摘要：为什么一定要多传感器融合呢？各种传感器都有自身的优势，同样也存在着不足，因此，采用多传感器融合主要是扬长避短、冗余设计，其特点具有冗余性、互补性、及时性，提高整车安全系数。多传感器融合所实现的功能要远超这些独立系统能够实现的功能总和，可显著提高系统的冗余度和容错性，从而保证决策的快速性和正确性，是自动驾驶的必然趋势。

关键词：智能汽车  多传感器  融合

1.多传感器融合技术概述

多传感器数据融合概念最早应用于军事领域，近年来随着自动驾驶的发展，各种雷达运用于车辆做目标的检测。因为不同的传感器都存在数据准确性的问题。多传感器信息融合，指将自动驾驶摄像头、激光雷达、毫米波雷达以及超声波雷达等多种传感器各自分别收集到的数据进行融合，然后利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析和综合，以完成所需要的决策和估计而进行的信息处理过程，以便更加准确可靠地描述外界环境，提高系统决策的正确性。传感器融合要硬件同步、时间同步、空间同步和软件同步。相当于大脑通过多个感知器官综合获取信息，它从多信息的视角进行处理及综合，得到各种信息的内在联系和规律，从而剔除无用和错误的信息，保留正确和有用的成分，最终实现信息的优化。

多传感器信息融合技术的基本原理与人脑综合处理信息的过程相似，在此过程中，智能网联汽车要充分地利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。

2.各传感器工作特点

（1）超声波雷达

超声波雷达的优点：超声波雷达的频率都相对固定，例如汽车上用的超声波雷达，频率有40kHz、48kHz和58kHz等， 频率不同，探测的范围也不同。

对被检测物超声波传感器利用声波介质进行非接触式无磨损的检测。超声波传感器对透明或有色物体，金属或非金属物体，固体、液体、粉状物质均能检测。其检测性能几乎不受任何环境条件的影响，包括烟尘环境和雨天。

超声波雷达的缺点：探测距离短，一般为3－5m，因此应用范围受到限制。适合于低速，在速度很高的情况下测量距离具有一定的局限性。超声波有一定的扩散角，只能测量距离，不可以测量方位，所以只能在低速时使用，而且必须在汽车的前、后保险杠不同方位上安装多个超声波雷达。对于低矮、圆锥、过细的障碍物或者沟坎，超声波雷达不容易探测到，超声波雷达存在盲区。

（2）毫米波雷达

毫米波雷达的优点：①毫米波的传播速度与光速一样，并且其调制简单，配合高速信号处理系统，可以快速地测量出目标的角度、距离、速度等信息。②毫米波雷达传输距离远，在传输窗口内大气衰减和损耗低，穿透性强，可靠性高，可满足车辆对全天气候适应性的要求。③毫米波雷达一般工作在高频段，而周围的噪声和干扰处于中低频区，基本上不会影响毫米波雷达的正常运行，因此，毫米波雷达具有抗低频干扰特性。

毫米波雷达的缺点：毫米波雷达对行人反射与测距效果差，无法识别交通标志和行人，相近雷达之间的电磁波相互干扰，从而影响工作效能。

（3）激光雷达

激光雷达的优点：探测范围可达300m以上；分辨率高，距离分辨率可达0.1m；速度分辨率能达到10m/s以内；角度分辨率不低于0.1mard。能探测目标的距离、角度、反射强度、速度等信息，生成目标多维度图像；可全天候工作。

激光雷达的优点：与毫米波雷达相比，产品体积大，成本高；不能识别交通标志和交通信号灯。

（4）摄像头

摄像头的优点：车载摄像头传感器利用图像识别算法可检测或识别近距离内的道路基础设施，车辆、行人、障碍物等道路目标物和路侧呈现设备的信号与信息；视觉传感器成本低，可以识别不同的物体，在物体高度与宽度测量精度、车道线识别、行人识别准确度等方面有优势。

摄像头的优点：作用距离和测距精度不如毫米波雷达，并且容易受光照、天气等因素的影响。

综上所述，各传感器都有各自的优点和缺点，采用多传感器融合主要是扬长避短，使其具有冗余性、互补性、及时性，提高整车安全系数。

3.传感器融合的原理

传感器的融合就是将多个传感器获取的数据、信息集中在一起综合分析，以便更加准确、可靠地描述外界环境，从而提高系统决策的正确性。多传感器信息融合的优势在于，能够综合利用多种信息源的不同特点，多方位获得相关信息，从而提高整个系统的可靠性和精准度。

（1）传感器融合的方法传感器融合的理论方法有贝叶斯准则、卡尔曼滤波、D-S证据理论、模糊集合理论、人工神经网络等。软件算法能够联合虚拟摄像头和环境传感器数据融合算法，从而得到更精确的数据分析与自主控制决策。

（2）传感器融合的分类传感器融合从融合等级上分为原始数据级融合、特征数据级融合和目标数据级融合。

像素级融合：又称为数据级融合，它将同类别的传感器采集的原始数据进行融合，最大可能地保留了各预处理阶段的细微信息。但是由于融合进行在数据的最底层、计算量大且容易受不稳定性、不确定性因素的影响。同时，数据融合精确到像素级的准确度，因而无法处理异构数据。

