应用于无人系统的多源异构数据单帧融合与一致表征方法
技术领域
本发明涉及传感器数据融合
技术领域
，尤其涉及一种应用于无人系统的多源异构数据单帧融合与一致表征方法。背景技术
无人系统利用多种不同传感器产生的异构数据，包括但不限于2D图像数据，3D点云数据，惯导数据，天文数据，温度数据以及力学数据等多源异构数据，完成数据的融合以及对环境的一致表征，能够最大限度地利用多种不同传感器产生的数据，实现环境的综合感知与描述。传统方法多以特征级和决策级融合为主，在大量异构数据间进行数据级融合的方法较少，尤其是面向单帧的数据级融合，可为无人系统提供更全面更高质量的感知信息。
发明内容
本发明的目的是提供一种应用于无人系统的多源异构数据单帧融合与一致表征方法，实现不同传感器异构数据的融合，完成环境的一致表征，解决多源异构数据难以进行数据级融合的问题。
为了达到上述目的，本发明的技术方案如下：
一种应用于无人系统的多源异构数据单帧融合与一致表征方法，该方法包括以下步骤：
步骤一：数据采集与预处理；
使用M个多源传感器进行同时刻数据采集，对获得的M个数据块进行预处理，使M个数据块都拥有三维空间位置属性的描述，且所述三维空间位置属性共享同一个三维空间坐标系；
步骤二：同类型数据融合；
根据传感器类型对预处理后的M个数据块进行分类，将传感器原理相同或表征同一物理性质的数据块归为同类型数据，并对同类型数据进行数据级融合，得到N个已同构融合的融合数据组，N即为异构数据的异构种类数量；
步骤三：融合数据组维度对齐；
对N个融合数据组进行维度统计，构建一个X维度的数据表达模型，X为可覆盖各融合数据组的所有不同维度的最小取值；将N个融合数据组映射至此数据表达模型，输出N个维度对齐后的数据组；
步骤四：异构融合与一致表征；
对所述数据表达模型进行分析，得到X个维度中的冗余关系和维度变换关系，根据实际任务选择最终需要输出的数据形态，形成具有相应维度的一致表征数据空间，并将N个维度对齐后的数据组根据维度变换关系转换至此数据空间，通过置信判别处理后合并为一致表征数据并输出。
进一步地，所述步骤一中的M个多源传感器是指M个提供数据源的传感器，其采集得到的多源异构数据类型包括2D图像数据、3D点云数据、惯导数据、天文数据、温度数据、力学数据。
进一步地，所述步骤一中的预处理包括平滑去噪、缺失值处理、数据规范化、色差校正中的任意一种或几种，对于不包括三维位置信息的数据源，还需根据传感器安装位置和传感器参数模型估算所采集数据的三维空间位置，并作为数据的固定属性输出。
进一步地，所述步骤二中的数据级融合是对预处理后的数据的合并处理，包括冗余剔除、数据归一化处理。
进一步地，所述步骤三的数据表达模型指包含所有待融合数据的属性维度的数据表达空间，是对所有待融合的数据的原有属性维度的并集。
进一步地，所述步骤四中的维度变换关系指将原数据改变数据维度时原数据集合与新数据集合间的数据转换方法，所述数据转换方法可以改变原有数据的形态和描述方式，但应尽量保持数据信息的完整性，所述数据转换方法包括网格生成、主成分分析、因子分析、线性组合、聚类中的任意一种。
进一步地，所述步骤四的置信度判别处理是针对多源异构数据在转换至相同数据描述后在同一数据空间点出现冲突时的处理策略，置信度参数包括基于先验的数据源优先级、预处理中的原数据误差统计、数据密度、数据连贯性，最终根据置信度参数加权计算得到冲突合并后的数据。
本发明的有益效果如下：
本发明通过数据采集与预处理，同类型数据融合，融合数据组维度对齐以及异构数据融合与一致表征，解决了多源异构数据因含义不同、维度各异等问题所导致的融合困难，实现了单帧异构数据间的数据级融合和一致性表征。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的多源异构数据单帧融合与一致表征方法的流程图。
图2是根据一示例性实施例示出的一种多源异构数据单帧融合与一致表征方法流程框图。
具体实施方式
下面将结合附图详细描述本发明的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示，本发明的应用于无人系统的多源异构数据单帧融合与一致表征方法，具体实现步骤如下：
步骤一：数据采集与预处理，使用M个多源传感器进行同时刻数据采集，对获得的M个数据块进行预处理，使M个数据块都拥有三维空间位置属性的描述，且所述三维空间位置属性共享同一个三维空间坐标系。
