多傳感器融合面臨的主要挑戰(zhàn)是如何將收集來(lái)的大量數(shù)據(jù)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(jì)算機(jī)技術(shù)將來(lái)自多傳感器或多源的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動(dòng)分析和綜合，以完成所需要的決策和估計(jì)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(bǔ)和優(yōu)化組合處理，最終產(chǎn)生對(duì)觀測(cè)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(shù)據(jù)進(jìn)行合理支配與使用，而信息融合的最終目標(biāo)則是基于各傳感器獲得的分離觀測(cè)信息，通過(guò)對(duì)信息多級(jí)別、多方面組合導(dǎo)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(shì)，而且也綜合處理了其它信息源的數(shù)據(jù)來(lái)提高整個(gè)傳感器系統(tǒng)的智能化。

2

融合體系

在信息融合處理過(guò)程中，根據(jù)對(duì)原始數(shù)據(jù)處理方法的不同，信息融合系統(tǒng)的體系結(jié)構(gòu)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(shù)據(jù)直接送至中央處理器進(jìn)行融合處理，可以實(shí)現(xiàn)實(shí)時(shí)融合，其數(shù)據(jù)處理的精度高，算法靈活，缺點(diǎn)是對(duì)處理器要求高，可靠性較低，數(shù)據(jù)量大，故難于實(shí)現(xiàn)。 2、分布式：每個(gè)傳感器對(duì)獲得的原始數(shù)據(jù)先進(jìn)行局部處理，包括對(duì)原始數(shù)據(jù)的預(yù)處理、分類(lèi)及提取特征信息，并通過(guò)各自的決策準(zhǔn)則分別作出決策，然后將結(jié)果送入融合中心進(jìn)行融合以獲得最終的決策。分布式對(duì)通信帶寬需求低、計(jì)算速度快、可靠性和延續(xù)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(jié)構(gòu)。它保留了上述兩類(lèi)系統(tǒng)的優(yōu)點(diǎn)，但在通信和計(jì)算上要付出較昂貴的代價(jià)。但是，此類(lèi)系統(tǒng)也有上述兩類(lèi)系統(tǒng)難以比擬的優(yōu)勢(shì)，在實(shí)際場(chǎng)合往往采用此類(lèi)結(jié)構(gòu)。

3

多傳感器融合特點(diǎn)

多傳感器融合 系統(tǒng)具有四個(gè)顯著的特點(diǎn)： 1.信息的冗余性：對(duì)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(zhǔn)確和可靠的信息。 此外，信息的冗余性可以提高系統(tǒng)的穩(wěn)定性，從而能夠避免因單個(gè)傳感器失效而對(duì)整個(gè)系統(tǒng)所造成的影響。 2.信息的互補(bǔ)性：不同種類(lèi)的傳感器可以為系統(tǒng)提供不同性質(zhì)的信息，這些信息所描述的對(duì)象是不同的環(huán)境特征，它們彼此之間具有互補(bǔ)性。 如果定義一個(gè)由所有特征構(gòu)成的坐標(biāo)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(dú)立。 3.信息處理的及時(shí)性：各傳感器的處理過(guò)程相互獨(dú)立，整個(gè)處理過(guò)程可以采用并行導(dǎo)熱處理機(jī)制，從而使系統(tǒng)具有更快的處理速度，提供更加及時(shí)的處理結(jié)果。 4.信息處理的低成本性：多個(gè)傳感器可以花費(fèi)更少的代價(jià)來(lái)得到相當(dāng)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(xiàn)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(dāng)?shù)摹?

