智能網(wǎng)聯(lián)汽車技術(shù) 課件 項(xiàng)目六（任務(wù)1、2）高級駕駛輔助系統(tǒng)(ADAS)簡介

項(xiàng)目六高級駕駛輔助技術(shù)01任務(wù)1高級駕駛輔助系統(tǒng)(ADAS)簡介02任務(wù)引入任務(wù)引入安全一直是汽車界最關(guān)心的問題。汽車行業(yè)制定了與車輛安全相關(guān)的世界范圍測試協(xié)議，其在減少交通死亡人數(shù)方面取得了巨大成功。在過去的幾十年里，每行駛1億英里的死亡率急劇下降，從1975年的3.35下降到近年的1.13，其中大部分得益于“被動安全”功能，即僅在發(fā)生事故時激活并減少對駕駛員和乘客的傷害的功能。其中包括安全帶和安全氣囊，以及結(jié)構(gòu)改進(jìn)，例如吸收碰撞能量的皺縮區(qū)。然而被動安全帶來的受益已經(jīng)開始趨于平穩(wěn)。此外，分心駕駛已成為一個日益嚴(yán)重的問題，部分原因是智能手機(jī)。為了延續(xù)提高安全性的趨勢并實(shí)現(xiàn)行業(yè)零車輛相關(guān)事故和死亡人數(shù)的目標(biāo)，車輛必須幫助駕駛員停止撞到東西。這就是主動安全的用武之地。在汽車行業(yè)，主動安全主要是指車輛中的高級駕駛輔助系統(tǒng)(ADAS)。那么，什么是ADAS呢？03任務(wù)目標(biāo)能夠熟悉高級駕駛輔助系統(tǒng)的概念3能夠熟悉常見的高級駕駛輔助系統(tǒng)4能夠理解高級駕駛輔助系統(tǒng)的特點(diǎn)2能夠熟悉高級駕駛輔助系統(tǒng)的應(yīng)用范圍1能夠熟悉高級駕駛輔助系統(tǒng)的概念A(yù)DAS的定義ADAS（AdvancedDrivingAssistantSystem）又稱高級駕駛輔助系統(tǒng)，是利用安裝在車上的各式各樣傳感器（毫米波雷達(dá)、激光雷達(dá)、單\雙目攝像頭以及衛(wèi)星導(dǎo)航），在汽車行駛過程中隨時來感應(yīng)周圍的環(huán)境，收集數(shù)據(jù)，進(jìn)行靜態(tài)、動態(tài)物體的辨識、偵測與追蹤，并結(jié)合導(dǎo)航儀地圖數(shù)據(jù)，進(jìn)行系統(tǒng)的運(yùn)算與分析，從而預(yù)先讓駕駛者察覺到可能發(fā)生的危險，有效增加汽車駕駛的舒適性和安全性，ADAS的技術(shù)路線如下：ADAS的定義圖6-1-1ADAS的技術(shù)路線ADAS是實(shí)現(xiàn)自動駕駛的前提。早期的ADAS技術(shù)主要以被動式報警為主，當(dāng)車輛檢測到潛在危險時，會發(fā)出警報提醒駕車者注意異常的車輛或道路情況。對于最新的ADAS技術(shù)來說，主動式干預(yù)也很常見，美國SAE把ADAS分為6級，分級如下表：表6-1-1ADAS的分級ADAS的定義ADAS的作用：根據(jù)公安部統(tǒng)計(jì)數(shù)據(jù)，近84%的交通事故歸因于駕駛員的駕駛失誤，人已成為交通安全中最大的不確定性因素。智能駕駛系統(tǒng)作為人類駕駛的輔助與替代，利用算法實(shí)現(xiàn)人類經(jīng)驗(yàn)難以比擬的判斷速度與精度，能夠有效減少駕駛失誤，降低交通事故率。ADAS的控制原理如下圖所示。圖6-1-2ADAS控制示意圖ADAS的定義智能駕駛產(chǎn)業(yè)化發(fā)展迅速，當(dāng)前仍處于1-2級智能駕駛階段，3級綜合輔助智能駕駛已有充分的技術(shù)儲備，如豐田的公路自動駕駛輔助AHAC、特斯拉的Autopilot等。各家主流廠商計(jì)劃在2025年左右實(shí)現(xiàn)無人駕駛商業(yè)化高級輔助駕駛的類型目前，高級駕駛輔助系統(tǒng)功能主要有預(yù)警系統(tǒng)與控制系統(tǒng)，如下表所示。