什么是传感器融合

2023-01-08

本文主要是 什么是传感器融合 相关的知识问答，如果你也了解，请帮忙补充。

感器融合是将来自多个雷达，激光雷达和摄像机的输入汇集在一起以形成车辆周围环境的单个模型或图像的能力。生成的模型更加精确，因为它可以平衡不同传感器的强度。车辆系统然后可以使用通过传感器融合提供的信息来支持更智能的动作。

每种传感器类型或“模态”都有其固有的优点和缺点。雷达即使在恶劣的天气条件下也能准确确定距离和速度，但非常强大，但无法读取路牌或“看到”交通信号灯的颜色。相机可以很好地读取标志或对物体进行分类，例如行人，骑自行车的人或其他车辆。但是，它们很容易被灰尘，阳光，雨水，雪或黑暗所蒙蔽。激光雷达可以准确地检测物体，但是它们没有相机或雷达的承受能力或承受能力。

传感器融合使用软件算法将来自每种传感器类型的数据汇总在一起，以提供最全面，因此最准确的环境模型。它还可以通过称为内部和外部传感器融合的过程来关联从机舱内部提取的数据。

车辆也可以使用传感器融合来融合来自相同类型的多个传感器（例如，雷达）的信息。通过利用部分重叠的视场，可以提高感知度。当多个雷达观察车辆周围的环境时，一个以上的传感器将同时检测物体。通过全球360°感知软件进行解释，可以将来自多个传感器的检测进行重叠或融合，从而提高车辆周围物体的检测概率和可靠性，并能更准确，更可靠地表示环境。

当然，车辆上的传感器越多，融合就越具有挑战性，但也存在着更多提高性能的机会。为了利用这些好处，Aptiv使用了一种称为低级传感器融合的技术。

过去，用于分析传感器数据以确定和跟踪对象的处理能力已与摄像机或雷达包装在一起。借助Aptiv的Satellite体系结构方法，处理能力集中在功能更强大的主动安全域控制器中，从而可以从每个传感器收集低级传感器数据并将其融合到域控制器中。

将处理移至域控制器后，传感器将占用更少的体积和更少的质量-减少多达30％。为了进行比较，摄像机的占地面积从一副**牌的大小减少到一包口香糖的大小。通过使传感器尽可能小，OEM可以在车辆包装中提供更多选择。

另一个好处是增加了数据共享。在传统系统中，智能传感器会独立处理环境输入，这意味着使用信息时做出的任何决定都只能与单个传感器所看到的一样好。但是，在卫星架构中，所有来自传感器的数据都被集中共享，因此域控制器中的主动安全应用程序有更多机会利用它。Aptiv甚至可以应用人工智能（AI）工具来提取有用的信息，否则这些信息将被丢弃。正确的AI可以从中学到东西，这可以帮助我们解决客户面临的挑战性极端情况。

低级别传感器融合的第三个好处是减少了等待时间。域控制器不必等待传感器处理数据再对其进行操作。在偶数秒的情况下，这可以帮助提高性能。

更多数据将导致更好的决策。通过采用允许使用大量传感器的车辆架构，然后通过传感器融合来合成数据，车辆可以变得更智能，更快。 参考知识1 ”这个问题时，我必须停下来仔细思考一下。如同Justice Potter Stewart曾经说过的那样：“所见即所知”。但工程师每天都在处理这一课题，我应该能够更加出色地胜任这一任务。最终我想出以下这些要点：传感器融合包含以下介绍的各种技术：* 平衡各种传感器的优势和劣势，利用单独部件获得更大的计算能力；* 充分利用以下优势，提高计算结果的质量和噪声级：（1）传感器数据之间的已知数据冗余；（2）系统传递函数、动态和/或动力学的知识。 通过观察一个例子，你会发现这其实非常有趣！ 加速度传感器可以返回包括惯性加速度和重力在内的被测量。当它们没有运动时，可以成为非常出色的倾斜仪。但它们无法探测到重力矢量的旋转情况。磁力计在探测地球磁场的时候，也有着类似的问题。但将二者结合在一起，你就可以将二者的优势进行互补，从而获得此前单独使用时无法获得的优势。 MEMS陀螺仪用于测量角旋转，通常可以快速响应旋转的变化。随着时间的延长，它们也通常会出现相当大的偏移和漂移现象。磁力计可以提供一种方式，来抑制这些偏移和漂移。反之，陀螺仪的数据可以作为复查磁场干扰的有用工具。 你会看到上述这些技术应用在各种各样的iPhone和Android传感器应用之中，如今你可以将它们下载到自己的手机内。有时，你还可以看到开发人员也在应用这些技术！ 我喜欢向人们展示的传感器融合应用之一便是“3D罗盘”应用，这种增强现实应用的技术融合了磁力计、加速度传感器和GPS信息，不仅可以为你展示你所在的位置，而且还可以显示出你当前的视野。这种应用屏幕可以提供当前的摄像头视图，还可以利用虚拟罗盘进行叠加，以同样的方式映射出你所面对的方向，并且放慢你当前的位置。非常有趣！ 我希望大家能够在未来的几个月内看到像这样更具创意性的应用出现。 在未来的几年内，我们将会看到以算法为基础发展起来的应用，它们可以根据研究对系统的行为进行建模，包括系统内传感器的静态噪声级。利用预测的数值比较被测量，通常它可能会将从表面上看似噪声的信号进行提炼整理。 低成本MEMS和固态传感器正在推动多年前受制于成本的消费电子产品和应用不断取得了进展。我们非常幸运，我们在微观层次上所解决的大部分传感器融合问题，在30多年前已经被美国宇航局(NASA)和航天部门在宏观层次上得到了解决。由于加入了飞思卡尔的传感器团队，我必须重新温习我的数学和控制理论，并且购买了大量的教科书。本回答被提问者采纳