為了實(shí)現(xiàn)高級(jí)駕駛員輔助(ADAS)功能和自動(dòng)駕駛，如今的汽車安裝了越來越多的環(huán)境傳感器，如雷達(dá)、攝像頭、超聲波和激光雷達(dá)。然而，每個(gè)傳感器都有其局限性，不能單獨(dú)提供有關(guān)車輛周圍環(huán)境的全部必要信息來執(zhí)行安全功能。通過結(jié)合來自各種傳感器的輸入，可以生成一個(gè)完整的環(huán)境模型，并有足夠的信心實(shí)現(xiàn)ADAS功能或自動(dòng)駕駛功能。

作為自動(dòng)駕駛系統(tǒng)的一部分，感器融合系統(tǒng)的設(shè)計(jì)必須滿足最高的安全和安全標(biāo)準(zhǔn)。

目標(biāo)檢測(cè)和深度估計(jì)是自動(dòng)駕駛汽車感知系統(tǒng)的重要組成部分。然而，多模態(tài)融合的過程也使感知系統(tǒng)的設(shè)計(jì)更具挑戰(zhàn)性。在過去的幾年中，許多傳感器融合方法被提出用于自動(dòng)駕駛的應(yīng)用。現(xiàn)有的傳感器融合算法主要是將RGB圖像與三維激光雷達(dá)點(diǎn)云相結(jié)合。激光雷達(dá)提供精確的深度信息，可用于三維目標(biāo)檢測(cè)。這在自動(dòng)駕駛應(yīng)用中特別有用，因?yàn)樵谧詣?dòng)駕駛應(yīng)用中，與所有被檢測(cè)物體的距離對(duì)安全操作至關(guān)重要。

感知是指用傳感器直接測(cè)量環(huán)境。它從系統(tǒng)和外部世界收集信息。對(duì)于自動(dòng)駕駛汽車，傳感器套件可能包括雷達(dá)、激光雷達(dá)、可視攝像頭等。但僅僅通過傳感器收集數(shù)據(jù)是不夠的，因?yàn)橄到y(tǒng)需要能夠解釋數(shù)據(jù)，并將其轉(zhuǎn)化為能夠被自動(dòng)系統(tǒng)理解和操作的東西。這就是感知步驟的作用:理解感知到的數(shù)據(jù)。例如，假設(shè)這是一幅來自車輛攝像頭傳感器的圖像。汽車最終必須將這些像素點(diǎn)理解為一條有車道線的道路，并且在路邊可能有一個(gè)正要過馬路的行人或一個(gè)固定的郵箱。為了讓系統(tǒng)決定下一步要做什么，這種理解級(jí)別是至關(guān)重要的。這是計(jì)劃的步驟，它會(huì)弄清楚自己想要做什么，并找到到達(dá)那里的路徑。最后，系統(tǒng)會(huì)計(jì)算出讓系統(tǒng)遵循該路徑的最佳行動(dòng)。最后一步是控制器和控制系統(tǒng)所做的。