进一步地，结合图2所示的一实施例说明，通过以下子步骤来实现：
S101：M个多源传感器固定安装在无人系统上，其共享同一个三维空间坐标系。使用硬件触发和软件同步相结合的方式完成M个多源传感器的数据采集，使得所有数据的时间一致性精度达到毫秒量级；
具体地，M个多源传感器是指M个提供数据源的传感器，其传感器类型可以相同也可以不同，其采集得到的多源异构数据类型包括但不限于2D图像数据、3D点云数据、惯导数据、天文数据、温度数据、力学数据。使用下位机MCU同步产生多路PWM脉冲信号触发相应传感器，传感器在PWM信号的上升沿或下降沿开始采集数据。同时，使用软件补偿的方式，补偿传感器数据在信号传输链路中的时间延迟，使得上位机获得具有同一时间戳的同一时刻的一帧多源异构数据。
S102：完成多源异构数据的预处理；
具体地，预处理包括但不限于将采集到的多源异构数据进行平滑去噪、缺失值处理、数据规范化、色差校正等过程；同时，对于本身不包含三维空间位置信息的数据源，还需根据传感器安装位置和传感器参数模型估算所采集数据的三维空间位置，并将该三维空间位置信息作为数据的固定属性输出。
步骤二：同类型数据融合；
对预处理后的M个数据块根据传感器类型进行分类，将传感器原理相同或表征同一物理性质的数据块归为同类型数据，并对同类型数据进行数据级融合，得到N个已同构融合的融合数据组，N即为异构数据的异构种类数量。
进一步地，结合图2所示的一实施例说明，通过以下子步骤来实现：
将来自不同传感器的2D图像，通过特征提取、特征描述、特征匹配、关联计算、仿射变换等步骤，实现多张2D图像的对齐与像素层面的融合，并剔除图像冗余部分，最终以2D图像的形式输出；
将来自不同传感器的3D点云数据，通过点云特征提取、点云配准、点云融合等步骤，完成多个传感器的单帧点云数据之间的数据级融合，并剔除冗余信息，最终以3D点云的形式输出；
将来自多个不同传感器产生的惯导数据、天文数据、温度数据以及力学数据等其它传感器产生的感知数据进行相互验证，合并融合以及冗余剔除，最终以数据的形式输出。
步骤三：融合数据组维度对齐。
基于对N个融合数据组的维度统计，构建一个X维度的数据表达模型，X为可覆盖各融合数据组所有不同维度的最小取值；将N个融合数据组映射至此数据表达模型，输出N个维度对齐后的数据组。
进一步地，结合图2所示的一实施例说明，通过以下子步骤来实现：
步骤S301：在本实施例中3D点云的数据维度是三维(xyz)，2D图像的数据维度是五维(像素坐标xy+彩色信息RGB)，热红外的数据维度是三维(像素坐标xy+摄氏度I)，力学的数据维度是四维的数值(传感器坐标xyz+牛顿N)，天文数据的数据维度是两维角度数值(度)，惯导数据为六维(三个方向的速度角速率和加速度)，总计18维数据，内容包括：
[3dx,3dy,3dz,2dx,2dy,R,G,B,I,N,d1,d2,gx,gy,gz,ax,ay,az]。
步骤S302：将一帧多传感器的数据组成一个18维的向量，向量中传感器没有有效数据的位置为空，每一帧数据变成一个长度一致的向量。
步骤四：异构融合与一致表征。
对数据表达模型进行分析，得到X个维度中的冗余关系和维度变换关系，根据实际任务选择最终需要输出的数据形态，形成具有相应维度的一致表征数据空间，并将N个维度对齐后的数据组根据维度变换关系转换至此数据空间，通过置信判别处理后合并为一致表征数据。
进一步地，结合图2所示的一实施例说明，通过以下子步骤来实现：
步骤S401：对步骤S302中的数据向量进行维度规约，如主成分分析等并结合各传感器安装位置等外部参数信息得到步骤S301中18维数据间的冗余关系和维度变换关系。
步骤S402：根据可视化任务的输出要求，可以选择直接输出2D图像数据；或以步骤输出的3D点云数据为基底，并将该数据进行网格重建、网格校正等步骤，将输出的2D图像数据贴图在3D点云上，完成3D数据的输出；或将其它数据以分层绘制形式叠加在上述的3D数据上，形成多源异构融合数据的输出，形成具有相应维度的一致性表征结果。
以上结合一实施例说明本发明的实施方式仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于本发明所涵盖的范围。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：商户分类方法
