)作業(yè)，需要機械化裝備以實現(xiàn)安全高效地作業(yè)。

    為了解決上述問題，北京林業(yè)大學(xué)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(lián)合作業(yè)技術(shù)成套裝備。

     

                               圖2   林木采育聯(lián)合作業(yè)機的總體圖

                               圖3  林木采育聯(lián)合作業(yè)機虛擬設(shè)計圖

4.2 信息融和在林業(yè)裝備中的應(yīng)用

    多功能林木采育作業(yè)關(guān)鍵技術(shù)裝備在高度非結(jié)構(gòu)化環(huán)境下工作理論上是完全可以實現(xiàn)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(tài)響應(yīng)和暫不可視信息的獲取和解釋，機械臂和末端執(zhí)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(shù)的支撐。

4.2.1作業(yè)裝備的半自主導(dǎo)航

    為了適應(yīng)作業(yè)環(huán)境的變化，該裝備擬配置適合我國緩坡地人工林的小轉(zhuǎn)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(tǒng)及其信息融合技術(shù)，輔助駕駛員實現(xiàn)半自主導(dǎo)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(yù)先設(shè)定的目標(biāo)之間的距離，利用CCD傳感器獲取周邊環(huán)境及邊界信息，同時結(jié)合地理信息系統(tǒng)和全球定位系統(tǒng)，通過信息融合技術(shù)對多個傳感器反饋信息進行綜合決策，形成對環(huán)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(gòu)的半自主導(dǎo)航。

4.2.2目標(biāo)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(guān)系等。根據(jù)人工林作業(yè)環(huán)境的特殊性和復(fù)雜性，該裝備主要采用當(dāng)前高度實用的關(guān)節(jié)型機械臂作為本體結(jié)構(gòu)，獲取對象的位姿，經(jīng)過運動規(guī)劃和運動學(xué)反解,求出關(guān)節(jié)空間的運動解來控制關(guān)節(jié)電機的運動。因此，對于機械臂的視覺系統(tǒng)而言，不僅要探測到目標(biāo)的存在，還要計算出目標(biāo)的空間坐標(biāo)。獲取對象三維坐標(biāo)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(biāo)特征,重構(gòu)這些特征的三維原像,并計算出目標(biāo)的空間坐標(biāo)；結(jié)構(gòu)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(jīng)聯(lián)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(shù)將二者結(jié)合起來，由視覺系統(tǒng)獲取原始平面圖像，計算其形心坐標(biāo)，再利用結(jié)構(gòu)光法測量目標(biāo)的深度信息，就能夠?qū)崿F(xiàn)更精確的路徑規(guī)劃和自主避障。

4.2.3執(zhí)行機構(gòu)的柔順控制

    根據(jù)不同作業(yè)對象的物理特性,應(yīng)采取不同的抓持專用機構(gòu)。這些機構(gòu)主要包括判斷模塊、狀態(tài)識別模塊、控制模塊和反饋控制模塊。在判斷模塊和狀態(tài)識別模塊中，目標(biāo)定位主要依據(jù)分布式視覺傳感器和接近覺傳感器的信息融合；抓取狀態(tài)的判斷是通過于將分布式觸覺傳感器、節(jié)力矩傳感器和關(guān)節(jié)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(xiàn)對目標(biāo)的穩(wěn)定抓取。

4.2.4故障檢測

    作業(yè)裝備中開發(fā)和應(yīng)用了許多液壓控制子系統(tǒng)，如液壓抓、液壓閥木頭等，因此其故障診斷技術(shù)也變得舉足輕重。由于液壓設(shè)備運行工況復(fù)雜，同時受外界環(huán)境的干擾以及傳感器老化等因素的影響，所以傳統(tǒng)的基于單參數(shù)的故障診斷所得結(jié)論已不能準(zhǔn)確確定設(shè)備是否有故障。利用多傳感器信息融合技術(shù),從各個不同的角度獲得有關(guān)系統(tǒng)運行狀態(tài)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(zhǔn)確地完成液壓設(shè)備的故障分類與識別。

5 結(jié)語

    多傳感器信息融合技術(shù)能充分利用多傳感器資源。如果筆者研制開發(fā)的多功能林木采育作業(yè)關(guān)鍵技術(shù)裝備與多傳感器信息融合技術(shù)實現(xiàn)完美結(jié)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(tǒng)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(shù)等諸多優(yōu)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(lián)合作業(yè)技術(shù)成套裝備。該設(shè)備將真正達到一機多用，實現(xiàn)大面積速生豐產(chǎn)林的機械化、集約化生產(chǎn)作業(yè)，為我國人工林、速生豐產(chǎn)林的高效利用提供技術(shù)裝備支撐。

其它作者：

劉晉浩（1958－），北京林業(yè)大學(xué)，教授，博士生導(dǎo)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(shù)據(jù)融合. 南京：電子工業(yè)部二十八研究所,1993-2.
[4] 趙宗貴編譯.數(shù)據(jù)融合方法概論. 南京:電子工業(yè)部二十八研究所,1998-4.
[5] 劉同明,夏祖勛,解洪成.數(shù)據(jù)融合技術(shù)及其應(yīng)用. 北京:國防工業(yè)出版社,1998-9.
[6] 康耀紅.數(shù)據(jù)融合理論與應(yīng)用. 西安:西安電子科技大學(xué)出版社,1997-11.
[7] 何友.多目標(biāo)多傳感器綜合算法研究.碩士論文, 武漢:海軍工程大學(xué),1988-2.
[8] 何友,譚慶海.多傳感器系統(tǒng)分類研究.火力與指揮控制,1988(2):1~10.
[9] 何友,彭應(yīng)寧.多傳感器數(shù)據(jù)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(yīng)寧.多傳感器數(shù)據(jù)融合模型評述.清華大學(xué)學(xué)報,1996(9):14~20.
[11] 王亦農(nóng),何友,唐慶梅.分布檢測系統(tǒng)評述.海軍航空工程學(xué)院學(xué)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(xué)院研究學(xué)報,1991-7.
[13] A. Farina, F. A. Studer. Radar Data Orosessing. Vol.Ⅰ.Ⅱ. Reseach Press LTD,1985.
[14] 藏大進,嚴(yán)宏鳳等.多傳感器信息融合技術(shù)綜述.工礦自動化,2005( 6) .
[15] 秦月,我國人工林的發(fā)展任重而道遠——“天保”八年后的思考. 國際木業(yè),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(yè)出版社，2002.