传感器融合的过程

RECOMMEND

关于传感器和传感器融合需要考虑的因素：成本、体积、重量、可拓展性、可靠性、制冷、安装、空间、故障自检、报告、容错性、灵活性、冗余性、反戏弄。

通过传感器融合同步运行，以允许全自动驾驶车辆或无人驾驶车辆对周围环境检测，并警告驾驶员潜在的道路危险，甚至可以采取独立于驾驶员的规避动作来避免碰撞。

驾驶中雷达图像被捕获，负责雷达单元的电子控制单元（ECU）花很短的时间对捕捉到的图像进行预处理。然后借助控制区域网络（CAN），把图像发送到传感器融合中心。在区域网络传输图像，以及接受信息都要花时间。

同时传感器融合中心也会接受来自摄像头、超声波传感器和激光雷达传感器的数据。传感器融合处理了所有这些数据，又需要短暂时间。

最终结果被传到人工智能上，需要对其进行处理，并更新环境模型。这需要时间。

通过控制区域网络（CAN），人工智能向汽车控制系统发出指令，这需要时间来完成。

控制系统接收命令，明确它要做什么，继而采取实际行动。

算法和成本因素是关键所在

目前企业都在积极寻找传感器融合的方法，推出的解决方案也不尽相同，但尚未出现一种经过验证、最可靠的方案。因为传感器融合是一个不断推进的过程，难点有不少。

不同类型传感器的优缺点不同，获取的信息量巨大，要保证最终融合结果及时、准确，就需要在传感器的选型配置和算法精度上有巧妙的布局，而能把这些环节都做好的企业目前还不多。

为了提升传感器融合的效果，最理想的状态就是将各类最顶级传感器融合在一起。但光一个激光雷达的价格就已与一辆传统汽车持平，可见某些关键传感器的价格还远没到消费类电子产品的水平。

在传感器融合过程中，一些厂商不愿公开自己获取的原始数据，怕因此沦为纯粹的数据采集供应商，导致利润空间有限。由此造成的数据壁垒也是实现传感器融合的一大障碍。