傳感器是汽車感知周圍的環(huán)境的硬件基礎，在實現(xiàn)自動駕駛的各個階段都必不可少。自動駕駛離不開感知層、控制層和執(zhí)行層的相互配合。攝像頭、雷達等傳感器獲取圖像、距離、速度等信息，扮演眼睛、耳朵的角色。目前自動駕駛的安全事故原因絕大多數(shù)出現(xiàn)在傳感器這個重要環(huán)節(jié)，將各類傳感器融合在一起，能否就能起到1+1>2的效果呢？

        多傳感器融合是必然趨勢
        通過增加傳感器的數(shù)量，并讓多個傳感器融合來提高自動駕駛能力。多個同類或不同類傳感器分別獲得不同局部和類別的信息，這些信息之間可能相互補充，也可能存在冗余和矛盾，而控制中心最終只能下達唯一正確的指令，這就要求控制中心必須對多個傳感器所得到的信息進行融合，綜合判斷。
        在使用多個傳感器的情況下，要想保證安全性，就必須對傳感器進行信息融合。多傳感器融合可顯著提高系統(tǒng)的冗余度和容錯性，從而保證決策的快速性和正確性，是自動駕駛的必然趨勢。
　　當然，要實現(xiàn)傳感器融合，也是有前提條件的。硬件層面，數(shù)量要足夠，也就是不同種類的傳感器都要配備，才能夠保證信息獲取充分且有冗余；軟件層面，算法要足夠優(yōu)化，數(shù)據(jù)處理速度要夠快，且容錯性要好，才能保證最終決策的快速性和正確性。

       傳感器融合的技術概述
　　每種傳感器都有自己無法克服的缺陷，因此數(shù)量的增加無法解決實際的問題。真正的解決之道是綜合不同傳感器采集到的信息。而目前的雷達技術在分辨率上也有些不合格，可以說每種傳感器都有自己的軟肋。
　　想做到完美的傳感器融合，就要接受不同傳感器的輸入，并利用綜合信息更準確的感知周邊環(huán)境，其得出的結果比不同傳感器各自為戰(zhàn)要好得多。將不同傳感器進行融合還能換來一定程度的冗余，即使某個傳感器出了問題也不會影響車輛的安全。
　　目前車輛上搭載的大多數(shù)ADAS系統(tǒng)都是獨立運作的，這就意味著它們不會與其他車輛上的系統(tǒng)交換信息。此外，車上的后置攝像頭、360度全景系統(tǒng)、雷達和前置攝像頭都有自己的獨立任務，它們之間幾乎沒有交流。
　　給車輛安裝這些獨立系統(tǒng)后，司機就能獲知更多信息，車輛也能實現(xiàn)少數(shù)自動駕駛功能。不過，我們也可以對這些傳感器進行融合，實現(xiàn)更為強悍的功能。

       ①后置攝像頭+超聲波距離傳感器這項配置在現(xiàn)售車輛上早已不再新鮮，倒車時它能用警報聲提醒我們車輛離周邊物體還有多遠。
 
　　在這套新系統(tǒng)中，后置攝像頭能讓司機看清車輛后方情況，而機器視覺算法則負責探測車輛后方物體或馬路牙子。超聲波距離傳感器則是輔助設備，它能在在沒有任何照明的夜晚幫司機順利倒車入庫。
 
　　②前置攝像頭+多模前置雷達能產(chǎn)生意想不到的效果。前置雷達能探測到150米范圍內(nèi)物體的移動速度和距離，而且它幾乎不受天氣情況影響。攝像頭則負責發(fā)現(xiàn)并辨別前方物體，比如讀取街道上的交通標識和紅綠燈。
 
　　雖然一些ADAS功能只靠單個傳感器或獨立系統(tǒng)就能實現(xiàn)，但一旦遇到不可預知的情況，車輛就會變得手忙腳亂。反觀能支持更復雜自動駕駛功能的傳感器融合，就可大幅降低車輛的誤報和漏報率。

       傳感器融合的體系結構
　　對自動駕駛汽車而言，沒有必須將哪幾類傳感器數(shù)據(jù)融合在一起的說法。傳感器數(shù)據(jù)間的融合可以有多種組合。處于中間過程的傳感器融合將會產(chǎn)生各種假設和轉變。
　　因為多傳感器的使用會使需要處理的信息量大增，這其中甚至有相互矛盾的信息，如何保證系統(tǒng)快速地處理數(shù)據(jù)，過濾無用、錯誤信息，從而保證系統(tǒng)最終做出及時正確的決策十分關鍵。
　　多傳感器融合在硬件層面并不難實現(xiàn)，重點和難點都在算法上。多傳感器融合軟硬件難以分離，但算法是重點和難點，擁有很高的技術壁壘，因此算法將占據(jù)價值鏈的主要部分。
　　算法是多傳感器融合的核心。傳感器融合就是將多個傳感器獲取的數(shù)據(jù)、信息集中在一起綜合分析以便更加準確可靠地描述外界環(huán)境，從而提高系統(tǒng)決策的正確性。

