工程（三）——多激光雷达标定、融合、聚类

已于 2023-09-19 17:15:47 修改
阅读量6.8k 收藏 132
点赞数 19
分类专栏： 智能环境感知工程代码调试 文章标签： postman 视觉检测 测试工具
于 2022-05-08 00:38:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HUASHUDEYANJING/article/details/124641832
版权

目录

一、设置IP 先能够成功接受数据

二、Robosence16驱动

三、和赛40驱动

四、同时启动两个16线与一个40线

五、多激光雷达标定

5.1 静态TF发布

5.2 自动标定程序

5.3 手动调整

六、激光雷达融合

 七、点云后处理

7.1 地面点去除

7.2 聚类

7.3  跟踪 

7.4 可行域划分

博主创建了一个科研互助群Q：772356582，欢迎大家加入讨论。

一、设置IP 先能够成功接受数据

16线激光雷达默认：196.168.1.102    255.255.255.0

验证ping 196.168.1.201    ping自己的ip地址

验证ping 196.168.1.202 

40线激光雷达默认：196.168.20.100  255.255.255.0

和赛的激光雷达是广播的不用ping

可以用rostopic echo /pandar_point检验是否有数据

二、Robosence16驱动

sudo apt-get install libpcap-dev
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
git clone https://github.com/RoboSense-LiDAR/ros_rslidar
cd ~/catkin_ws/src/ros_rslidar/rslidar_drvier
chmod 777 cfg/*
 
cd ~/catkin_ws/src/ros_rslidar/rslidar_pointcloud
chmod 777 cfg/*

cd ~/catkin_ws
catkin_make

source devel/setup.bash 
roslaunch rslidar_pointcloud rs_lidar_16.launch

三、和赛40驱动

sudo apt install libpcap-dev libyaml-cpp-dev
mkdir -p rosworkspace/src ; cd rosworkspace/src
git clone https://github.com/CastielLiu/HesaiLidar-ros.git --recursive
cd ../
catkin_make --cmake-args -DCamera_Enable=ON
roslaunch hesai_lidar p40p.launch

四、同时启动两个16线与一个40线

首先16激光雷达1的IP是196.168.1.201  静态IP是196.168.1.102

包端口号是6699 7788

激光雷达2的IP是196.168.1.202    静态IP是196.168.1.102

包端口号是6688 7799

激光雷达3的IP是广播的   静态IP是196.168.20.100

包端口号是9870   2368

同时启动三个激光雷达需要满足

  • 每个激光雷达的包端口号不同
  • 本地电脑的IP相同
  • 激光雷达本身的IP不同

设置本机IP是196.168.1.102

子网掩码是255.255.0.0     这样可以接收到196.168.*.*的数据

写三个雷达的launch文件如下

<launch>
<group ns="ns1">
  <node  name="rslidar_node" pkg="rslidar_driver" type="rslidar_node" output="screen" >
    <param name="model" value="RS16"/>
    <!--param name="pcap" value="/home/tony-sti/lidar_data/lm75-170616-roadtest.pcap"/ -->
    <param name="device_ip" value="192.168.1.202" />
    <param name="msop_port" value="6688"/>
    <param name="difop_port" value="7799"/>
  </node>

  <node  name="cloud_node" pkg="rslidar_pointcloud" type="cloud_node" output="screen" >
    <param name="model" value="RS16"/>
    <param name="curves_path" value="$(find rslidar_pointcloud)/data/lidar1/curves.csv" />
    <param name="angle_path" value="$(find rslidar_pointcloud)/data/lidar1/angle.csv" />
    <param name="channel_path" value="$(find rslidar_pointcloud)/data/lidar1/ChannelNum.csv" />
  </node>
</group>

<group ns="ns2">
  <node  name="rslidar_node" pkg="rslidar_driver" type="rslidar_node" output="screen" >
    <param name="model" value="RS16"/>
    <!--param name="pcap" value="/home/tony-sti/lidar_data/lm75-170616-roadtest.pcap"/ -->
    <param name="device_ip" value="192.168.1.201"/>
    <param name="msop_port" value="6699"/>
    <param name="difop_port" value="7788"/>
  </node>
	
  <node  name="cloud_node" pkg="rslidar_pointcloud" type="cloud_node" output="screen" >
    <param name="model" value="RS16"/>
    <param name="curves_path" value="$(find rslidar_pointcloud)/data/lidar2/curves.csv" />
    <param name="angle_path" value="$(find rslidar_pointcloud)/data/lidar2/angle.csv" />
    <param name="channel_path" value="$(find rslidar_pointcloud)/data/lidar2/ChannelNum.csv" />
  </node>
</group>
<group ns="ns3">
	<arg name="pcap_file"  default=""/>
	<arg name="server_ip" default=""/>
	<arg name="server_port"  default="9870"/>
	<arg name="lidar_recv_port"  default="2368"/>
	<arg name="gps_port"  default="10110"/>
	<arg name="start_angle"  default="0"/>
	<arg name="laser_return_type"  default="1"/>
	<arg name="laser_count"  default="40"/>
	<arg name="pcldata_type"  default="0"/>
	<arg name="lidar_correction_file"  default="$(find hesai_lidar)/config/correction.csv"/>
	<arg name="calibration_file"  default="$(find hesai_lidar)/config/calibration.yml"/>
	<arg name="rviz"  default="false"/>

