多傳感器融合技術的應用研究

秦秀常

貴州電子信息職業技術學院（貴州 黔東南 556000）

0 引言

在實際生產中，將單一傳感技術運用到產品上，難以使產品的品質和性能得到完好的表現，這需要使用多種傳感器，綜合使用不同的傳感技術，以不斷滿足不同的探測和數據采集需求，并多領域、多方面地分析數據信息。多傳感器融合技術，既可以單獨作業又可以聯合作業，能全面系統地實現信息處理，并且隨著其在機器人運用領域的發展，一些丟失的信息也可以較為快速、便捷地被找回，解決了人們生產生活的一大難題。

1 多傳感器融合技術的層次結構

不同傳感器在層次結構融合方面有不同的要求，就數據層融合而言，其在學界被稱為像素級融合。該種像素融合通過傳感器觀測深度融合數據，進而根據融合后的信息展開分析，將需要的信息整合并提取，證明自身的邏輯判斷，最終實現傳感器的同質化融合。在數據層融合中，如果不同傳感器有異質，即傳感器收集的數據只能在同個單一特征層融合，那么在融合過程中數據不會丟失，且可以得到大量準確的計算結果。然而，在實際應用中，數據層融合對系統通信寬帶的要求很高，當前4G水平難以達到這樣的速度，隨著5G的產生，有望實現該融合。此外，在特征層融合過程中要注意特征層融合屬于中間層次融合，要先分析傳感器提供的觀測數據，提取有代表性的數據，將這些數據整理成單一的定量，最終進行分析處理。這雖然對寬帶的要求比較低，但采集的數據不夠全面、數據量較小，準確性不高。在決策層融合過程中，高度濃縮傳感器數據，屬于一種高層次的融合，該種融合方式產生的結果最不準確，因而對寬帶網速的要求最低（見圖1）。

圖1 決策層融合過程

2 多傳感器融合技術的算法

在多傳感器融合技術中，要以融合算法為基礎，即輸入多元數據，按照不同的融合層次，通過采用多種計算方法，綜合處理不同的數據，最終實現數據融合。不同的融合算法都有其自身的優點和缺點?？傮w而言，最為常用且便捷的融合算法有嵌入約束法、證據組合法、人工神經網絡法。

2.1 嵌入約束法

多種傳感器在獲得客觀環境的過程中，數據組合的差異會形成不同的映射關系，最終形成傳感器信息融合的多樣性。用數學語言描述就是，即使所有傳感器的信息都得到了準確的收集和處理，也只能描述環境某些方面的特征，然而現實環境復雜多變，再多數據也難以全面涵蓋，要是一組數據對應唯一的環境映射，就要限制環境映射設置不同的條件，最終使問題受到一定約束[1]。嵌入約束法就考慮到了上述問題，并對傳感器多種信息途徑予以約束整理，盡量使反映的特征能包括環境真實特征的多個方面。

2.2 證據組合法

證據組合法是多傳感器融合技術中的某項智能任務，由于環境的變化導致分析情況不同，要分析每一個數據對決策證據的支持程度，而且要組合不同傳感器獲得的數據及其支持程度，從而得到證據組合。通過證據組合分析得來的決策，可以作為信息融合的結果。證據組合法要先對單個傳感器獲得的數據及其可能產生的結果給出最大限度的度量，再通過尋找證據組合的方法或規則使用一定算法，通過不同傳感器得來的數據實施融合訂正，反復運用證據組合法，最終將全體數據聯合得出對決策的整體支持程度，得到的支持程度越大，傳感器信息融合的程度就越大，得到的信息也越準確。

2.3 人工神經網絡法

人工神經網絡法是通過模仿人腦的結構和工作原理，設計出機器與模型相對可以駕馭的智能任務，其通過神經網絡法確定分類標準（見圖2）。該方法重點在于在網絡權值分布過程中要充分利用神經網絡的高度智能性獲取不同的算法信息，根據智能系統融合傳感器，選擇不同的拓展結構，綜合性處理傳感器輸入的信息，通過不同的數學函數方法將映射定義在相關的函數單元內，通過神經網絡和環境交織，將環境規律反映在智能人工神經網絡上；最終處理傳感器輸入的信息并確定權值分配，再解釋輸入模式，配置輸入邏輯[2]。

圖2 人工網絡算法工作原理

3 多傳感器融合技術的前景展望

在多種傳感器技術融合過程中，不同的融合結構和融合算法都占有重要的地位。隨著不同傳感器融合研究的深入和發展，在處理多傳感器的信息時，需要將復雜算法和復雜函數融合應用，從而將實際生產與算法結構緊密聯系，用數據反映實際生產的情景，科學地實現戰略發展，有利于實現多傳感器融合技術的應用。同時，不同的算法各有利弊，需要進一步在實踐運用中加以改良，也需要將不同算法組合揚長避短，高效、便捷地實現傳感器多種融合技術的發展。此外，在傳感器融合過程中，還面臨一個重要難題，即現實環境的多變性和未知性，這些都對傳感器的融合方法提出了更高的要求。因此，不僅要采取性能好的融合算法，還要采取結構靈活，便于不同算法交相融合的運算方式，不斷提高多傳感器及融合技術應用的廣泛性和深刻性。