　　隨著傳感器技術、成像技術、雷達、LiDAR、電子設備和人工智能技術的進步，數(shù)十種先進駕駛輔助系統(tǒng)(ADAS)功能已得以實現(xiàn)，包括防撞、盲點監(jiān)測、車道偏離報警和停車輔助。
　?、俜植际剑合葘Ω鱾€獨立傳感器所獲得的原始數(shù)據(jù)進行局部處理，然后再將結果送入信息融合中心進行智能優(yōu)化組合來獲得最終的結果。分布式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。
　?、诩惺剑杭惺綄⒏鱾鞲衅鳙@得的原始數(shù)據(jù)直接送至中央處理器進行融合處理，可以實現(xiàn)實時融合。其數(shù)據(jù)處理的精度高，算法靈活，缺點是對處理器的要求高，可靠性較低，數(shù)據(jù)量大，故難于實現(xiàn)。

      ③混合式：混合式多傳感器信息融合框架中，部分傳感器采用集中式融合方式，剩余的傳感器采用分布式融合方式?；旌鲜饺诤峡蚣芫哂休^強的適應能力，兼顧了集中式融合和分布式的優(yōu)點，穩(wěn)定性強。

　　傳感器融合的要素和流程
　　關于傳感器和傳感器融合需要考慮的因素：成本、體積、重量、可拓展性、可靠性、制冷、安裝、空間、故障自檢、報告、容錯性、靈活性、冗余性、反戲弄。
　　通過傳感器融合同步運行，以允許全自動駕駛車輛或無人駕駛車輛對周圍環(huán)境檢測，并警告駕駛員潛在的道路危險，甚至可以采取獨立于駕駛員的規(guī)避動作來避免碰撞。
　?、亳{駛中雷達圖像被捕獲，負責雷達單元的電子控制單元(ECU)花很短的時間對捕捉到的圖像進行預處理。然后借助控制區(qū)域網(wǎng)絡(CAN)，把圖像發(fā)送到傳感器融合中心。在區(qū)域網(wǎng)絡傳輸圖像，以及接受信息都要花時間。

　?、谕瑫r傳感器融合中心也會接受來自攝像頭、超聲波傳感器和激光雷達傳感器的數(shù)據(jù)。傳感器融合處理了所有這些數(shù)據(jù)，又需要短暫時間。
 
　　③最終結果被傳到人工智能上，需要對其進行處理，并更新環(huán)境模型。這需要時間。
 
　?、芡ㄟ^控制區(qū)域網(wǎng)絡(CAN)，人工智能向汽車控制系統(tǒng)發(fā)出指令，這需要時間來完成。

      ③最終結果被傳到人工智能上，需要對其進行處理，并更新環(huán)境模型。這需要時間。
 
　?、芡ㄟ^控制區(qū)域網(wǎng)絡(CAN)，人工智能向汽車控制系統(tǒng)發(fā)出指令，這需要時間來完成。
 
　?、菘刂葡到y(tǒng)接收命令，明確它要做什么，繼而采取實際行動。
 
　　算法和成本因素是關鍵所在
 
　　目前企業(yè)都在積極尋找傳感器融合的方法，推出的解決方案也不盡相同，但尚未出現(xiàn)一種經(jīng)過驗證、最可靠的方案。因為傳感器融合是一個不斷推進的過程，難點有不少。
 
　?、俨煌愋蛡鞲衅鞯膬?yōu)缺點不同，獲取的信息量巨大，要保證最終融合結果及時、準確，就需要在傳感器的選型配置和算法精度上有巧妙的布局，而能把這些環(huán)節(jié)都做好的企業(yè)目前還不多。
 
　　②為了提升傳感器融合的效果，最理想的狀態(tài)就是將各類最頂級傳感器融合在一起。但光一個激光雷達的價格就已與一輛傳統(tǒng)汽車持平，可見某些關鍵傳感器的價格還遠沒到消費類電子產(chǎn)品的水平。
 
　?、墼趥鞲衅魅诤线^程中，一些廠商不愿公開自己獲取的原始數(shù)據(jù)，怕因此淪為純粹的數(shù)據(jù)采集供應商，導致利潤空間有限。由此造成的數(shù)據(jù)壁壘也是實現(xiàn)傳感器融合的一大障礙。

         結尾：
　　傳感器融合得越好，自動駕駛汽車也會越安全。因此傳感器融合是自動駕駛汽車發(fā)展中的一個重要方面，相信在不久的將來，將有更多機會來提出新思路和創(chuàng)新方式來改進傳感器融合。