学习笔记23--多传感器信息融合基础理论(上)

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！
此专栏是关于《自动驾驶汽车环境感知》书籍的笔记

---

---

1.多传感器信息融合基础理论

1.1 概论

• 实现自动驾驶，需要多个传感器相互配合，共同构成自动驾驶汽车的感知系统；
• 在多传感器信息融合过程中，需要解决如下几个关键问题：
  • 数据对准。 由于每个传感器观测到的数据都在各自的参考框架内，在对这些信息进行融合之前，必须将它们交换到同一时空框架中；由于时空配准导致的舍入误差必须得到相应的补偿；
  • 传感器观测数据的不确定性。 由于传感器工作环境的不确定性，导致观测数据中有噪声成分，在融合过程中需要在最大程度上降低这些信息的不确定性；
  • 数据关联。 数据关联问题广泛存在，需要解决单传感器时间域上的关联问题，以及多传感空间域上的关联问题，从而能够确定来源于同一目标源的数据；
  • 不完整性、不一致以及虚假数据。 在多传感器信息融合系统中，对传感器接收到的量测数据有时会存在多种解释，称之为数据的不完整性；多传感器数据往往也会对观测环境做出不一致甚至相互矛盾的解释；
• 对车载系统的要求：
  • 统一的同步时钟，保证传感器信息的时间一致性和正确性；
  • 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；

1.2 多传感器信息融合基础理论

1.2.1 多传感器信息融合概述

• 传感器数据融合是针对一个系统使用多种传感器这一特定问题提出的信息处理方法，可发挥多种传感器的联合优势，消除单一传感器的局限性；
• 把分布在不同位置的多个同类或不同类传感器所提供的数据资源加以综合，采用使计算机技术对其进行分析，加以互补，实现最佳协同效果，获得对被观测对象的一致性解释与描述，提高系统的容错性，从而提高系统决策、规划、反应的快速性和正确性，使系统获得更充分的信息；
• 使用多传感器融合技术优势：
  • 提高系统感知的准确度。 多种传感器联合互补，可避免单一传感器的局限性，最大程度发挥各个传感器的优势，能同时获取被检测物体的多种不同特征信息，减少环境、噪声等干扰；
  • 增加系统的感知维度，提高系统的可靠性和健壮性。 多传感器融合可带来一定的信息冗余度，即使某一个传感器出现故障，系统仍可在一定范围内继续正常工作，具有较高的容错性，增加系统决策的可靠性和置信度；
  • 增强环境使用能力。 应用多传感器融合技术采集的信息具有明显的特征互补性，对空间和时间的覆盖范围更广，弥补了单一传感器对空间的分辨率和环境的语义不确定性。
  • 有效减少成本。 融合可以实现多个价格低廉的传感器代替价格昂贵的传感器设备，在保证性能的基础上降低成本预算；
• 传感器融合过程：
  1. 多个传感器独立工作获得观测数据；
  2. 对各传感器数据(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。