多传感器融合技术专项技能学习任务二环境感知传感器技术技能提.pptxVIP

多传感器融合技术专项技能学习任务二环境感知传感器技术技能提.pptx

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

多传感器融合技术专项技能;多传感器数据融合技术形成于上世纪80年代,目前已成为研究的热点。它不同于一般信号处理,也不同于单个或多个传感器的监测和测量,而是对基于多个传感器测量结果基础上的更高层次的综合决策过程。对于自动驾驶车辆来说,单一的传感器信号是远远不够的,需要多传感器的融合才能保证数据的准确性。;LearningObjectives;多传感器融合技术概述;1;传感器融合实际上是模仿人类通过五官获得外界信息的这种由感知到认知的过程。

传感器数据融合是针对一个系统使用多个(种)传感器这一特定问题而提出的信息处理方法,可发挥多个(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。;1、多传感器融合的优势

具体来说,在自动驾驶汽车系统中使用多传感器融合技术主要有如下优势。;2、多传感器的融合过程;3、多传感器融合结构

根据传感器信息在不同信息层次上的融合,可以将多传感器信息融合划分为Low-level融合、High-level融合和混合融合结构。;(1)Low-level融合

Low-level融合体系结构是一种较低信息层次上的融合,是集中式融合结构.集中式验合结构将各传感8获得的原始数据直接送到数据融合中心,进行数据对准、数据关联、预测等,在传感器端不需要任何处理,可以实现实时融合。;①数据级融合

数据级融合又称像素级融合,是最低层次的融合,直接对传感器的观测数据进行融合处理,然后基于融合后的结果进行特征提取和判断决策。;根据融合内容,数据级融合又可以分为图像级融合、目标级融合和信号级融合。

图像级融合以视觉为主体,将雷达输出的整体信息进行图像特征转化,与视觉系统的图像输出进行融合;目标级融合是对视觉和雷达的输出进行综合可信度加权,配合精度标定信息进行自适应的有哪些信誉好的足球投注网站匹配后融合输出;信号级融合是对视觉和雷达传感器ECU传出的数据源进行融合,其数据损失小、可靠性高,但需要大量的计算。;(2)特征级融合

特征级融合指在提取所采集数据包含的特征向量之后融合。特征向量用来体现所监测物理量的属性,在面向检测对象特征的融合中,这些特征信息是指采集图像中的目标或特别区域,如边缘、人物、建筑或车辆等信息。;根据融合内容,特征级融合又分为目标状态信息融合和目标特性融合两大类。其中,前者是先进行数据配准,以实现对状态和参数相关估计,更加适用于目标追踪,后者是借用传统模式识别技术,在特征预处理的前提下进行分类组合。;2、High-level融合

High-level融合体系结构是一种较高语义层次上的融合,可以是分布式融合结构或者集中式融合结构。

分布式融合结构在各独立节点都设置相应的处理单元,在对各个独立传感器所获得的原始数据进行局部处理的基础上,再将结果输入到数据融合中心,进行智能优化、组合、推理来获得最终的结果。;集中式融合结构如图所示,根据不同种类的传感器对同一目标观测的原始数据,进行一定的特征提取、分类、判别,以及简单的逻辑运算,然后根据应用需求进行较高级的决策,获得简明的综合推断结果,是高语义层次上的融合。;(3)混合式融合结构

混合式融合结构是由多种Low-Level和High-Level融合结构组合而成,如图所示,部分传感器采用集中式融合方式,其余的传感器采用分布式融合结构,兼有二者的优点,能够根据不同需要灵活且合理地完成信息处理工作。但是,混合式融合方法的结构复杂,对结构设计要求高,加大了通信和计算上的代价。;(4)三种融合结构的比较

基于精度、通信带宽和可靠性等方面,将分布式、集中式、混合式结构融合方法进行比较。;2;融合算法是融合处理的基础。它是将多元输入数据根据信息融合的功能要求,在不同融合层次上采用不同的数学方法,对数据进行综合处理,最终实现融合。目前已有大量的融合算法,它们都有各自的优缺点。这些融合算法总体上法可以分为三大类型:嵌入约束法、证据组合法、人工神经网络法。;(一)嵌入约束法

用数学语言描述就是,即使所有传感器的全部信息,也只能描述环境的某些方面的特征,而具有这些特征的环境却有很多,要使一组数据对应惟一的环境(即上述映射为一一映射),就必须对映射的原像和映射本身加约束条件,使问题能有惟一的解。嵌入约束法有两种基本的方法:贝叶斯估计和卡尔曼滤波。;1、贝叶斯估计法

贝叶斯估计法是由ThomasBayes提出的,??一种基于先验概率,并不断结合新的数据信息得到新的概率。贝叶斯估计法常用于静态环境下特征层的融合,公式为:;2、卡尔曼滤波法

卡尔曼滤波法是一种利用线性状态方程,

文档评论(0)

学海无涯苦做舟 + 关注
实名认证
文档贡献者

职业教育

1亿VIP精品文档

相关文档