多傳感器信息融合技術在智能駕駛系統中的應用
加入技術交流群
為了克服這些問題，利用信息融合技術提出了一些新的方法，諸如參考資料[5～6]所述的融合超聲波傳感器和圖像傳感器的信息、融合雷達與圖像信息或激光與圖像信息等。利用這些方法可以得到較單一傳感器更為可靠的探測。
2.2 信息融合的基本原理[1]
所謂信息融合就是將來自多個傳感器或多源的信息進行綜合處理，從而得出更為準確、可靠的結論。多傳感器信息融合是人類和其它生物系統中普遍存在的一種基本功能，人類本能地具有將身體上的各種功能器官(眼、耳、鼻、四肢)所探測的信息(景物、聲音、氣味和觸覺)與先驗知識進行綜合的能力，以便對其周圍的環(huán)境和正在發(fā)生的事件做出估計。由于人類的感官具有不同度量特征，因而可測出不同空間范圍的各種物理現象，這一過程是復雜的，也是自適應的。它將各種信息(圖像、聲音、氣味和物理形狀或描述)轉化成對環(huán)境的有價值的解釋。
多傳感器信息融合實際上是人對人腦綜合處理復雜問題的一種功能模擬。在多傳感器系統中，各種傳感器提供的信息可能具有不同的特征:時變的或者非時變的，實時的或者非實時的，模糊的或者確定的，精確的或者不完整的，相互支持的或者互補的。多傳感器信息融合就像人腦綜合處理信息的過程一樣，它充分利用多個傳感器資源，通過對各種傳感器及其觀測信息的合理支配與使用，將各種傳感器在空間和時間上的互補與冗余信息依據某種優(yōu)化準則組合起來，產生對觀測環(huán)境的一致性解釋或描述。信息融合的目標是基于各種傳感器分離觀測信息，通過對信息的優(yōu)化組合導出更多的有效信息。這是最佳協同作用的結果，它的最終目的是利用多個傳感器共同或聯合操作的優(yōu)勢來提高整個系統的有效性。
2.3 常用信息融合算法
信息融合技術涉及到多方面的理論和技術 ，如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術、神經網絡和人工智能等。由不同的應用要求形成的各種方法都是融合方法的一個子集。表2歸納了一些常用的信息融合方法。
由于單一傳感器的局限性，現在ITS系統中多使用一組傳感器探測不同視點的信息，再對這些信息進行融合處理，以完成初始目標探測識別。在智能駕駛系統中識別障礙常用的算法結構如圖2所示。
3 CLARK算法
評論