表6-1-2高級輔助駕駛的功能05前方碰撞預(yù)警系統(tǒng)（FCW）前方碰撞預(yù)警系統(tǒng)（FCW）FCW(ForwardCollisionwarning)前方碰撞預(yù)警系統(tǒng)通過計(jì)算前方車輛的距離并考慮到車輛的相對速度，系統(tǒng)確定可能發(fā)生碰撞的時間，并向駕駛員提供警告信號，如下圖所示。圖6-1-3FCW前方碰撞預(yù)警系統(tǒng)FCW系統(tǒng)的如上功能可以通過三大模塊加以實(shí)現(xiàn)：信息感知、決策算法、預(yù)警信息發(fā)布，信息感知包括車輛信息、道路信息，如下圖所示。前方碰撞預(yù)警系統(tǒng)（FCW）圖6-1-4前方碰撞預(yù)警系統(tǒng)控制邏輯前方車輛識別，車輛識別是前提，可以采用的傳感器有單目視覺、立體視覺、毫米波雷達(dá)以及多傳感器融合。目前，基于單目視覺灰度圖像進(jìn)行車輛識別的研究最為廣泛。前方碰撞預(yù)警系統(tǒng)（FCW）前方車距檢測，車距測量是FCW系統(tǒng)的重要組成部分，超聲波、毫米波、激光雷達(dá)、視覺攝像頭都可以實(shí)現(xiàn)。超聲波測距原理簡單、成本最低，但其測距精準(zhǔn)性受室外溫度影響大，衰減快，因此目前只適合短距離測距，主要用在倒車?yán)走_(dá)上。實(shí)際應(yīng)用中，常用的是毫米波雷達(dá)和視覺方案。視覺方案通過獲取圖像，根據(jù)圖像在視野里面的變化的快慢，可預(yù)測出車輛發(fā)生碰撞的時間。更多的是用雷達(dá)的手段先做距離的檢測，然后再來算出碰撞的時間。06駕駛員監(jiān)控系統(tǒng)（DM）駕駛員監(jiān)控系統(tǒng)（DM）DM(drivermonitoring)駕駛員監(jiān)控系統(tǒng)是一個不斷監(jiān)測用戶的駕駛風(fēng)格，以發(fā)現(xiàn)嗜睡和疲勞的跡象。他可以通過監(jiān)視駕駛員面對面部表情的方式來完成，也可以通過監(jiān)視某些駕駛風(fēng)格（例如：轉(zhuǎn)向）來檢測可能的睡意。目前，從整體架構(gòu)來講分為直接檢測和間接檢測兩類，如下圖所示。駕駛員監(jiān)控系統(tǒng)（DM）圖6-1-5DM駕駛員監(jiān)控系統(tǒng)豐田的DM方案是由豐田旗下的Denso提供的，主要應(yīng)用在雷克薩斯以及豐田商用車上。該方案采用一臺NIR的紅外傳感器與一體化ECU組成，裝配在駕駛員位置。通過攝像頭對駕駛員面部狀態(tài)以及眼睛的開合頻率進(jìn)行數(shù)據(jù)采集，從而判斷車輛的行駛狀態(tài)。此方案具有相當(dāng)高的識別率，但是裝配成本相對較高。駕駛員監(jiān)控系統(tǒng)（DM）德系車型的DM方案都是基于方向盤轉(zhuǎn)向角速度的單向變化率來進(jìn)行判斷的。同時通過車內(nèi)硬件配置的使用情況將車速、行程、發(fā)動機(jī)狀態(tài)、轉(zhuǎn)向角、橫向加速度、偏轉(zhuǎn)率、車門的情況、安全帶的情況、時間信號等操作進(jìn)行綜合運(yùn)算之后，得到一個駕駛員的情況。但是由于系統(tǒng)僅對汽車內(nèi)部情況進(jìn)行分析，缺少其他維度的支持，得到的數(shù)據(jù)存在一定的偏差。07后方橫向交通告警系統(tǒng)（RCTA）后方橫向交通告警系統(tǒng)（RCTA）RCTA(rearcrosstrafficalert)后方橫向交通告警系統(tǒng)，它是BSM的一個拓展功能，通常與BSM共享相同的雷達(dá)傳感器，倒車時當(dāng)有任何接近的車輛時警示司機(jī)。有些系統(tǒng)提供聲音報警或者包括閃爍后視鏡里面的BSM圖標(biāo)，如下圖所示：圖6-1-6后方橫向交通告警系統(tǒng)（RCTA）08車道偏移報警系統(tǒng)（LDW）車道偏移報警系統(tǒng)（LDW）LDW(lanedeparturewarning)車道偏移報警系統(tǒng)是一個橫向的監(jiān)控系統(tǒng)，監(jiān)控車輛在當(dāng)前車道的位置和提醒司機(jī)意外的車道漂移。