智聯(lián)網(wǎng)汽車技術 課件 3.4傳感器融合技術

傳感器融合技術項目一智能網(wǎng)聯(lián)汽車概述

任務3智能傳感器技術主講人：曾鑫智能網(wǎng)聯(lián)汽車技術課程導入傳感器融合技術學習目標理解什么是傳感器融合技術，如何應用在智聯(lián)網(wǎng)汽車中01了解在實現(xiàn)完全自動駕駛過程中，這項技術的關鍵性作用02學習任務辨別和總結(jié)各種傳感器的主要功能，找出傳感器融合過程中的關鍵步驟01解釋這些技術如何應用于車輛的自動駕駛功能02激活舊知常見的汽車傳感器有哪些嗎?它們檢測汽車周圍的什么信息?常見的汽車傳感器有視覺攝像頭、毫米波雷達、超聲波雷達等傳感器。它們可以檢測障礙物的位置、速度等信息。探索新知傳感器融合技術

廣泛應用的各類高級駕駛員輔助系統(tǒng)ADAS使用各類傳感器，實現(xiàn)了相應的輔助駕駛功能，為實現(xiàn)完全自動駕駛奠定了基礎。利用多個感官傳感器信息或多個主體信息進行融合的過程就是多傳感器信息的融合過程。探索新知傳感器融合技術信息融合20世紀90年代具有更廣義化概念的“信息融合”被提出來，多傳感器數(shù)據(jù)融合MSDF(Multi-sensorDataFusion）技術也應運而生021973年起源于美國國防部資助開發(fā)的聲納信號處理系統(tǒng)01探索新知傳感器融合技術信息融合1多傳感器融合體系探索新知傳感器融合技術信息融合1多傳感器融合體系

傳感器組件包括多個傳感器，如雷達、紅外、光學、聲學等，用于檢測目標或環(huán)境的不同方面情況。探索新知傳感器融合技術信息融合1多傳感器融合體系

數(shù)據(jù)融合處理器主要用于匯總、處理、分析和利用來自不同傳感器的數(shù)據(jù)信息，進行多源數(shù)據(jù)融合和分析。探索新知傳感器融合技術信息融合1多傳感器融合體系

數(shù)據(jù)融合處理器可以是嵌入式系統(tǒng)、計算機服務器、云平臺，通過分析不同傳感器得到的數(shù)據(jù)來提高信息的準確性和完整性，并產(chǎn)生關于實時事件、趨勢和預測的可視化結(jié)果。探索新知傳感器融合技術小貼士數(shù)據(jù)融合主要優(yōu)勢系統(tǒng)算法多元數(shù)據(jù)融合目標跟蹤運動檢測物體檢測空間降噪模式識別探索新知傳感器融合技術小貼士

多傳感器融合體系結(jié)構(gòu)需要一個系統(tǒng)控制器來調(diào)整傳感器和數(shù)據(jù)融合處理器之間的交互和協(xié)調(diào)，以確保整個系統(tǒng)的性能和精確度。設備應該適當頒布旨在確保隱私和數(shù)據(jù)安全的法規(guī)與標準。數(shù)據(jù)融合主要優(yōu)勢探索新知傳感器融合技術信息融合2多傳感器融合原理

多傳感器融合的原理與人腦綜合處理信息的過程相似，是利用不同的傳感器獲得目標或環(huán)境的多方面信息，從而獲得更加準確、全面、可靠的數(shù)據(jù)。探索新知傳感器融合技術信息融合2多傳感器融合原理優(yōu)勢增強感知能力提高精度和可靠性降低運算成本適應性強探索新知傳感器融合技術信息融合2多傳感器融合原理優(yōu)勢增強感知能力提高精度和可靠性降低運算成本適應性強探索新知傳感器融合技術信息融合3傳感器融合方法感知需求芯片計算能力合適的融合架構(gòu)和方法探索新知傳感器融合技術信息融合3傳感器融合方法從融合級別上來說,

