【導讀】多傳感器信息融合（Multi-sensor Information Fusion，MSIF），就是利用計算機技術(shù)將來(lái)自多傳感器或多源的信息和數據，在一定的準則下加以自動(dòng)分析和綜合，以完成所需要的決策和估計而進(jìn)行的信息處理過(guò)程。
多傳感器融合面臨的主要挑戰是如何將收集來(lái)的大量數據集中在一起，并做出正確決策。
1. 多傳感器融合
多傳感器信息融合（Multi-sensor Information Fusion，MSIF），就是利用計算機技術(shù)將來(lái)自多傳感器或多源的信息和數據，在一定的準則下加以自動(dòng)分析和綜合，以完成所需要的決策和估計而進(jìn)行的信息處理過(guò)程。
多傳感器信息融合技術(shù)的基本原理就像人的大腦綜合處理信息的過(guò)程一樣，將各種傳感器進(jìn)行多層次、多空間的信息互補和優(yōu)化組合處理，最終產(chǎn)生對觀(guān)測環(huán) 境的一致性解釋。
在這個(gè)過(guò)程中要充分地利用多源數據進(jìn)行合理支配與使用，而信息融合的最終目標則是基于各傳感器獲得的分離觀(guān)測信息，通過(guò)對信息多級別、多方面組合導出更多有用信息。
這不僅是利用了多個(gè)傳感器相互協(xié)同操作的優(yōu)勢，而且也綜合處理了其它信息源的數據來(lái)提高整個(gè)傳感器系統的智能化。
2. 融合體系
在信息融合處理過(guò)程中，根據對原始數據處理方法的不同，信息融合系統的體系結構主要有三種：集中式、分布式和混合式。
1、集中式：集中式將各傳感器獲得的原始數據直接送至中央處理器進(jìn)行融合處理，可以實(shí)現實(shí)時(shí)融合，其數據處理的精度高，算法靈活，缺點(diǎn)是對處理器要求高，可靠性較低，數據量大，故難于實(shí)現。
2、分布式：每個(gè)傳感器對獲得的原始數據先進(jìn)行局部處理，包括對原始數據的預處理、分類(lèi)及提取特征信息，并通過(guò)各自的決策準則分別作出決策，然后將結果送入融合中心進(jìn)行融合以獲得最終的決策。分布式對通信帶寬需求低、計算速度快、可靠性和延續性好，但跟蹤精度沒(méi)有集中式高。
3、混合式：大多情況是把上述二者進(jìn)行不同的組合，形成一種混合式結構。它保留了上述兩類(lèi)系統的優(yōu)點(diǎn)，但在通信和計算上要付出較昂貴的代價(jià)。但是，此類(lèi)系統也有上述兩類(lèi)系統難以比擬的優(yōu)勢，在實(shí)際場(chǎng)合往往采用此類(lèi)結構。
3. 多傳感器融合特點(diǎn)
多傳感器融合 系統具有四個(gè)顯著(zhù)的特點(diǎn)：
①信息的冗余性：對于環(huán)境的某個(gè)特征，可以通過(guò)多個(gè)傳感器（或者單個(gè)傳感器的多個(gè)不同時(shí)刻）得到它的多份信息，這些信息是冗余的，并且具有不同的可靠性，通過(guò)融合處理，可以從中提取出更加準確和可靠的信息。
此外，信息的冗余性可以提高系統的穩定性，從而能夠避免因單個(gè)傳感器失效而對整個(gè)系統所造成的影響。
②信息的互補性：不同種類(lèi)的傳感器可以為系統提供不同性質(zhì)的信息，這些信息所描述的對象是不同的環(huán)境特征，它們彼此之間具有互補性。
如果定義一個(gè)由所有特征構成的坐標空間，那么每個(gè)傳感器所提供的信息只屬于整個(gè)空間的一個(gè)子空間，和其他傳感器形成的空間相互獨立。
③信息處理的及時(shí)性：各傳感器的處理過(guò)程相互獨立，整個(gè)處理過(guò)程可以采用并行導熱處理機制，從而使系統具有更快的處理速度，提供更加及時(shí)的處理結果。
④信息處理的低成本性：多個(gè)傳感器可以花費更少的代價(jià)來(lái)得到相當于單傳感器所能得到的信息量。另一方面，如果不將單個(gè)傳感器所提供的信息用來(lái)實(shí)現其他功能，單個(gè)傳感器的成本和多傳感器的成本之和是相當的。
4. 在自動(dòng)駕駛中的應用
自動(dòng)駕駛車(chē)上使用了多種多樣的傳感器，不同類(lèi)型的傳感器間在功用上互相補充，提高自動(dòng)駕駛系統的安全系數。自動(dòng)駕駛要求傳感器融合具備一個(gè)必須的性質(zhì)——實(shí)時(shí)性。
MSDF面臨的主要挑戰是如何將收集來(lái)的大量數據集中在一起，并做出正確決策。如果MSDF出錯，意味著(zhù)下游階段要么沒(méi)有必要的信息，要是使用了錯誤的信息做出了錯誤的決策。
可以看到，自動(dòng)駕駛汽車(chē)會(huì )通過(guò)安裝在車(chē)身周?chē)臄z像頭收集視覺(jué)數據，也會(huì )通過(guò)雷達（激光雷達、毫米波雷達等）來(lái)收集諸如周?chē)矬w運動(dòng)速度的數據，但是這些數據是從不同角度來(lái)描述現實(shí)世界的同一樣或不同樣的物體。