該系統(tǒng)使用一個位于擋風(fēng)玻璃內(nèi)部后視鏡后面的攝像機(jī)來監(jiān)視前方道路的車道標(biāo)志。當(dāng)系統(tǒng)檢測到偏離車道時，可以向駕駛員發(fā)出聲音或觸覺反饋，或者通過其他系統(tǒng)主動引導(dǎo)車輛返回車道。車道偏移報警系統(tǒng)（LDW）圖6-1-7車道偏移報警系統(tǒng)（LDW）按照傳感器的安裝方式又可分為俯視系統(tǒng)和前視系統(tǒng)。前視系統(tǒng)可以利用更多的道路信息，在沒有道路標(biāo)識的道路上也可以使用，目前應(yīng)用較為廣泛。09交通標(biāo)志識別系統(tǒng)（TSR）交通標(biāo)志識別系統(tǒng)（TSR）TSR(trafficsignrecognition)交通標(biāo)志識別系統(tǒng)是一個前方的監(jiān)控系統(tǒng)，通常使用與車道偏離預(yù)警系統(tǒng)相同的相機(jī)來監(jiān)控前方道路交通標(biāo)志。TSR系統(tǒng)的一個主要特征是提醒司機(jī)當(dāng)前限速圖6-1-8交通標(biāo)志識別系統(tǒng)（TSR）交通標(biāo)志識別系統(tǒng)（TSR）交通標(biāo)志通常處于室外復(fù)雜的環(huán)境條件，識別的過程中容易受環(huán)境光照、方向旋轉(zhuǎn)的影響?，F(xiàn)有交通標(biāo)識識別的檢測算法最常用的方法包括顏色分割、形狀檢測以及利用局部特征信息設(shè)計(jì)分類器等方法。在顏色分割方面，常用的顏色空間包括：RGB空間、HSI空間、HSV空間、LAB空間、YCbCr空間、LUV空間等。在形狀檢測方面，常用的方法包括：Hough變換檢測特定形狀、基于圖像梯度方向信息的幾何模型等。10盲區(qū)檢測系統(tǒng)（BSM）盲區(qū)檢測系統(tǒng)（BSM）BSM(blindspotmonitoring)盲區(qū)檢測系統(tǒng)是一個側(cè)面和后方監(jiān)控系統(tǒng)，當(dāng)司機(jī)打算改變車道、超車或超車時，針對汽車駕駛?cè)说拿c(diǎn)（主要是指三面后視鏡，即左、右、內(nèi)視鏡看不到的區(qū)域，運(yùn)用雷達(dá)和傳感器，來偵測車輛后方的盲點(diǎn)區(qū)，在盲點(diǎn)區(qū)偵測到車輛靠近時會向駕駛員提供警示，幫助駕駛?cè)藢⒁馔獾母怕式抵磷畹?。圖6-1-9盲區(qū)檢測系統(tǒng)（BSM）任務(wù)2高級駕駛輔助系統(tǒng)(ADAS)關(guān)鍵技術(shù)任務(wù)引入近兩年，國家出臺了許多鼓勵A(yù)DAS產(chǎn)品的行標(biāo)和政策，對一些大型貨運(yùn)車輛、特殊行業(yè)車輛進(jìn)行了明確的要求，需加裝含有ADAS功能的產(chǎn)品才可上路運(yùn)營，當(dāng)然也對諸如此類的ADAS功能產(chǎn)品的各項(xiàng)指標(biāo)進(jìn)行了明確的要求。2021年中國發(fā)布的《道路交通安全法（修訂草案）》里明確規(guī)定營運(yùn)客車須包含的ADAS功能主要有兩個，第一個是前碰預(yù)警（ForwardCollisionWarning，簡FCW），另一個是道路線偏移預(yù)警（LaneDepartureWarning）。該類ADAS產(chǎn)品功能是通過在車前窗適當(dāng)高度位置加裝一個前視攝像頭進(jìn)行環(huán)境感知分析計(jì)算實(shí)現(xiàn)的。那么，ADAS中攝像頭是如何完成環(huán)境感知的呢？任務(wù)目標(biāo)11能夠熟悉高級駕駛輔助系統(tǒng)關(guān)鍵技術(shù)的概念能夠熟悉高級駕駛輔助系統(tǒng)關(guān)鍵技術(shù)的概念2能夠熟悉多傳感器融合控制過程3能夠理解多傳感器融合算法知識鏈接無人駕駛汽車主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、路徑規(guī)劃、決策控制四部分，如下圖所示。