识 别物体发射红外光线，所述待识别物体经红外光线照射后发射出特征光线，将所述特征光 线的光谱特征与材质类别中包括的各材质对应的光谱特征进行比较，确定出待识别物体可 能属于的材质类别。
[0048] 不同材质的组成元素是不同的，不同的元素经过特定光线高能的激发，原子之间 相互作用会发射出不同的特征光线，所以通过向待识别物体发射红外光线，待识别物体经 红外光线照射后发射出特征光线，将该特征光线的光谱特征与材质类别中包括的各材质对 应的光谱特征进行比较，确定出待识别物体的材质。例如，该实施例红外线传感器方法中， 可能所属类别为:木头、金属、橡胶。
[0049] 接着，利用雷达传感器对所述待识别物体进行识别。先由雷达传感器向待识别物 体发射微波信号，然后从接收的回波中提取回波数据的谱特征值，处理计算后确定出待识 别物品可能属于的材质。
[0050] 雷达传感器所发出的微波信号是一种电磁波，电磁波在传播过程中遇到待识别物 体后，散射而返回被雷达天线所接收的电磁波为回波，可实现对埋藏的目标的材质识别。不 同物质的内部结构不同，对电磁波的反射和吸收的系数不同，形成的回波也不同。例如，该 实施例雷达传感器方法中，可能所属类别为:木头、金属、石头。
[0051] 接着，利用所述激光传感器对所述待识别物体进行识别。先利用激光传感器向待 识别物体发射激光信号，然后接收反射、色散、热辐射反应提供的数据确定出待识别物体可 能属于的材质类别。激光传感器能实现无接触远距离测量，具有速度快、精度高、量程大、抗 光、电干扰能力强等优点。
[0052] 也可以用高能量的激光聚焦在待识别物体上，使物体电离产生等离子体，然后可 以通过等离子体发射的光谱鉴别物质(LIBS)、或者将激光打在物体上产生的粒子做质谱分 析也可以得到关于物质组成的信息，识别的方法不限。例如，该实施例激光传感器方法中， 可能所属类别为:木头、纸、石头。
[0053] 最后，利用所述超声波感器对所述待识别物体进行识别。先利用超声波传感器向 待识别物体发射超声波信号，然后接收的回波中提取回波数据的特征值，处理计算后确定 出待识别物体可能属于的材质类别。
[0054]超声波是一种振动频率高于声波的机械波，由换能晶片在电压的激励下发生振动 产生的，它具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等 特点。超声波碰到待识别物体会产生显著反射，形成反射回波。每种待识别物体具有特定的 回波参数，经过计算处理确定识别物体可能属于的材质类别。例如，该实施例超声波传感器 方法中，可能所属类别为:木头、纤维、皮革。
[0055] 需要说明的是，以上通过各种传感器来识别物体材质的顺序不限。本实施例中是 利用上述五种传感器来识别物体材质，在不冲突的情况下，五种传感器可以相互组合。在其 他实施例中，也可以采用其他合适的传感器来识别物体材质，例如热传感器等等，在此不 限。所述热传感器是通过测量所述待识别物体从所述热传感器吸热的比率来判断所述待识 别物体的材质
[0056] 最后执行步骤S3,通过综合分析所述特征信号，确定所述物体的材质。
[0057] 可以利用线性计算的方法确定所述待识别物体的材质。本实施例中，可以利用投 票的方式从每一组可能材质类别的信息中，确定所述物体的材质。从步骤S2中所有可能的 物体材质中，可以看出五种传感器识别当中均有木头，则确定该物体即为木头。因此，对于 直观性比较强的材质类别信息，采用投票的方式可以快速确定物体的材质。
[0058] 当然，在其他实施例中，还可以采用加权的线性计算方法来确定物体的材质，计算 公式如下：
[0059]
[0060] 其中，示物体材质为a的概率，N表示传感器总数量，Pn表示传感器η的权重;Pna 表示传感器η将物体材质识别为a的概率;Pa概率值最大则确定该物体的材质为a。
[0061] 需要说明的是，权重是一个相对的概念，是指某一指标在整体评价中的相对重要 程度，是被评价对象的不同侧面的重要程度的定量分配。若传感器η的权重值较大则是指该 传感器η能准确识别物体材质的可信度较大，较为重要。
[0062] 另外，还可以利用非线性计算方法从材质信息中确定物体的材质，例如，利用神经 网络的方法来确定物体材质。
[0063] 由于所述待识别物体接收不同的传感器源信号后，发射不同的特征信号，这些特 征体现的是物体不同的性质属性，因此，利用本发明的物体识别方法可以全方位的辨别物 体材质，准确率也更高。
[0064] 综上所述，本发明提供一种多传感器信息融合的物体材质识别方法，包括步骤:首 先，提供至少三种传感器;然后利用所述传感器向待识别物体发射源信号，分别采集所述待 识别物体在所述源信号照射下发射的特征信号，或者直接利用所述传感器采集待识别物体 的特征信号；最后，通过综合分析所述特征信号，确定所述物体的材质。本发明的物体材质 识别方法是利用不同传感器的数据互补和冗余，从各自独立的测量空间获取信息，通过融 合技术对目标物体材质进行识别。本发明的识别方法检测准确率高，为识别物体材质提供 可靠的数据。