3.1 機器人領域對多傳感器融合技術的應用

在影響機器人發展的幾種關鍵技術中，除能跟人產生情感互動的語音識別交互、視覺交互技術，能跟人產生身體接觸的機械臂、物理抓取技術，以及幫助機器人智能行走的自主定位導航技術外，傳感器技術也尤為重要。要讓機器人擁有同人類一樣相對靈活的身姿、靈敏智能的行動及交互能力，就離不開傳感器的加持。傳感器作為機器人認識外界的媒介，賦予了機器人感知外界的能力。這要求科學家在設計智能機器人時，首先賦予機器人一雙“眼睛”，幫助機器人觀察并了解世界，構建外部輪廓信息。其次，要將多傳感器融合技術應用到機器人中，提升機器人的智能化水平[3]。該項技術的核心在于可以有效處理和融合多傳感器收集的信息，提高機器人對不確定信息的抵抗能力，確保利用更多可靠的信息，有助于更為直觀地判斷周圍的環境，作出更智能、更貼近于人類的判斷[4]。

3.2 自動駕駛領域對多傳感器融合技術的應用

作為汽車未來的研究方向，無人駕駛技術對汽車行業甚至是交通運輸業有深遠影響。上?？匕猜摵仙虾＝煌ù髮W專家圍繞無人駕駛技術發展歷程、無人駕駛定位技術方案、車端多傳感器融合技術、無人駕駛模擬仿真技術等話題展開研究，研究指出：就自動駕駛汽車而言，傳感器數據間的融合可以有多種組合，處于中間過程的傳感器融合將產生各種假設和轉變。由于應用多傳感器的過程中要使用大量信息處理功能，且其中有不少信息相互矛盾，因此為保證能快速地處理數據，過濾錯誤信息和無用信息，最終作出準確的決策，就需要在傳感器融合過程中下功夫。在多傳感器融合過程中，硬件層面不太理想，重點和難點都在傳感器融合算法上，要綜合利用不同算法，打破傳感器應用壁壘，發揮傳感器融合精華，最終實現算法占據價值鏈的主要部分，實現傳感器融合科學發展，使得在數據采集、信息分析和信息篩選過程中更可靠地匹配外界環境，實現決策系統的準確性[5-7]。

3.3 其他領域對多傳感器融合技術的應用

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，多種先進駕駛輔助系統（ADAS）功能都能得以實現。其中，要對不同部分傳感器獲得的數據知識進行局部處理。分布式處理方式對通信寬帶、計算速度及可靠性的要求沒有集中式處理方式高，因此該種方式可以更便捷地處理數據[8-9]。但是，要想高精度地處理數據，就要采用集中式處理方式，其可以通過各傳感器將原始數據直接送至中央處理器統一處理，實現實時對接，大規模、大批量處理。該種方式精度更高、靈敏度準確，但對處理器的要求較高，加上數據量采集較大，因此在現實中很少使用。當然，在不同領域也會按照不同的方式采取不同的傳感器混合使用技術，在混合多樣傳感器信息處理技術中，不同的傳感器會采用不同的控制融合方法[10]。

4 多傳感器融合技術的改進方向

4.1 提升產品綜合能力

多傳感器融合技術在很多領域中得到應用，得益于其高精準的定位、測量、矯正位置傳感能力，而傳統的方式以人工操作為主，在操作過程中會出現誤差，這些誤差源于人工操作。為了解決該問題，需不斷改進多傳感器，以提高其精確度，進而使傳感器在測量、校正程序中的實用性逐漸高于人工操作。通過改進多傳感器融合技術可提升傳感器的綜合應用能力，因此需通過計算機輔助，利用自動化的方式調校激光，以降低對工人個人能力的要求，在控制成本的同時也能保證品質。

4.2 推動資源共享

除了在技術和產能上發揮主觀能動性，科學家還應在資源上積極尋找共性，實現資源互通。通過在超聲波測距中應用深度攝像頭技術，可提高機器的性能，同時根據這些高新技術的內在規律進一步開發全新的模型數據庫，以實現資源共享。一旦客戶需要傳感器的某些作用功能，就能按照模型的接口定義設置，在數據庫中找到具有相應功能的模型，最終使客戶能自主選擇和切換產品的功能，提高用戶使用效率[11]。

4.3 增加傳感器的數量

增加傳感器的數量讓多個傳感器融合作業，可以不斷提高產品的自動化能力。不同類型的傳感器可以獲取不同部分的信息，而且這些信息間可以實現相互補充，通過在控制中心下達正確的指令，深度融合和綜合判斷多個傳感器得到的信息。通過使用多個傳感器，融合傳感器的信息，可以顯著提高系統運作的效率，保證決策的快速性、正確性，實現生產領域的自動化。

4.4 算法和成本因素是關鍵

目前，企業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，但尚未出現一種經過驗證的最可靠的方案。傳感器融合是一個不斷推進的過程，難點較多，不同類型傳感器的優缺點不同，獲取的信息量巨大，因此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。為了提升傳感器融合的效果，最理想的狀態就是將各類頂級的傳感器相融合，但目前某些關鍵傳感器的價格還沒有達到消費類電子產品的水平。在傳感器技術融合的過程中，一些廠商不愿公開獲取的原始數據，怕淪為純粹的數據采集供應商，導致利潤空間受限，由此造成的數據壁壘也是實現傳感器技術融合的一大障礙。

5 結束語

當前，在多傳感器融合技術中，融合算法的選擇是重頭戲。隨著傳感器技術融合研究的深入發展，不同傳感器的融合將是一個復雜的過程。其中，信息處理能力和數學算法及數學函數表達方式都有其復雜性和晦澀之處，如果不考慮實際，生搬硬套地結合算法和結構，雖然也可以實現需求，實現分析數據并為實踐提供建議的目的，但該種分析終歸是片面、單調的，難以為實際應用提供長遠決策，提供科學的依據。因此，要更新多傳感器融合技術，融合大量算法，發揮各自的優點并避免缺點，通過科學、理性的方式將不同算法結構相互融合，實現動態環境與位置環境和數據分析的有機統一，改善傳感器技術融合方法，促進傳感器對環境適應性和環境融合性的發展。