圖6-2-1ADAS系統(tǒng)示意圖無人駕駛是高級駕駛輔助系統(tǒng)(ADAS)的發(fā)展終極目標(biāo)，高級駕駛輔助系統(tǒng)(ADAS)的關(guān)鍵技術(shù)主要有：算法算法（Algorithm）是指解題方案的準(zhǔn)確而完整的描述，是一系列解決問題的清晰指令，算法代表著用系統(tǒng)的方法描述解決問題的策略機(jī)制。也就是說，能夠?qū)σ欢ㄒ?guī)范的輸入，在有限時間內(nèi)獲得所要求的輸出。不同類型的傳感器,由于收集的信息類型差異比較大,所以對信息的處理和認(rèn)知方式也有所不同，激光雷達(dá)、毫米波雷達(dá)等主動式傳感器對算法依賴程度較低，算法較為簡單。攝像頭等被動式傳感器對算法依賴程度較高，一般由第三方企業(yè)提供。在傳感器算法方面，視覺識別技術(shù)領(lǐng)域發(fā)展最為成熟，下面以視覺算法為例來做講解。視覺算法擁有識別行人，擁有辨別顏色、識別圖案等優(yōu)點(diǎn)，在ADAS技術(shù)路線中必不可少。視覺算法分為三個階段，依次對應(yīng)智能駕駛的輔助駕駛、高度自動駕駛、完全自動駕駛。算法第一階段是簡單識別，包括車道線識別、車尾識別；第二階段是邊界識別，加入各角度、被遮擋行人檢測、被遮擋車輛檢測、自行車檢測等；第三階段是街景識別，能夠全部識別建筑物、街道、馬路邊緣。12行人檢測（PedestrianDetection）一直是計(jì)算機(jī)視覺研究中的熱點(diǎn)和難點(diǎn)。行人檢測要解決的問題是：找出圖像或視頻幀中所有的行人，包括位置和大小，一般用矩形框表示，和人臉檢測類似，這也是典型的目標(biāo)檢測問題。3視覺處理系統(tǒng)巨頭Mobileye成立于1999年，2007產(chǎn)品進(jìn)入前裝市場，截至2015年底全球超過1000萬輛車搭載Mobileye產(chǎn)品，市占率高達(dá)90%，目前EyeQ3系統(tǒng)可以通過單目攝像頭實(shí)現(xiàn)行人和前車防碰撞預(yù)警。算法圖6-2-2ADAS行人檢測示意圖在行人檢測中的難道主要有是人的外觀差異大、遮擋、背景復(fù)雜、檢測速度，具體如下圖所示。算法logo圖6-2-3行人檢測的難題行人檢測的算法按照實(shí)現(xiàn)原理，我們可以將算法可以分為基于運(yùn)動檢測的算法和基于機(jī)器學(xué)習(xí)的算法兩大類，接下來分別進(jìn)行介紹。12基于運(yùn)動檢測的算法基于運(yùn)動檢測的算法如果攝像機(jī)靜止不動，則可以利用背景建模算法提取出運(yùn)動的前景目標(biāo)，然后利用分類器對運(yùn)動目標(biāo)進(jìn)行分類，判斷是否包含行人。常用的背景建模算法有高斯混合模型、ViBe算法、幀差分算法、樣本一致性建模算法、PBAS算法，具體如下圖所示。圖6-2-4背景建模算法的運(yùn)動目標(biāo)檢測13基于機(jī)器學(xué)習(xí)的方法基于機(jī)器學(xué)習(xí)的方法基于機(jī)器學(xué)習(xí)的方法HOG+SVM，它是2005年NavneetDalal提出的檢測算法。下圖為用HOG特征進(jìn)行行人檢測的流程，輸入圖像、規(guī)范伽馬和顏色、計(jì)算梯度、空間和方向單元加權(quán)股票、對重疊空間塊進(jìn)行對比歸一化、收集HOG的過度檢測窗口、線性支持向量機(jī)、人/非人判斷分類，如下圖所示。圖6-2-5HOG+SVM算法檢測的流程基于機(jī)器學(xué)習(xí)的方法得到候選區(qū)域的HOG特征后，需要利用分類器對該區(qū)域進(jìn)行分類，確定是行人還是背景區(qū)域，在實(shí)現(xiàn)時，使用了線性支持向量機(jī)，這是因?yàn)椴捎梅蔷€性的支持向量機(jī)在預(yù)測時的計(jì)算量太大，與支持向量的個數(shù)成正比。