第
13
卷 第
3
期
2 0 0 0
年
9
月
模
式
识别与
人工
智能
P
R & A
l
V ol
,
1
3
S
e
P
t
N
o
.
3
2 0 0 0
卡尔曼滤波 与多
传
感 器数 据
融
合
技
术
蔡鹤皋 金
明 河
金 峰
(
哈
尔
滨工业大学 机器人 研
究
所 哈
尔
滨
1 5
。。
0
1)
摘 要 本文介
绍了国际上
卡
尔
曼
滤
波在多传感
器
数据 融合领域 的应用
,
并着
重
阐述
了
I
M M
算法
和
分 布式卡 尔
曼滤 波的
思
想
,
总结 了卡 尔曼
滤
波在该领域 的应用潜力
.
文 中还介
绍
了在互联
网
络
上
相 关的站点
和
新闻组
的
地址
.
关镇 词 多传感
器
数据
融
合
,
卡 尔
曼
滤 波
中
图
法分类号
0
2 1 1
,
T P3
9
i
1
引 言
卡
尔
曼滤 波是
1
9 6 0
年 由
R
.
E
.
K
a
lm
a
n 〔
‘
]
提
出
的
著名算法
,
它 一般分 为 两
步
:
预 估
和
纠 正
.
卡 尔 曼滤
波 在很 多领域都 得
到
了较 好 的应 用
,
本 文 则 侧 重
于
理解卡
尔
曼滤 波在 多传感 器数 据融合 领域所 具 有 的
潜力
,
因
此我们应 该从信息论 的角度看 待 卡 尔曼 滤
波 在多 传感器 融合理 论的应
用
.
我 们认为
,
卡
尔
曼 滤
波对信 息融 合 技 术 的作
用 不
仅仅是一 个 具 体的 算
法
,
还是 一种 行之 有效 的
系
统解决方 案
.
从 它对 信息
处理的两 步
上
看
,
事 实
上
,
与很多
系
统 的
处
理 方法 都
是很 相似的
,
因此
,
卡 尔曼滤 波在 信息融 合领 域 的 应
用
既
是
系
统结构
上
的
,
也是具 体方 法 上 的
.
正 是 卡 尔
曼滤 波处 理信息的这两 个步骤
和
它对 信息的无 偏 优
化 预估
,
使得
它
在 信息 融合领 域大 展身 手
.
2
发展
现
状
在过 去
,
大部 分的 文献都是从 概 率统计 上 看待
多 传感器 融 合 技术 的
问
题
.
B
ar
一
S
ha
lo m
在 他 的关
于
多 目标
、
多传感器跟 踪技术
[2]
的 书 中
,
包 含
了不
少关
于
统 计技术
(
最 大后验概 率方法
和
扩
展
卡 尔 曼滤 波
等
)
的文 章
.
Bl ac
km
an 把 卡 尔 曼滤 波及 其变形 应 用
收 稿 日
期
:
1 9
9 9
一
0
7
一
1
2
;
修
回 日
期
:
2 0 0 0
一
0 8
一
1
6
在状
态
预 估
和
基
于
统 计 变 量 的方 法 中
[3]
.
w
al
t
z
和
Li
n
a s
则侧重
于
状态预 估
和
目标识别的统 计方 法
闭
.
牛 津大
学
的机器 人 研究 小组
[s]
的 研 究应该 是卡
尔 曼滤波 技 术在 多传感 器融合领域 的应 用 中最具有
代表 性 的
,
尤 其是 在可 移动机 器 人领域
.
这个 小 组成
功地 把卡
尔
曼
滤
波 技 术 应
用
在机 器
人
的 定位
、
场 景
地 图构造
、
导 航
以
及
目
标识别等 研究 工 作
,
并 强调
良
好
的
传感 器 建模 的重 要 性
,
以 下
是 他 们 应 用 卡
尔
曼
滤 波所取得 的
一
些 成果
.
B
a r s
h
a n
和
D
u rr a n
t
一
w
h
y
t
e
开 发 了 一 个 移动 机
器
人
的惯性
导
航 系 统
闹
.
该系 统采用 了一 个 精确 的
扩 展卡 尔曼滤 波 传感 器 噪声 处理 模
型
,
使惯性 传感
器 的漂移大 大减 少
了
.
L
co
n a r
d
和
D
u r r a n
t
一
W
h
y
t
e
在
融合声纳 信息
,
以
辅助 建立 场景地 图和 机 器
人
导航
方面 取得
了 显
著 的 成 功
[,]
.
声纳 数 据一 向被认为 是
很
不
可 靠的
,
但是 他 们却 获得
了
将 近
I
c
m
的精度 指
标
.
这个成果
当
然 与 他 们对 雷 达 物 理 特 性的 深刻 认
识密切相 关
,
不过 更主 要地
,
扩
展
卡
尔
曼滤 波在 数据
的融合过 程 起
了
重要 的作用
.
关
于
牛 津大学 机器
人
组 对卡 尔 曼滤 波在多 传感
器融合中的应 用
,
其成员
L
e o n a r
d
和
D
u r r a
nt
一
w
h
y
t
e
这 样评 价道
[8]
: “
(
我 们
)
对卡
尔
曼 滤 波 技术 的 热情几
乎达到 了宗 教 般 的狂 热地 步
;
我 们认定 它 是个
必
不
可少 的利器
.
”