融合模型通常從數(shù)據(jù)、特征、決策三個層次上進行信息的融合處理。探索新知傳感器融合技術信息融合3傳感器融合方法數(shù)據(jù)層融合將原始數(shù)據(jù)的直接融合。其輸入是由多個傳感器提供的各種類型的原始數(shù)據(jù)，其輸出為特征提取或者局部決策的結(jié)果。1特征層融合提取數(shù)據(jù)源的特征信息，進行分析和處理，保留足夠的重要信息，為后期決策分析提供支持。2決策層融合作為一種高層次融合，具有高靈活性、強抗干擾性、良好的容錯性和較小的通信帶寬要求。3探索新知傳感器融合技術信息融合4傳感器融合方案利用多種不同的傳感器（如紅外、激光測距、雷達、光學等）獲得的信息，并將這些信息進行綜合和處理，以提高信息采集和處理的可靠性和準確性，能夠增強系統(tǒng)的健壯性和適應性。探索新知傳感器融合技術信息融合4傳感器融合方案01傳感器選擇和技術分析04數(shù)據(jù)融合處理和分析03數(shù)據(jù)采集和處理02傳感器數(shù)據(jù)融合算法設計05應用實現(xiàn)和驗證探索新知傳感器融合技術小貼士

利用多個傳感器所獲取的關于對象和環(huán)境全面、完整信息，主要體現(xiàn)在融合算法上。因此，多傳感器系統(tǒng)的核心問題是選擇合適的融合算法。對于多傳感器系統(tǒng)來說，信息具有多樣性和復雜性，因此，對信息融合方法的基本要求是具有魯棒性和并行處理能力,以及方法的運算速度和精度。常用的數(shù)據(jù)融合算法包括貝葉斯統(tǒng)計理論，神經(jīng)網(wǎng)絡技術，以及卡爾曼濾波方法。多傳感器融合主要優(yōu)勢探索新知傳感器融合技術信息融合5傳感器融合的結(jié)構(gòu)體系分布式01集中式02混合式03探索新知傳感器融合技術信息融合5傳感器融合的結(jié)構(gòu)體系分布式01先對各傳感器獲得原始數(shù)據(jù)進行局部處理，再將結(jié)果送入信息融合中心進行智能優(yōu)化組合，從而獲得最終結(jié)果。對通信帶寬的需求低，計算速度快，可靠性和延續(xù)性好，但跟蹤的精度卻遠沒有集中式高。探索新知傳感器融合技術傳感器1傳感器2傳感器3傳感器n…信號處理信號處理信號處理信號處理信息融合中心分析決策探索新知傳感器融合技術信息融合5傳感器融合的結(jié)構(gòu)體系集中式02將原始數(shù)據(jù)直接送至信息融合中心進行融合處理，可以實現(xiàn)實時融合。數(shù)據(jù)處理精度高、算法靈活，但是因計算的數(shù)據(jù)量較大，所以對處理器的要求高，可靠性較低，故難以實現(xiàn)。探索新知傳感器融合技術多傳感器系統(tǒng)數(shù)字信號轉(zhuǎn)換（A/D）數(shù)據(jù)預處理特征提取融合計算結(jié)果輸出傳感器1傳感器1傳感器1傳感器1傳感器1探索新知傳感器融合技術信息融合5傳感器融合的結(jié)構(gòu)體系混合式03同時采用分布式和集中式結(jié)構(gòu)。適應能力較強，穩(wěn)定性強，但結(jié)構(gòu)較為復雜，對通信和計算的要求較高。探索新知傳感器融合技術貝葉斯統(tǒng)計理論

英國數(shù)學家托馬斯·貝葉斯（ThomasBayes）在1763年發(fā)表的一篇論文中，首先提出了這個定理。貝葉斯統(tǒng)計理論是一種統(tǒng)計學方法，用來估計統(tǒng)計量的某種特性，是關于隨機事件A和B的條件概率的一則定理。探索新知傳感器融合技術貝葉斯統(tǒng)計理論所謂"條件概率"（Conditionalprobability），就是指在事件B發(fā)生的情況下，事件A發(fā)生的概率，用P(A|B)來表示。

探索新知傳感器融合技術神經(jīng)網(wǎng)絡理論神經(jīng)網(wǎng)絡（ArtificialNeuralNetwork，ANN）是機器學習（MachineLearning，ML）的其中一種方式，是人工智能、認知科學、神經(jīng)生理學、非線性動力學、信息科學、和數(shù)理科學的“熱點”。探索新知傳感器融合技術卡爾曼濾波卡爾曼濾波（Kalmanfiltering）一種利用線性系統(tǒng)狀態(tài)方程