4

在自動(dòng)駕駛中的應(yīng)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(bǔ)充，提高自動(dòng)駕駛系統(tǒng)的安全系數(shù)。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(zhàn)是如何將收集來(lái)的大量數(shù)據(jù)集中在一起，并做出正確決策。如果MSDF出錯(cuò)，意味著下游階段要么沒(méi)有必要的信息，要是使用了錯(cuò)誤的信息做出了錯(cuò)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(shù)據(jù)，也會(huì)通過(guò)雷達(dá)（激光雷達(dá)、毫米波雷達(dá)等）來(lái)收集諸如周?chē)矬w運(yùn)動(dòng)速度的數(shù)據(jù)，但是這些數(shù)據(jù)是從不同角度來(lái)描述現(xiàn)實(shí)世界的同一樣或不同樣的物體。 使用越多的傳感器，對(duì)計(jì)算能力的要求就越高，這意味著自動(dòng)駕駛汽車(chē)必須搭載更多的計(jì)算機(jī)處理器和內(nèi)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(tǒng)感知道路環(huán)境，自動(dòng)規(guī)劃行車(chē)路線并控制車(chē)輛到達(dá)預(yù)定目標(biāo)。 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(dá)、超聲波雷達(dá)、360°環(huán)視系統(tǒng)等，多源傳感器的協(xié)同作用識(shí)別道路車(chē)道線、行人車(chē)輛等障礙物，為安全駕駛保駕護(hù)航。因此，感知信息也需要融合，感知信息也需要相互補(bǔ)充。

5

多傳感器融合的四個(gè)關(guān)鍵方法

Harmonize

假設(shè)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(xiàn)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(cè)到這個(gè)物體。 這就意味著傳感器對(duì)這個(gè)物體進(jìn)行了雙重檢測(cè)，這種雙重檢測(cè)意味著兩種不同類(lèi)型的傳感器都有關(guān)于該物體的數(shù)據(jù)報(bào)告，對(duì)于該物體有兩個(gè)維度不同地認(rèn)知。 假設(shè)，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英尺的速度正朝著自動(dòng)駕駛車(chē)輛方向移動(dòng)。 結(jié)合兩個(gè)傳感器采集到的數(shù)據(jù)，就可以得出一條相對(duì)準(zhǔn)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(shè)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(cè)該物體的運(yùn)動(dòng)狀態(tài)。這也就是最近業(yè)內(nèi)廣泛討論的“在自動(dòng)駕駛汽車(chē)上應(yīng)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(dá)。 盡管馬斯克自己也認(rèn)為，L5自動(dòng)駕駛不會(huì)通過(guò)激光雷達(dá)來(lái)實(shí)現(xiàn)這個(gè)想法最終可能被驗(yàn)證為錯(cuò)誤的，這依舊沒(méi)有改變馬斯克的決定。 一些反對(duì)的聲音稱(chēng)，不配備激光雷達(dá)的特斯拉，無(wú)法通過(guò)其他的傳感器獲取如同激光雷達(dá)效果相同的感官輸入，也無(wú)法提供補(bǔ)償和三角測(cè)量。 但是另一些支持者認(rèn)為，激光雷達(dá)不值得花費(fèi)如此高昂的費(fèi)用成本，不值得為其增大計(jì)算能力，也不值得為其增加認(rèn)知時(shí)間。

Reconcile

在同一個(gè)視場(chǎng)(Field of View，F(xiàn)OV)內(nèi)，假設(shè)傳感器X探測(cè)到一個(gè)物體，而傳感器Z沒(méi)有探測(cè)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(tǒng)會(huì)認(rèn)為傳感器X是正確的，Z是錯(cuò)誤的，可能是因?yàn)閆有故障，或者有模糊探測(cè)，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(cuò)誤的，X可能是報(bào)告了一個(gè)“幽靈”（實(shí)際上并不存在的東西），而傳感器Z報(bào)告那里沒(méi)有東西是正確的。

Integrate

假設(shè)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(nèi)（a在X視場(chǎng)內(nèi)，b在Z視場(chǎng)內(nèi)）。也就是說(shuō)，Z無(wú)法直接檢測(cè)到a，X也無(wú)法直接檢測(cè)到b。 目前，想要實(shí)現(xiàn)的效果是，能否將X和Z的報(bào)告整合在一起，讓它們?cè)诟髯缘囊晥?chǎng)內(nèi)探測(cè)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(yù)先提醒Z將有物體進(jìn)入探測(cè)區(qū)域。

Synthesize

第四種方法Synthesize是將感知數(shù)據(jù)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(nèi)探測(cè)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)一些其他的感觀數(shù)據(jù)，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(yùn)動(dòng)的，所以要求這種預(yù)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(yīng)用至今，有著非常多的應(yīng)用方法，在所有方法當(dāng)中較為成熟的方法包括了聚類(lèi)分析法、證據(jù)理論法、DS 算法、最優(yōu)理論法等。

責(zé)任編輯：lq