采用經(jīng)典機(jī)器學(xué)習(xí)的算法雖然取得了不錯的成績，但依然存在下面的問題：①對于外觀，視角，姿態(tài)各異的行人檢測精度還是不高②提取的特征在特征空間中的分布不夠緊湊③分類器的性能受訓(xùn)練樣本的影響較大④離線訓(xùn)練時的負(fù)樣本無法涵蓋所有真實(shí)應(yīng)用場景的情況14基于深度學(xué)習(xí)的算法基于深度學(xué)習(xí)的算法基于背景建模和機(jī)器學(xué)習(xí)的方法在特定條件下可能取得較好的行人檢測效率或精確度，但還不能滿足實(shí)際應(yīng)用中的要求。自從2012年深度學(xué)習(xí)技術(shù)被應(yīng)用到大規(guī)模圖像分類以來，研究人員發(fā)現(xiàn)基于深度學(xué)習(xí)學(xué)到的特征具有很強(qiáng)層次表達(dá)能力和很好的魯棒性，可以更好的解決一些視覺問題。因此，深度卷積神經(jīng)網(wǎng)絡(luò)被用于行人檢測問題是順理成章的事情?；谏疃葘W(xué)習(xí)的通用目標(biāo)檢測框架，如Faster-RCNN、SSD、FPN、YOLO等，這些方法都可以直接應(yīng)用到行人檢測的任務(wù)中，相比之前的SVM和AdaBoost分類器，精度有顯著的提升。多傳感器的融合多傳感器融合實(shí)際上是模仿人類通過五官獲得外界信息的這種由感知到認(rèn)知的過程。傳感器數(shù)據(jù)融合是針對一個系統(tǒng)使用多個（種）傳感器這一特定問題而提出的信息處理方法，可發(fā)揮多個（種）傳感器的聯(lián)合優(yōu)勢，消除單一傳感器的局限性，把分布在不同位置的多個同類或不同類傳感器所提供的數(shù)據(jù)資源加以綜合，采用使計(jì)算機(jī)技術(shù)對其進(jìn)行分析加以互補(bǔ)，實(shí)現(xiàn)最佳協(xié)同效果，獲得對被觀測對象的一致性解釋與描述，提高系統(tǒng)的容錯性，從而提高系統(tǒng)決策、規(guī)劃、反應(yīng)的快速性和正確性，使系統(tǒng)獲得更充分的信息，多傳感器融合示意圖如下：多傳感器的融合圖6-2-6多傳感器融合示意圖多傳感器融合的優(yōu)勢：在自動駕駛汽車系統(tǒng)中使用多傳感器融合技術(shù)主要有提高系統(tǒng)感知的準(zhǔn)確度、增強(qiáng)環(huán)境適應(yīng)能力、有效減少成本。多傳感器的融合過程包括：獲得觀測數(shù)據(jù)、數(shù)據(jù)預(yù)處理、獲取描述信息、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)融合，如下圖所示：多傳感器的融合圖6-2-7多傳感器融合的過程多傳感器融合結(jié)構(gòu)：根據(jù)傳感器信息在不同信息層次上的融合，可以將多傳感器信息融合劃分為Low-level融合、High-level融合和混合融合結(jié)構(gòu)，如下圖所示：多傳感器的融合logo圖6-2-8多傳感器融合結(jié)構(gòu)Low-level融合體系結(jié)構(gòu)是一種較低信息層次上的融合，是集中式融合結(jié)構(gòu)。集中式驗(yàn)合結(jié)構(gòu)將各傳感器獲得的原始數(shù)據(jù)直接送到數(shù)據(jù)融合中心，進(jìn)行數(shù)據(jù)對準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)、預(yù)測等，在傳感器端不需要任何處理，可以實(shí)現(xiàn)實(shí)時融合，如下圖所示：多傳感器的融合圖6-2-9Low-level融合控制數(shù)據(jù)級融合是最低層次的融合，直接對傳感器的觀測數(shù)據(jù)進(jìn)行融合處理，然后基于融合后的結(jié)果進(jìn)行特征提取和判斷決策。多傳感器的融合圖6-2-10數(shù)據(jù)級融合根據(jù)融合內(nèi)容，數(shù)據(jù)級融合又可以分為圖像級融合、目標(biāo)級融合和信號級融合。