探索无人车自动驾驶：多传感器融合技术_北京智能佳科技有限公司-中国智能服务机器人领域的专业制造者

有一天，我会放开双手，任由汽车带着我遨游山河。

有一天，我会放松身心，透过车窗去看这美丽景色。

上篇文章我们一起研究了自动驾驶涉及到的SLAM自主建图技术，相信你对自动驾驶的了解更进了一步，这次，我们继续来探索自动驾驶涉及到的另一个技术——多传感器融合技术（微缩智能车配有多种传感器，彼此融合形成智能车的稳定运行）。

多传感器数据融合技术形成于上世纪80年代，目前已成为研究的热点。它不同于一般信号处理，也不同于单个或多个传感器的监测和测量，而是对基于多个传感器测量结果基础上的更高层次的综合决策过程。

多传感器融合技术 · 定义

了解了多传感器融合技术是什么以后，随之而来的就是，如何定义多传感器融合技术？

对此，我们来了解一下，多传感器融合技术的定义。

传感器数据融合的定义可以概括为把分布在不同位置的多个同类或不同类传感器所提供的局部数据资源加以综合，采用计算机技术对其进行分析，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，降低其不确实性，获得被测对象的一致性解释与描述，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息。其信息融合在不同信息层次上出现，包括数据层融合、特征层融合、决策层融合。

（1）数据级融合。针对传感器采集的数据，依赖于传感器类型，进行同类数据的融合。数据级的融合要处理的数据都是在相同类别的传感器下采集，所以数据融合不能处理异构数据。

（2）特征级融合。特征级融合，指的是提取所采集数据包含的特征向量，用来体现所监测物理量的属性，这是面向监测对象特征的融合。如在图像数据的融合中，可以采用边沿的特征信息，来代替全部数据信息。

（3）决策级融合。决策级融合，指的是根据特征级融合所得到的数据特征，进行一定的判别、分类，以及简单的逻辑运算，根据应用需求进行较高级的决策，是高级的融合。决策级融合是面向应用的融合。比如在森林火灾的监测监控系统中，通过对于温度、湿度和风力等数据特征的融合，可以断定森林的干燥程度及发生火灾的可能性等。这样，需要发送的数据就不是温湿度的值以及风力的大小，而只是发送发生火灾的可能性及危害程度等。在传感网络的具体数据融合实现中，可以根据应用的特点来选择融合方式。

多传感器融合技术 · 概念

想要更进一步了解多传感器融合技术，就要先了解多传感器融合技术的几个概念。

①硬件同步、硬同步

使用同一种硬件同时发布触发采集命令，实现各传感器采集、测量的时间同步。做到同一时刻采集相同的信息。

②软件同步：

时间同步、空间同步。

③时间同步、时间戳同步、软同步：

通过统一的主机给各个传感器提供基准时间，各传感器根据已经校准后的各自时间为各自独立采集的数据加上时间戳信息，可以做到所有传感器时间戳同步，但由于各个传感器各自采集周期相互独立，无法保证同一时刻采集相同的信息。

④空间同步：

将不同传感器坐标系的测量值转换到同一个坐标系中，其中激光传感器在高速移动的情况下需要考虑当前速度下的帧内位移校准。

多传感器融合技术 · 前融合与后融合技术

了解了多传感器融合技术的一些概念以后，我们继续探究，接来下要说到的就是多传感器融合技术的前融合与后融合技术。

后融合算法：

1、每个传感器各自独立处理生成的目标数据。

2、每个传感器都有自己独立的感知，比如激光雷达有激光雷达的感知，摄像头有摄像头的感知，毫米波雷达也会做出自己的感知。

3、当所有传感器完成目标数据生成后，再由主处理器进行数据融合。

前融合算法：

1、只有一个感知的算法。对融合后的多维综合数据进行感知。

2、在原始层把数据都融合在一起，融合好的数据就好比是一个Super传感器，而且这个传感器不仅有能力可以看到红外线，还有能力可以看到摄像头或者RGB，也有能力看到LiDAR的三维信息，就好比是一双超级眼睛。在这双超级眼睛上面，开发自己的感知算法，最后会输出一个结果层的物体。

多传感器融合技术 · 优点

那么，多传感器融合技术有哪些优点呢？为什么自动驾驶要选择多传感器融合技术呢？

多传感器数据融合比单一传感器信息有如下优点，即容错性、互补性、实时性、经济性，所以逐步得到推广应用。应用领域除军事外，已适用于自动化技术、机器人、海洋监视、地震观测、建筑、空中交通管制、医学诊断、遥感技术等方面。

有鉴于传感器技术的微型化、智能化程度提高，在信息获取基础上，多种功能进一步集成以致于融合，这是必然的趋势，多传感器数据融合技术也促进了传感器技术的发展。

联系我们 Contact Us

探索无人车自动驾驶：多传感器融合技术

相关阅读

电话邮箱

在线客服