[0065] 所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0066]上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟 悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因 此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完 成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1. 一种基于多传感器信息融合的物体材质识别方法，其特征在于，所述物体材质识别 方法至少包括： 1) 提供至少三种传感器； 2) 利用所述传感器向待识别物体发射源信号，分别采集所述待识别物体在所述源信号 照射下发射的特征信号，或者直接利用所述传感器采集待识别物体的特征信号； 3) 通过综合分析所述特征信号，确定所述物体的材质。2. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括红外传感器，利用所述红外传感器对所述待识别物体进行识别的过程 为： 利用红外传感器向待识别物体发射红外光线，所述待识别物体经红外光线照射后发射 出特征光线，将所述特征光线的光谱特征与材质类别中包括的各材质对应的光谱特征进行 比较，确定出待识别物体可能属于的材质类别。3. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括图像传感器，利用所述图像传感器对所述待识别物体进行识别的过程 为： 通过摄像头采集待识别物体表面的图像，通过对图像形状特征、纹理特征以及颜色特 征进行分析，然后与已知的多种材质类别进行对比，确定出该物体材质可能属于的类别。4. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括雷达传感器，利用所述雷达传感器对所述待识别物体进行识别的过程 为： 利用雷达传感器向待识别物体发射雷达的微波信号，然后从接收回波中提取回波数据 的谱特征值，处理计算后确定出待识别物体可能属于的材质类别。5. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括激光传感器，利用所述激光传感器对所述待识别物体进行识别的过程 为： 利用激光传感器向待识别物体发射激光信号，然后接收反射、色散、热辐射反应提供的 数据确定出待识别物体可能属于的材质类别。6. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括超声波传感器，利用所述超声波感器对所述待识别物体进行识别的过程 为： 利用超声波传感器向待识别物体发射超声波信号，然后接收的回波中提取回波数据的 特征值，处理计算后确定出待识别物体可能属于的材质类别。7. 根据权利要求1所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述传感器至少包括热传感器，通过测量所述待识别物体从所述热传感器吸热的比率来判断 所述待识别物体可能属于的材质类别。8. 根据权利要求1~7任一项所述的基于多传感器信息融合的物体材质识别方法，其特 征在于:所述步骤3)中利用线性计算或者非线性计算方法来确定所述物体的材质。9. 根据权利要求8所述的基于多传感器信息融合的物体材质识别方法，其特征在于:所 述线性计算为投票或加权，所述非线性计算为神经网络。10.根据权利要求9所述的基于多传感器信息融合的物体材质识别方法，其特征在于： 利用所述加权的线性计算的公式如下： 其中，？3表示物体材质为a的概率，N表示传感器总数量，Pn表示传感器η的权重;Pna表示 传感器η将物体材质识别为a的概率;Pa概率值最大则确定该物体的材质为a。
【专利摘要】本发明提供一种多传感器信息融合的物体材质识别方法，包括步骤：首先，提供至少三种传感器，然后利用所述传感器向待识别物体发射源信号，分别采集所述待识别物体在所述源信号照射下发射的特征信号，或者直接利用所述传感器采集待识别物体的特征信号，提取每种特征信号提供的关于物体材质的信息；最后，综合分析这些信息，确定所述物体的材质。本发明的物体材质识别方法是利用不同传感器的数据互补和冗余，从各自独立的测量空间获取信息，通过融合技术对目标物体材质进行识别。本发明的识别方法检测准确率高，为识别物体材质提供可靠的数据。
【IPC分类】G06K9/52, G06K9/00
【公开号】CN105469079
【申请号】CN201511028339
【发明人】徐浩煜, 封松林, 谷重阳, 周晗, 韩振奇, 任智慧
【申请人】中国科学院上海高等研究院
【公开日】2016年4月6日
【申请日】2015年12月31日