	<node pkg="hesai_lidar" name="hesai_lidar" type="hesai_lidar_node" output="screen" >
		<param name="pcap_file" type="string" value="$(arg pcap_file)"/>
		<param name="server_ip" type="string" value="$(arg server_ip)"/>
		<param name="server_port"  type="int" value="$(arg server_port)"/>
		<param name="lidar_recv_port"  type="int" value="$(arg lidar_recv_port)"/>
		<param name="gps_port"  type="int" value="$(arg gps_port)"/>
		<param name="start_angle"  type="double" value="$(arg start_angle)"/>
		<param name="calibration_file" type="string" value="$(arg calibration_file)"/>
		<param name="lidar_correction_file"  type="string" value="$(arg lidar_correction_file)"/>
		<param name="laser_return_type"  type="int" value="$(arg laser_return_type)"/>
		<param name="laser_count"  type="int" value="$(arg laser_count)"/>
		<param name="pcldata_type"  type="int" value="$(arg pcldata_type)"/>
	</node>
</group>




  <node name="rviz" pkg="rviz" type="rviz"  args="-d $(find rslidar_pointcloud)/rviz_cfg/rslidar.rviz" />
</launch>

 同时运行成功

PS：速腾激光雷达可以下载官方软件去更改IP和端口值

tar zxvf 20220118110102_65404.gz    解压
 ./run_rsview.sh      启动程序脚本

 在左上角tools里找到Sensor Network Configration填写相应的IP

 设置激光雷达的类型

在sensor information里点击get修改值

更改后再点击Set LiDAR

五、多激光雷达标定

5.1 静态TF发布

首先尽量保证安装时三个激光雷达坐标系xyz尽量在一个方位，为了后面比较好变换

修改激光雷达的frame_id，即保证每一个激光雷达有一个单独的坐标系

进行TF父子类坐标系变换

  <launch>
<group ns="ns1">
  <node  name="rslidar_node" pkg="rslidar_driver" type="rslidar_node" output="screen" >
    <param name="model" value="RS16"/>
    <!--param name="pcap" value="/home/tony-sti/lidar_data/lm75-170616-roadtest.pcap"/ -->
    <param name="device_ip" value="192.168.1.202" />
    <param name="msop_port" value="6688"/>
    <param name="difop_port" value="7799"/>
	<param name="frame_id" value="rs_lidar_right"/>
  </node>

  <node  name="cloud_node" pkg="rslidar_pointcloud" type="cloud_node" output="screen" >
    <param name="model" value="RS16"/>
    <param name="curves_path" value="$(find rslidar_pointcloud)/data/lidar1/curves.csv" />
    <param name="angle_path" value="$(find rslidar_pointcloud)/data/lidar1/angle.csv" />
    <param name="channel_path" value="$(find rslidar_pointcloud)/data/lidar1/ChannelNum.csv" />
  </node>
</group>

<group ns="ns2">
  <node  name="rslidar_node" pkg="rslidar_driver" type="rslidar_node" output="screen" >
    <param name="model" value="RS16"/>
    <!--param name="pcap" value="/home/tony-sti/lidar_data/lm75-170616-roadtest.pcap"/ -->
    <param name="device_ip" value="192.168.1.201"/>
    <param name="msop_port" value="6699"/>
    <param name="difop_port" value="7788"/>
    <param name="frame_id" value="rs_lidar_left"/>
  </node>
	
  <node  name="cloud_node" pkg="rslidar_pointcloud" type="cloud_node" output="screen" >
    <param name="model" value="RS16"/>
    <param name="curves_path" value="$(find rslidar_pointcloud)/data/lidar2/curves.csv" />
    <param name="angle_path" value="$(find rslidar_pointcloud)/data/lidar2/angle.csv" />
    <param name="channel_path" value="$(find rslidar_pointcloud)/data/lidar2/ChannelNum.csv" />
  </node>
</group>
<group ns="ns3">
	<arg name="pcap_file"  default=""/>
	<arg name="server_ip" default=""/>
	<arg name="server_port"  default="9870"/>
	<arg name="lidar_recv_port"  default="2368"/>
	<arg name="gps_port"  default="10110"/>
	<arg name="start_angle"  default="0"/>
	<arg name="laser_return_type"  default="1"/>
	<arg name="laser_count"  default="40"/>
	<arg name="pcldata_type"  default="0"/>
	<arg name="lidar_correction_file"  default="$(find hesai_lidar)/config/correction.csv"/>
	<arg name="calibration_file"  default="$(find hesai_lidar)/config/calibration.yml"/>
	<arg name="rviz"  default="false"/>

