传感器融合的力量

长期以来，工业机器一直依赖各种传感器来执行其目标任务并获得所需的性能和可靠性。传感器融合提供了一种更全面的方法来实现这些结果，并在这些应用和其他应用中做出适当的决策，并提供其他好处。实际上，传感器融合是数据融合的一个子类别，也称为多感官数据融合或传感器-数据融合。

在人工智能领域，传感器融合，以及大型语言模型、神经网络和机器学习，以及高带宽内存（HBM）等其他使能技术继续快速发展。随着这些技术的每一次进步，可以更好地利用单个传感器类型的固有优势，并克服或至少避免其弱点。例如，在机器感知方面，激光雷达可以准确检测物体，但它不具备摄像头或雷达传感的范围或经济性。相机很容易被灰尘、阳光、雨、雪或黑暗弄瞎。雷达无法读取标志或观察不同颜色的光。

传感器融合的各种设计方法包括：

• 中心化与去中心化

• 不同级别的抽象

• 不同的融合级别

• 传感器融合范式（统计、概率或基于知识）

• 融合时间（晚或早）

传感器融合对自主机器的好处

在自主机器中，传感器融合在动态环境中提供冗余、更高的准确性、更好的分辨率和鲁棒性。然而，添加更多传感器意味着添加更多必须实时适当管理的数据。这需要合适的软件将传感器的输出融合在一起。

图 1.传感器的正确选择必须伴随着软件的正确选择，才能实现传感器融合的承诺优势。（图片：传感器融合)

通过正确设计/选择信号处理算法，可以最大限度地减少单个传感器的噪声、错误数据和其他不确定性。此外，还可以实现传感器输入的容错。通过观察一个传感器的输出与其他传感器的输出不一致来识别传感器故障，为使用传感器融合提供了额外的优势和理由。

实际用例

 通过传感器融合，一些现代用例要么变得实用，要么得到大幅改进。示例包括自动驾驶汽车、机器人、无人机等。

例如，在自动驾驶汽车中，激光雷达、雷达和光学传感（摄像头）的传感器融合是其发展中最重要的三种传感器技术。实施它们的最终目标是重现人类可靠判断的能力，能够根据传感器的信息和从以前的经验中吸取的教训来做出瞬间决策。

在全电动捷豹 I-Pace SUV 中，每个可见的安装位置都有多个传感器。为了始终如一地获得所需信息量，Waymo 工程师得出结论，单一类型的传感器无法在所有作条件下提供足够的细节。

自主移动机器人、固定机器人、空中机器人和海洋机器人都使用传感器融合。对于机器人作，精确的三维输入使机器人能够动态适应不断变化的条件。高分辨率测绘对于机器人系统的安全高效移动至关重要，特别是在协作机器人（在人类附近作甚至与人类交互的协作机器人）情况下，以降低碰撞风险并优化工作流程效率。

虽然单个无人机可以使用传感器融合，但当该技术用于创建使用大量空中无人机作为协调、智能的集体而不是单个单位发挥作用时，该技术会变得更加令人印象深刻。