舉個(gè)簡(jiǎn)單的例子，把一個(gè)加速度計(jì)放在一個(gè)固定的桌子上，這樣它就只能測(cè)量重力引起的加速度。如果這是一個(gè)完美的傳感器，輸出讀數(shù)將是常數(shù)9.81 m/s^2。然而，實(shí)際測(cè)量會(huì)有噪聲——噪聲的大小取決于傳感器的質(zhì)量。這是不可預(yù)測(cè)的噪聲，所以無法通過校準(zhǔn)消除它，但可以降低信號(hào)中的總體噪聲，如果添加一個(gè)第二個(gè)加速度計(jì)，并對(duì)兩個(gè)讀數(shù)取平均值。只要傳感器之間的噪聲不相關(guān)，像這樣將它們?nèi)诤显谝黄鹂梢詼p少傳感器數(shù)量平方根的一個(gè)因子的組合噪聲。所以四個(gè)相同的傳感器融合在一起的噪音只有單個(gè)傳感器的一半。在這種情況下，所有組成這個(gè)非常簡(jiǎn)單的傳感器融合算法是一個(gè)平均函數(shù)。還可以通過結(jié)合兩種或兩種以上不同類型傳感器的測(cè)量數(shù)據(jù)來降低噪聲，如果必須處理相關(guān)的噪聲源，這將有所幫助。例如，假設(shè)試圖測(cè)量你的手機(jī)相對(duì)于北方的方向。可以用手機(jī)磁強(qiáng)計(jì)來測(cè)量從磁北到地球的角度。然而，就像加速度計(jì)一樣，這種傳感器的測(cè)量也會(huì)有噪聲。如果想減少噪音，可能會(huì)想再加一個(gè)磁力計(jì)。然而，至少手機(jī)內(nèi)部的電子設(shè)備產(chǎn)生的移動(dòng)磁場(chǎng)是噪音的一部分。這意味著每個(gè)磁力計(jì)都會(huì)受到這個(gè)相關(guān)噪聲源的影響，所以平均傳感器不會(huì)去除它。有兩種方法可以解決這個(gè)問題:簡(jiǎn)單地將傳感器移離腐蝕的磁場(chǎng)——這很難用手機(jī)做到——或者通過某種形式的低通濾波器來過濾測(cè)量結(jié)果，這會(huì)增加延遲，降低測(cè)量的響應(yīng)度。但另一個(gè)選擇是將磁強(qiáng)計(jì)與角速率傳感器，即陀螺儀融合。陀螺儀也會(huì)有噪聲，但通過使用兩種不同的傳感器，減少了噪聲相關(guān)的可能性，這樣它們就可以用來互相校準(zhǔn)。基本原理是，如果磁力計(jì)測(cè)量到磁場(chǎng)的變化，陀螺儀可以用來確認(rèn)旋轉(zhuǎn)是來自手機(jī)的實(shí)際移動(dòng)，還是僅僅來自噪音。

有幾種不同的傳感器融合算法可以實(shí)現(xiàn)這種混合，但卡爾曼濾波可能是一種比較常見的方法。卡爾曼濾波器的有趣之處在于，系統(tǒng)的數(shù)學(xué)模型已經(jīng)構(gòu)建到濾波器中。所以你可以將傳感器測(cè)量和你對(duì)物理世界的了解融合在一起。

傳感器融合的第二個(gè)好處是它可以增加測(cè)量的可靠性。一個(gè)明顯的例子是，如果把兩個(gè)相同的傳感器融合在一起，就像用平均加速度計(jì)一樣，那么就有一個(gè)備用的，以防其中一個(gè)失效。

當(dāng)然，在這種情況下，如果一個(gè)傳感器失敗，就會(huì)失去測(cè)量的質(zhì)量，但至少不會(huì)失去整個(gè)測(cè)量結(jié)果。還可以在混合中加入第三個(gè)傳感器，融合算法可以排除任何一個(gè)傳感器的數(shù)據(jù)，它產(chǎn)生的測(cè)量結(jié)果與其他兩個(gè)不同。這里的一個(gè)例子是使用三個(gè)皮托管來可靠地測(cè)量飛機(jī)的空氣速度。如果其中一個(gè)中斷或讀取不正確，那么使用其他兩個(gè)仍然知道空速。因此，多傳感器是提高可靠性的有效途徑; 然而，必須注意同時(shí)影響所有傳感器的單一故障模式。一架在凍雨中飛行的飛機(jī)可能會(huì)發(fā)現(xiàn)，所有的三個(gè)皮托管都凍結(jié)了，再多的傳感器或傳感器融合也無法保存測(cè)量數(shù)據(jù)。這也是將測(cè)量不同量的傳感器融合在一起可以幫助解決問題的地方。這架飛機(jī)可以通過使用GPS和大氣風(fēng)模型估算空速來補(bǔ)充皮托管的空速測(cè)量數(shù)據(jù)。在這種情況下，當(dāng)主傳感器組件不可用時(shí)，仍然可以估計(jì)空氣速度。同樣，質(zhì)量可能會(huì)降低，但空速仍然可以確定，這對(duì)飛機(jī)的安全很重要。丟失傳感器并不總是意味著傳感器失效。這可能意味著他們測(cè)量的量暫時(shí)消失了。例如，一個(gè)雷達(dá)系統(tǒng)正在跟蹤海洋上一艘小船的位置。雷達(dá)站發(fā)出一個(gè)無線電信號(hào)，該信號(hào)從船反射回來，并將其往返旅行時(shí)間、信號(hào)的多普勒位移以及跟蹤站的方位角和仰角綜合起來，估算出船的位置和距離率。然而，如果一艘較大的貨船進(jìn)入雷達(dá)站和較小的船只之間，那么測(cè)量將立即轉(zhuǎn)移到該障礙物的位置和距離率。

