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？
傳感器是汽車感知周圍的環(huán)境的硬件基礎(chǔ)，在實(shí)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(dá)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(bǔ)充，也可能存在冗余和矛盾，而控制中心最終只能下達(dá)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(jìn)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(jìn)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(dāng)然，要實(shí)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(shù)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(shí)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(dá)技術(shù)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(zhǔn)確的感知周邊環(huán)境，其得出的結(jié)果比不同傳感器各自為戰(zhàn)要好得多。將不同傳感器進(jìn)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(dú)立運(yùn)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(dá)和前置攝像頭都有自己的獨(dú)立任務(wù)，它們之間幾乎沒有交流。
給車輛安裝這些獨(dú)立系統(tǒng)后，司機(jī)就能獲知更多信息，車輛也能實(shí)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(jìn)行融合，實(shí)現(xiàn)更為強(qiáng)悍的功能。
后置攝像頭+超聲波距離傳感器這項(xiàng)配置在現(xiàn)售車輛上早已不再新鮮，倒車時它能用警報(bào)聲提醒我們車輛離周邊物體還有多遠(yuǎn)。
在這套新系統(tǒng)中，后置攝像頭能讓司機(jī)看清車輛后方情況，而機(jī)器視覺算法則負(fù)責(zé)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(shè)備，它能在在沒有任何照明的夜晚幫司機(jī)順利倒車入庫。
前置攝像頭+多模前置雷達(dá)能產(chǎn)生意想不到的效果。前置雷達(dá)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(fù)責(zé)發(fā)現(xiàn)并辨別前方物體，比如讀取街道上的交通標(biāo)識和紅綠燈。
雖然一些ADAS功能只靠單個傳感器或獨(dú)立系統(tǒng)就能實(shí)現(xiàn)，但一旦遇到不可預(yù)知的情況，車輛就會變得手忙腳亂。反觀能支持更復(fù)雜自動駕駛功能的傳感器融合，就可大幅降低車輛的誤報(bào)和漏報(bào)率。
傳感器融合的體系結(jié)構(gòu)
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(shè)和轉(zhuǎn)變。
因?yàn)槎鄠鞲衅鞯氖褂脮剐枰幚淼男畔⒘看笤觯@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(guān)鍵。
多傳感器融合在硬件層面并不難實(shí)現(xiàn)，重點(diǎn)和難點(diǎn)都在算法上。多傳感器融合軟硬件難以分離，但算法是重點(diǎn)和難點(diǎn)，擁有很高的技術(shù)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(zhǔn)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(shù)、成像技術(shù)、雷達(dá)、LiDAR、電子設(shè)備和人工智能技術(shù)的進(jìn)步，數(shù)十種先進(jìn)駕駛輔助系統(tǒng)(ADAS)功能已得以實(shí)現(xiàn)，包括防撞、盲點(diǎn)監(jiān)測、車道偏離報(bào)警和停車輔助。
分布式：先對各個獨(dú)立傳感器所獲得的原始數(shù)據(jù)進(jìn)行局部處理，然后再將結(jié)果送入信息融合中心進(jìn)行智能優(yōu)化組合來獲得最終的結(jié)果。分布式對通信帶寬的需求低、計(jì)算速度快、可靠性和延續(xù)性好，但跟蹤的精度卻遠(yuǎn)沒有集中式高。
集中式：集中式將各傳感器獲得的原始數(shù)據(jù)直接送至中央處理器進(jìn)行融合處理，可以實(shí)現(xiàn)實(shí)時融合。其數(shù)據(jù)處理的精度高，算法靈活，缺點(diǎn)是對處理器的要求高，可靠性較低，數(shù)據(jù)量大，故難于實(shí)現(xiàn)。
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(qiáng)的適應(yīng)能力，兼顧了集中式融合和分布式的優(yōu)點(diǎn)，穩(wěn)定性強(qiáng)。
傳感器融合的要素和流程
關(guān)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(bào)告、容錯性、靈活性、冗余性、反戲弄。
通過傳感器融合同步運(yùn)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(dú)立于駕駛員的規(guī)避動作來避免碰撞。
駕駛中雷達(dá)圖像被捕獲，負(fù)責(zé)雷達(dá)單元的電子控制單元(ECU)花很短的時間對捕捉到的圖像進(jìn)行預(yù)處理。然后借助控制區(qū)域網(wǎng)絡(luò)(CAN)，把圖像發(fā)送到傳感器融合中心。在區(qū)域網(wǎng)絡(luò)傳輸圖像，以及接受信息都要花時間。
同時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(dá)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。
最終結(jié)果被傳到人工智能上，需要對其進(jìn)行處理，并更新環(huán)境模型。這需要時間。
通過控制區(qū)域網(wǎng)絡(luò)(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。
控制系統(tǒng)接收命令，明確它要做什么，繼而采取實(shí)際行動。
算法和成本因素是關(guān)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(yàn)證、最可靠的方案。因?yàn)閭鞲衅魅诤鲜且粋€不斷推進(jìn)的過程，難點(diǎn)有不少。
不同類型傳感器的優(yōu)缺點(diǎn)不同，獲取的信息量巨大，要保證最終融合結(jié)果及時、準(zhǔn)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。
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(dá)的價格就已與一輛傳統(tǒng)汽車持平，可見某些關(guān)鍵傳感器的價格還遠(yuǎn)沒到消費(fèi)類電子產(chǎn)品的水平。
在傳感器融合過程中，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(yīng)商，導(dǎo)致利潤空間有限。由此造成的數(shù)據(jù)壁壘也是實(shí)現(xiàn)傳感器融合的一大障礙。
總結(jié)
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(jī)會來提出新思路和創(chuàng)新方式來改進(jìn)傳感器融合。
