传感器融合

来自于百度技术学院的PPT。

一、引言

(1) 挑战与问题

1. 数据对准
2. 传感器观测数据的不确定性
3. 数据关联
4. 不完整、不一致以及虚假数据

(2) 对车载系统的要求

1. 统一的同步时钟，保证传感器信息的时间信息一致性与正确性
2. 准确的多传感器标定，保证相同时间下不同传感器信息的空间一致性

(3) 传感器融合过程

1. 多个（种）传感器独立工作获得观测数据
2. 对各传感器（RGB图像、点云数据等）进行预处理
3. 对处理数据进行特征提取变换，并对其进行模式识别处理，获取对观测对象的描述信息
4. 在数据融合中心按照一定的准则进行数据关联
5. 使用足够优化的算法对各传感器数据进行融合，获得对观测对象的一致性描述和解释。

(4) 传感器融合结构

1. Low-level 融合：包括数据级融合和特征级融合，是一种集中式融合结构
2. High-level 融合：是一种决策级别融合，可以是集中式融合或者分布式融合
3. 混合融合: 是多种Low-level和High-level融合结构组合而成

二、 多传感器融合结构

(1) Low-level 融合

(2) High-level 融合

(3) 混合融合

三、多传感器融合算法

四、多传感器后融合技术

(1) UIm 自动驾驶：模块化的融合方法

(2) FOP-MOC 模型

五、多传感器前融合技术

Reference

1. https://bit.baidu.com/productsBuy?id=184