圖像級融合以視覺為主體，將雷達(dá)輸出的整體信息進(jìn)行圖像特征轉(zhuǎn)化，與視覺系統(tǒng)的圖像輸出進(jìn)行融合。目標(biāo)級融合是對視覺和雷達(dá)的輸出進(jìn)行綜合可信度加權(quán)，配合精度標(biāo)定信息進(jìn)行自適應(yīng)的搜索匹配后融合輸出；信號級融合是對視覺和雷達(dá)傳感器ECU傳出的數(shù)據(jù)源進(jìn)行融合，其數(shù)據(jù)損失小、可靠性高，但需要大量的計(jì)算。多傳感器的融合特征級融合指在提取所采集數(shù)據(jù)包含的特征向量之后融合。特征向量用來體現(xiàn)所監(jiān)測物理量的屬性，在面向檢測對象特征的融合中，這些特征信息是指采集圖像中的目標(biāo)或特別區(qū)域，如邊緣、人物、建筑或車輛等信息。圖6-2-11特征級融合多傳感器的融合根據(jù)融合內(nèi)容，特征級融合又分為目標(biāo)狀態(tài)信息融合和目標(biāo)特性融合兩大類。其中，前者是先進(jìn)行數(shù)據(jù)配準(zhǔn)，以實(shí)現(xiàn)對狀態(tài)和參數(shù)相關(guān)估計(jì)，更加適用于目標(biāo)追蹤，后者是借用傳統(tǒng)模式識別技術(shù)，在特征預(yù)處理的前提下進(jìn)行分類組合。High-level融合體系結(jié)構(gòu)是一種較高語義層次上的融合，可以是分布式融合結(jié)構(gòu)或者集中式融合結(jié)構(gòu)。分布式融合結(jié)構(gòu)在各獨(dú)立節(jié)點(diǎn)都設(shè)置相應(yīng)的處理單元，在對各個獨(dú)立傳感器所獲得的原始數(shù)據(jù)進(jìn)行局部處理的基礎(chǔ)上，再將結(jié)果輸入到數(shù)據(jù)融合中心，進(jìn)行智能優(yōu)化、組合、推理來獲得最終的結(jié)果。混合式融合結(jié)構(gòu)是由多種Low-Level和High-Level融合結(jié)構(gòu)組合而成，部分傳感器采用集中式融合方式，其余的傳感器采用分布式融合結(jié)構(gòu)，兼有二者的優(yōu)點(diǎn)，能夠根據(jù)不同需要靈活且合理地完成信息處理工作。但是，混合式融合方法的結(jié)構(gòu)復(fù)雜，對結(jié)構(gòu)設(shè)計(jì)要求高，加大了通信和計(jì)算上的代價。多傳感器的融合三種融合結(jié)構(gòu)的比較：基于精度、通信帶寬和可靠性等方面，將分布式、集中式、混合式結(jié)構(gòu)融合方法進(jìn)行比較，如下圖所示。圖6-2-12三種融合的比較多傳感器融合算法融合算法是融合處理的基礎(chǔ)。它是將多元輸入數(shù)據(jù)根據(jù)信息融合的功能要求，在不同融合層次上采用不同的數(shù)學(xué)方法，對數(shù)據(jù)進(jìn)行綜合處理，最終實(shí)現(xiàn)融合。目前已有大量的融合算法，它們都有各自的優(yōu)缺點(diǎn)。這些融合算法總體上法可以分為三大類型：嵌入約束法、證據(jù)組合法、人工神經(jīng)網(wǎng)絡(luò)法。15嵌入約束法嵌入約束法用數(shù)學(xué)語言描述就是，即使所有傳感器的全部信息，也只能描述環(huán)境的某些方面的特征，而具有這些特征的環(huán)境卻有很多，要使一組數(shù)據(jù)對應(yīng)惟一的環(huán)境（即上述映射為一一映射），就必須對映射的原像和映射本身加約束條件，使問題能有惟一的解。嵌入約束法有兩種基本的方法：貝葉斯估計(jì)和卡爾曼濾波。貝葉斯估計(jì)法貝葉斯估計(jì)法是由ThomasBayes提出的，是一種基于先驗(yàn)概率，并不斷結(jié)合新的數(shù)據(jù)信息得到新的概率。貝葉斯估計(jì)法常用于靜態(tài)環(huán)境下特征層的融合，公式為：卡爾曼濾波