多传感器融合.pptxVIP

5.2多传感器融合多传感器融合多传感器数据融合的定义可概括为:充分利用不同时间与空间的多传感器数据资源,采用计算机技术对按时间序列获得的多传感器观测数据,在一定准则下进行分析、综合、支配和使用,获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比它的各组成部分更充分的信息。多传感器融合1.多传感器数据融合技术原理2.多传感器数据融合方法3.多传感器数据融合的系统结构模型1.多传感器数据融合技术原理多传感器数据融合技术的基本原理就像人脑中和处理信息一样，充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间和时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。常见的随机类多传感器数据融合方法加权平均法卡尔曼滤波法多贝叶斯估计法D-S证据推理法产生式规则常见的人工智能类多传感器数据融合方法模糊逻辑推理人工神经网络法多传感器数据融合的系统结构模型多传感器数据融合的系统结构模型，一般有三种基本形式： 集中式 分布式 混合式多传感器标定传感器标定是自动驾驶的基本需求,良好的标定是多传感器数据融合的基础,一辆车上装了多个/多种传感器,而它们之间的坐标关系是需要确定的。标定过程可分成两部分:内部参数标定和外部参数标定。内部参数是决定传感器内部的映射关系,比如摄像头的焦距、偏心和像素横纵比(畸变系数);而外部参数是决定传感器和外部某个坐标系的转换关系,比如姿态参数等。多传感器标定摄像头的标定是计算机视觉中三维重建的前提,著名的张氏标定法,利用绝对圆锥曲线(absoluteconic)不变性得到的平面标定算法简化了控制场。另外在自动驾驶研究中,GPS-IMU和摄像头或者激光雷达的标定、雷达和摄像头之间的标定也是常见的。多传感器标定不同传感器之间标定最大的问题是如何衡量最佳,因为获取的数据类型不一样:1)摄像头是RGB图像的像素阵列。2)激光雷达是3D点云距离信息。3)GPS-IMU给的是车身位置姿态信息。4)微波雷达是2D反射图。多传感器融合算法智能车辆感知和定位中多传感器融合成了无人驾驶领域的趋势,融合按照实现原理分为： 硬件层的融合 数据层融合 任务层融合多传感器融合算法硬件层融合如禾赛和Mobileye等传感器厂商,利用传感器的底层数据进行融合;数据层融合,利用各种传感器得到后期数据,即每个传感器各自独立生成目标数据,再由主处理器融合这些特征数据来实现感知任务;任务层融合,先由各传感器完成感知或定位任务,如障碍物检测、车道线检测、语义分割和跟踪,以及车辆自身定位等,然后添加置信度进行融合。多传感器融合1.多传感器数据融合技术原理2.多传感器数据融合方法3.多传感器数据融合的系统结构模型