使用越多的傳感器，對計算能力的要求就越高，這意味著(zhù)自動(dòng)駕駛汽車(chē)必須搭載更多的計算機處理器和內存，這也會(huì )增加汽車(chē)的重量，需要更多的功率，還會(huì )產(chǎn)生更多的熱量。諸如此類(lèi)的缺點(diǎn)還有很多。
智能汽車(chē)的顯著(zhù)特點(diǎn)在于智能，意思就是說(shuō)汽車(chē)自己能通過(guò)車(chē)載傳感系統感知道路環(huán)境，自動(dòng)規劃行車(chē)路線(xiàn)并控制車(chē)輛到達預定目標。
目前而言，車(chē)載感知模塊包括視覺(jué)感知模塊、毫米波雷達、超聲波雷達、360°環(huán)視系統等，多源傳感器的協(xié)同作用識別道路車(chē)道線(xiàn)、行人車(chē)輛等障礙物，為安全駕駛保駕護航。因此，感知信息也需要融合，感知信息也需要相互補充。
5. 多傳感器融合的四個(gè)關(guān)鍵方法
Harmonize
假設有兩種不同的傳感器，稱(chēng)它們?yōu)閭鞲衅鱔和傳感器Z。它們都能夠感知自動(dòng)駕駛汽車(chē)的外部世界。
在現實(shí)世界中存在一個(gè)物體，這個(gè)物體可能是人，也可能是車(chē)，甚至是一條狗，傳感器X和傳感器Z都能夠檢測到這個(gè)物體。
這就意味著(zhù)傳感器對這個(gè)物體進(jìn)行了雙重檢測，這種雙重檢測意味著(zhù)兩種不同類(lèi)型的傳感器都有關(guān)于該物體的數據報告，對于該物體有兩個(gè)維度不同地認知。
假設，傳感器X表示該物體高6英尺，寬2英尺；傳感器Z表示該物體以每秒3英尺的速度正朝著(zhù)自動(dòng)駕駛車(chē)輛方向移動(dòng)。
結合兩個(gè)傳感器采集到的數據，就可以得出一條相對準確的信息：有一個(gè)高約6英尺，寬2英尺的物體正在以每秒鐘3英尺的速度移動(dòng)。
假設這兩自動(dòng)駕駛汽車(chē)上只安裝了X傳感器，那么就無(wú)法得知該物體的大??；若Z傳感器壞了，那么就只有物體的大小信息，無(wú)法檢測該物體的運動(dòng)狀態(tài)。這也就是最近業(yè)內廣泛討論的“在自動(dòng)駕駛汽車(chē)上應該安裝哪些傳感器”的問(wèn)題。
此前，特斯拉埃隆•馬斯克(Elon Musk)旗幟鮮明地聲稱(chēng)，特斯拉不會(huì )安裝激光雷達。
盡管馬斯克自己也認為，L5自動(dòng)駕駛不會(huì )通過(guò)激光雷達來(lái)實(shí)現這個(gè)想法最終可能被驗證為錯誤的，這依舊沒(méi)有改變馬斯克的決定。
一些反對的聲音稱(chēng)，不配備激光雷達的特斯拉，無(wú)法通過(guò)其他的傳感器獲取如同激光雷達效果相同的感官輸入，也無(wú)法提供補償和三角測量。
但是另一些支持者認為，激光雷達不值得花費如此高昂的費用成本，不值得為其增大計算能力，也不值得為其增加認知時(shí)間。
Reconcile
在同一個(gè)視場(chǎng)(Field of View，FOV)內，假設傳感器X探測到一個(gè)物體，而傳感器Z沒(méi)有探測到。注意，這與物體完全在傳感器Z的FOV之外的情況有很大的不。
一方面，系統會(huì )認為傳感器X是正確的，Z是錯誤的，可能是因為Z有故障，或者有模糊探測，或者是其他的一些什么原因。另一個(gè)方面，也許傳感器X是錯誤的，X可能是報告了一個(gè)“幽靈”（實(shí)際上并不存在的東西），而傳感器Z報告那里沒(méi)有東西是正確的。
Integrate
假設我們有兩個(gè)物體a和b，分別在傳感器X和傳感器Z的視場(chǎng)FOV內（a在X視場(chǎng)內，b在Z視場(chǎng)內）。也就是說(shuō)，Z無(wú)法直接檢測到a，X也無(wú)法直接檢測到b。
目前，想要實(shí)現的效果是，能否將X和Z的報告整合在一起，讓它們在各自的視場(chǎng)內探測物體同時(shí)，判斷是否為X視場(chǎng)中的物體正在向Z視場(chǎng)移動(dòng)，預先提醒Z將有物體進(jìn)入探測區域。
Synthesize
第四種方法Synthesize是將感知數據融合在一起，你可能會(huì )遇到這樣的情況，傳感器X和傳感器Z都沒(méi)有在各自的視場(chǎng)內探測到物體。
在這種情況下，沒(méi)有傳感器知道這個(gè)物體的存在，但是可以通過(guò)一些其他的感觀(guān)數據，比如聲音，間接地弄清楚在視場(chǎng)之外的物體情況。自動(dòng)駕駛汽車(chē)是時(shí)刻運動(dòng)的，所以要求這種預判是瞬間發(fā)生的，像上文提到的一樣，是實(shí)時(shí)的。
多傳感器信息融合技術(shù)應用至今，有著(zhù)非常多的應用方法，在所有方法當中較為成熟的方法包括了聚類(lèi)分析法、證據理論法、DS 算法、最優(yōu)理論法等。
（來(lái)源：傳感器世界，作者：清研車(chē)聯(lián)）
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請電話(huà)或者郵箱聯(lián)系小編進(jìn)行侵刪。