所以在這種情況下，不需要替代傳感器類型或二次雷達(dá)跟蹤站來幫助測(cè)量，因?yàn)榭梢允褂梦锢硎澜绲哪Ｐ汀?/span>一種算法可以開發(fā)出被跟蹤物體的速度和航向模型。然后，當(dāng)物體在雷達(dá)視線之外時(shí)，模型就可以接管并做出預(yù)測(cè)。當(dāng)然，只有當(dāng)你追蹤的對(duì)象是相對(duì)可預(yù)測(cè)的，而你不需要長(zhǎng)期依賴于你的預(yù)測(cè)時(shí)，這才有效。對(duì)于移動(dòng)緩慢的船只來說，情況就是如此。

傳感器融合的第三個(gè)好處是我們可以用它來估計(jì)未測(cè)量的狀態(tài)。現(xiàn)在，重要的是要認(rèn)識(shí)到，不可測(cè)量并不意味著不可測(cè)量;這只是意味著系統(tǒng)沒有一個(gè)傳感器可以直接測(cè)量感興趣的狀態(tài)。例如，一個(gè)相機(jī)不能測(cè)量物體在其視野中所有物體的距離。一個(gè)距離較遠(yuǎn)的大物體可以占用與一個(gè)距離較近的小物體相同數(shù)量的像素。但是，可以添加第二個(gè)光學(xué)傳感器，并通過傳感器融合，提取三維信息。融合算法從兩個(gè)不同的角度對(duì)場(chǎng)景進(jìn)行比較，并測(cè)量出兩幅圖像中目標(biāo)之間的相對(duì)距離。因此，這兩個(gè)傳感器不能單獨(dú)測(cè)量距離，但它們可以結(jié)合起來。

傳感器融合第四個(gè)好處就是可用于擴(kuò)大覆蓋范圍。想象一下一輛用于停車輔助的汽車上的短程超聲波傳感器。這些傳感器可以測(cè)量到附近物體的距離，比如其他停著的汽車和路邊，讓你知道什么時(shí)候你就要撞上了。每個(gè)單獨(dú)的傳感器可能只有幾英尺的范圍和狹窄的視野。因此，如果汽車需要在四個(gè)方向上都有全覆蓋，就需要添加額外的傳感器，并將測(cè)量數(shù)據(jù)融合在一起，以產(chǎn)生更大的總視野。更有可能的是，這些測(cè)量結(jié)果不會(huì)被平均或以任何數(shù)學(xué)方式組合起來，因?yàn)橹滥膫€(gè)傳感器記錄了一個(gè)物體通常很有幫助，這樣你就能知道這個(gè)物體相對(duì)于汽車的位置。但是，將所有這些傳感器組合成一個(gè)相干系統(tǒng)的算法仍然是傳感器融合的一種形式。所以希望你能開始看到有很多不同的方法來進(jìn)行傳感器融合，即使這些方法不一定有共同的算法，甚至有相同的設(shè)計(jì)目標(biāo)，它們背后的一般思想是無處不在的:使用多個(gè)數(shù)據(jù)源來提高測(cè)量質(zhì)量、可靠性和覆蓋率，并能夠估計(jì)未直接測(cè)量的狀態(tài)。

獲得pdf文檔，請(qǐng)轉(zhuǎn)發(fā)朋友圈，并聯(lián)系小編