特征级融合：特征级融合是通过各传感器的原始数据结合决策推理算法，对信息进行分类、汇集和综合，提取出具有充分表示量和统计量的属性特征。根据融合内容，特征级融合又可以分为目标状态信息融合和目标特性融合两大类。其中，前者的特点是先进行数据配准，以实现对状态和参数相关估计，更加适用于目标跟踪。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。

决策级融合：决策级融合的特点是高层次，需要处理不同类型的传感器对同一观测目标的原始数据，并完成特征提取、分类判别、生成初步结论，然后根据决策对象的具体需求，进行相关处理和高级决策判决，获得简明的综合推断结果。决策级融合具有实时性好、容错性高的优点，面对一个或者部分传感器失效时，仍能给出合理决策。

激光雷达和毫米波雷达融合是新的流行方案。毫米波雷达已经成为ADAS的核心传感器，它具有体积小、质量轻和空间分辨率高的特点，而且穿透雾、烟、 灰尘的能力强，弥补了激光雷达的不足。但毫米波雷达受制于波长，探测距离有限，也无法感知行人，并且对周边所有障碍物无法进行精准的建模，这恰恰是激光雷达的强项。激光雷达和毫米波雷达，不仅可以在性能上实现互补，还可以大大降低使用成本，可以为无人驾驶的开发提供一个新的选择。

激光雷达与摄像头的融合。智能网联汽车所需的传感器中，摄像头和激光雷达有很强的互补性。激光雷达获取的深度数据精度高，不容易受外界环境光照情况影响。摄像头采集的图像分辨率高，更擅长辨别色彩。因此，很多智能网联汽车采用了"激光雷达+摄像头"的融合方案，比如Waymo智能车即采用了多颗低线束激光雷达融合摄像头的技术方案。

毫米波雷达与摄像头的融合。将视觉传感器和毫米波雷达进行融合，相互配合共同构成智能网联汽车的感知系统，取长补短，实现更稳定可靠的ADAS功能。视觉传感器与毫米波雷达融合具有以下优势：可靠性、互补性、高精度、大视场角、识别能力强。

“激光雷达+摄像头+毫米波雷达”的融合。很多企业也提出了基于“激光雷达+摄像头+毫米波雷达”的融合方案，Roadstar.ai提出的传感器融合方案。在这个机顶盒上包含了5个低线束激光雷达、6个摄像头、3个毫米波雷达和1套GPS&IMU系统所有的传感器都会在这个机顶盒中做处理，包含异构多传感器同步技术。处理好的数据会通过一根线输入到控制ECU当中， ECU接入这个数据后进行检测、决策、定位算法，最终会通过控制单元来控制车辆。

4. 传感器融合方案

分布式：先对各个独立传感器所获得的原始数据进行局部处理然后再将结果送入信息融合中心进行智能优化组合来获得最终的结果。分布式对通信带宽的需求低，计算速度快，可靠性和延续性好，但跟踪的精度却远没有集中式高。

集中式：集中式将各传感器获得的原始数据直接送至信息融合中心进行融合处理，可以实现实时融合。优点是数据处理的精度高，算法灵活；缺点是对处理器的要求高，可靠性较低，数据量大，故难以实现。

混合式：混合式多传感器信息融合框架中，部分传感器采用集中式融合方式，剩余的传感器采用分布式融合方式。混合式融合框架具有较强的适应能力，兼顾了集中式和分布式融合的优点，稳定性强混合式融合方式的结构比前两种融合方式的结构复杂，这样就加大了通信和计算上的代价。

5.结束语

多传感器融合系统具有四个显著的特点：（1）信息的冗余性：对于环境的某个特征，可以通过多个传感器得到它的多份信息，这些信息是冗余的，并且具有不同的可靠性，通过融合处理，可以从中提取出更加准确和可靠的信息。此外，信息的冗余性可以提高系统的稳定性，从而能够避免因单个传感器失效而对整个系统所造成的影响。（2）信息的互补性：不同种类的传感器可以为系统提供不同性质的信息，这些信息所描述的对象是不同的环境特征，它们彼此之间具有互补性。如果定义一个由所有特征构成的坐标空间，那么每个传感器所提供的信息只属于整个空间的一个子空间，和其他传感器形成的空间相互独立。（3）信息处理的及时性：各传感器的处理过程相互独立，整个处理过程可以采用并行导热处理机制，从而使系统具有更快的处理速度，提供更加及时的处理结果。（4）信息处理的低成本性：多个传感器可以花费更少的代价来得到相当于单传感器所能得到的信息量。另一方面，如果不将单个传感器所提供的信息用来实现其他功能，单个传感器的成本和多传感器的成本之和是相当的。

多传感器融合所实现的功能要远超这些独立系统能够实现的功能总和，能够综合利用多种信息源的不同特点，多方位获得相关信息，可显著提高系统的冗余度和容错性，从而保证决策的快速性和正确性，从而提高整个系统的可靠性和精准度。是自动驾驶的必然趋势。

参考文献

[1] 冯雪丽.智能网联汽车技术[M].北京.中国科技出版传媒股份有限公司，2021.

[2] 崔胜民.一本书读懂智能网联汽车[M].北京.化学工业出版社，2019.