目前，自動駕駛的安全事故原因絕大多數出現在傳感器這個重要環節，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境的硬件基礎，在實現自動駕駛的各個階段都必不可少。自動駕駛離不開感知層、控制層和執行層的相互配合。攝像頭、雷達等傳感器獲取圖像、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出現在傳感器這個重要環節，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充，也可能存在冗余和矛盾，而控制中心最終只能下達唯一正確的指令，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，就必須對傳感器進行信息融合。多傳感器融合可顯著提高系統的冗余度和容錯性，從而保證決策的快速性和正確性，是自動駕駛的必然趨勢。

當然，要實現傳感器融合，也是有前提條件的。硬件層面，數量要足夠，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，算法要足夠優化，數據處理速度要夠快，且容錯性要好，才能保證最終決策的快速性和正確性。

傳感器融合的技術概述

每種傳感器都有自己無法克服的缺陷，因此數量的增加無法解決實際的問題。真正的解決之道是綜合不同傳感器采集到的信息。而目前的雷達技術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確的感知周邊環境，其得出的結果比不同傳感器各自為戰要好得多。將不同傳感器進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ADAS系統都是獨立運作的，這就意味著它們不會與其他車輛上的系統交換信息。此外，車上的后置攝像頭、360度全景系統、雷達和前置攝像頭都有自己的獨立任務，它們之間幾乎沒有交流。

給車輛安裝這些獨立系統后，司機就能獲知更多信息，車輛也能實現少數自動駕駛功能。不過，我們也可以對這些傳感器進行融合，實現更為強悍的功能。

后置攝像頭+超聲波距離傳感器這項配置在現售車輛上早已不再新鮮，倒車時它能用警報聲提醒我們車輛離周邊物體還有多遠。

在這套新系統中，后置攝像頭能讓司機看清車輛后方情況，而機器視覺算法則負責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備，它能在在沒有任何照明的夜晚幫司機順利倒車入庫。

前置攝像頭+多模前置雷達能產生意想不到的效果。前置雷達能探測到150米范圍內物體的移動速度和距離，而且它幾乎不受天氣情況影響。攝像頭則負責發現并辨別前方物體，比如讀取街道上的交通標識和紅綠燈。

雖然一些ADAS功能只靠單個傳感器或獨立系統就能實現，但一旦遇到不可預知的情況，車輛就會變得手忙腳亂。反觀能支持更復雜自動駕駛功能的傳感器融合，就可大幅降低車輛的誤報和漏報率。

傳感器融合的體系結構

對自動駕駛汽車而言，沒有必須將哪幾類傳感器數據融合在一起的說法。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會產生各種假設和轉變。

因為多傳感器的使用會使需要處理的信息量大增，這其中甚至有相互矛盾的信息，如何保證系統快速地處理數據，過濾無用、錯誤信息，從而保證系統最終做出及時正確的決策十分關鍵。

多傳感器融合在硬件層面并不難實現，重點和難點都在算法上。多傳感器融合軟硬件難以分離，但算法是重點和難點，擁有很高的技術壁壘，因此算法將占據價值鏈的主要部分。

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據、信息集中在一起綜合分析以便更加準確可靠地描述外界環境，從而提高系統決策的正確性。

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，數十種先進駕駛輔助系統(ADAS)功能已得以實現，包括防撞、盲點監測、車道偏離報警和停車輔助。

分布式：先對各個獨立傳感器所獲得的原始數據進行局部處理，然后再將結果送入信息融合中心進行智能優化組合來獲得最終的結果。分布式對通信帶寬的需求低、計算速度快、可靠性和延續性好，但跟蹤的精度卻遠沒有集中式高。

集中式：集中式將各傳感器獲得的原始數據直接送至中央處理器進行融合處理，可以實現實時融合。其數據處理的精度高，算法靈活，缺點是對處理器的要求高，可靠性較低，數據量大，故難于實現。

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。混合式融合框架具有較強的適應能力，兼顧了集中式融合和分布式的優點，穩定性強。

傳感器融合的要素和流程

關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、報告、容錯性、靈活性、冗余性、反戲弄。

通過傳感器融合同步運行，以允許全自動駕駛車輛或無人駕駛車輛對周圍環境檢測，并警告駕駛員潛在的道路危險，甚至可以采取獨立于駕駛員的規避動作來避免碰撞。

駕駛中雷達圖像被捕獲，負責雷達單元的電子控制單元(ECU)花很短的時間對捕捉到的圖像進行預處理。然后借助控制區域網絡(CAN)，把圖像發送到傳感器融合中心。在區域網絡傳輸圖像，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傳感器的數據。傳感器融合處理了所有這些數據，又需要短暫時間。

最終結果被傳到人工智能上，需要對其進行處理，并更新環境模型。這需要時間。

通過控制區域網絡(CAN)，人工智能向汽車控制系統發出指令，這需要時間來完成。

控制系統接收命令，明確它要做什么，繼而采取實際行動。

算法和成本因素是關鍵所在

目前企業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，但尚未出現一種經過驗證、最可靠的方案。因為傳感器融合是一個不斷推進的過程，難點有不少。

不同類型傳感器的優缺點不同，獲取的信息量巨大，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，而能把這些環節都做好的企業目前還不多。

為了提升傳感器融合的效果，最理想的狀態就是將各類最頂級傳感器融合在一起。但光一個激光雷達的價格就已與一輛傳統汽車持平，可見某些關鍵傳感器的價格還遠沒到消費類電子產品的水平。

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據，怕因此淪為純粹的數據采集供應商，導致利潤空間有限。由此造成的數據壁壘也是實現傳感器融合的一大障礙。

總結

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展中的一個重要方面，相信在不久的將來，將有更多機會來提出新思路和創新方式來改進傳感器融合。