中文 英语
知识中心
导航
知识中心

传感器融合

结合多种传感器类型的输入。
受欢迎程度

描述

高度依赖传感器的系统,如汽车和机器人,现在依赖于使用多种传感方法(如雷达、激光雷达和摄像头)的许多传感器。每种传感器模式基于不同的物理原理、不同的目标和不同的模态。他们都有一个独特的目的。其中一些是重叠的,但它们都需要分开工作,也需要一起工作。

传感器融合是将来自这些不同传感器的所有报告信息结合在一起形成一个完整模型的实践。

如何处理这个问题仍在不断发展,并且有许多专有的解决方案。一些方法包括收集原始数据并使用高性能人工智能计算进行集中处理。其他方法使用针对特定传感器输出定制的更小、更低功率的推理解决方案。在这种方法中,信息在集中组合之前已经由传感器模块进行了解释。这有时被称为物体融合。

传感器融合的另一个方面是确定传感器的报告是否准确。如果条件会影响一种传感器的性能,而其他传感器则不会(例如,雾会给基于摄像头的传感器带来重大问题,但不会给激光雷达带来麻烦),那么是否可以更依赖具有最佳性能的传感器报告,或者降级的传感器输出是否会产生潜在的安全问题?

架构和硬件

传感器融合的一大挑战是相互竞争的软件架构。其中包括自适应Autoware等开源软件的AUTOSAR,以及特斯拉、Waymo和戴姆勒的专有解决方案;以及英伟达和英特尔的商业平台。

还有来自英伟达、英特尔、伟世通和Aptiv等公司的竞争硬件平台。这些公司都在建立自己的硬件平台,所以目前还没有标准。专有的人工智能芯片、硬件加速器和接口标准在使形势复杂化方面发挥了进一步的作用。

多媒体

CXL Vs. CCIX

多媒体

同时定位和绘图

多媒体

优势在哪里?

多媒体

边缘推理

多媒体

技术讲座:传感器设计

Baidu