	<node pkg="hesai_lidar" name="hesai_lidar" type="hesai_lidar_node" output="screen" >
		<param name="pcap_file" type="string" value="$(arg pcap_file)"/>
		<param name="server_ip" type="string" value="$(arg server_ip)"/>
		<param name="server_port"  type="int" value="$(arg server_port)"/>
		<param name="lidar_recv_port"  type="int" value="$(arg lidar_recv_port)"/>
		<param name="gps_port"  type="int" value="$(arg gps_port)"/>
		<param name="start_angle"  type="double" value="$(arg start_angle)"/>
		<param name="calibration_file" type="string" value="$(arg calibration_file)"/>
		<param name="lidar_correction_file"  type="string" value="$(arg lidar_correction_file)"/>
		<param name="laser_return_type"  type="int" value="$(arg laser_return_type)"/>
		<param name="laser_count"  type="int" value="$(arg laser_count)"/>
		<param name="pcldata_type"  type="int" value="$(arg pcldata_type)"/>
	</node>
</group>


  <node name="rviz" pkg="rviz" type="rviz"  args="-d $(find rslidar_pointcloud)/rviz_cfg/rslidar.rviz" />
  <node name="tf_right_lidar" pkg="tf" type="static_transform_publisher" args="-0.0794421  -0.6    -0.272642   -3.14885 -3.127 -2.37181 pandar rs_lidar_right 20"/>
    <node name="tf_left_lidar" pkg="tf" type="static_transform_publisher" args="-0.0309343  0.6 -0.272642  3.10685 -3.127  2.37681 pandar rs_lidar_left  20"/>
  
</launch>

pandar是父类坐标系 rs_lidar_left是子类坐标系
x.y.z.yaw,pitch,roll
对转换矩阵进行微调

 在根据实际境况对参数进行微调

ps：静态TF发布

1、x,y,z,四元数

x y z 代表link2相对与link1的位置变换。

qx qy qz qw表示link2相对与link1的位姿变换的四元数。

既以link1为参考坐标系得出link2的坐标为x,y,z和角度信息qx qy qz qw。tf_tree为 link1->link2

角度信息为沿着link2的轴做调整。

参数100表示每隔100毫秒发布一次

<launch> 
<node pkg="tf" type="static_transform_publisher" name="link1_link2_broadcaster" args="x y z qx qy qz qw link1 link2 100" /> 
</launch>

2、x,y,z,yaw,pitch,roll

x y z 代表link2相对与link1的位置变换。

yaw pitch roll表示link2相对与link1的位姿变换，其中yaw为绕z轴的旋转，pitch为绕y轴的旋转，roll为绕x轴的旋转，逆时针旋转为正，顺时针旋转为负。

角度信息为沿着link2的轴做调整。

既以link1为参考坐标系得出link2的坐标为x,y,z和角度信息yaw pitch roll。tf_tree为 link1->link2

参数100表示每隔100毫秒发布一次。

<launch>
 <node pkg="tf" type="static_transform_publisher" name="link1_link2_broadcaster" args="x y z yaw pitch roll link1 link2 100" /> 
</launch>

 3、/base_link 在 /base_footprint 上方18cm，其他为0

rosrun tf2_ros static_transform_publisher 0 0 0.18 0 0 0 /base_footprint /base_link

5.2 自动标定程序

https://github.com/AbangLZU/multi_lidar_calibration

多激光雷达外参⾃动化标定算法及代码实例 - 哔哩哔哩

  • 参数初始化

cfg/child_topic_list⽂件中写要标定的激光雷达话题

2
/ns1/rslidar_points
0.0 -0.53 -0.1 0 0 0.7854
/ns2/rslidar_points
0.0 0.53 -0.1 -0.05 0 -0.7854

2代表子类激光雷达的个数

话题

变换矩阵x,y,z,yaw,pitch,roll

  • 启动程序

rviz -d multi_lidar_calibration.rviz

roslaunch multi_lidar_calibrator multi_lidar_calibrator.launch

  • 查看结果

rostopic echo /tf

5.3 手动调整

首先保证坐标轴的yaw pitch roll 与父类坐标系相同，再调整X,Y,Z

  • 左右高低roll 2.3788 比绝对值大两边高，比绝对值小中间高

  •  前后高低pitch 3.11 比绝对值大前低后高，比绝对值小前高后低

  • 水平转向yaw 3.16 绝对值越小越往顺时针转

 

 最终标定完成

 最终配准参数如下：

六、激光雷达融合

  • 三个topic融合成一个topic进行发布
  • 注意点需要用TF消息将坐标系进行转化
  • 时间戳一样时才会进入回调函数
bool ok1 = tf_listener_.waitForTransform(pandar_msg->header.frame_id, left_msg->header.frame_id, ros::Time(0), ros::Duration(2.0));
	    tf_listener_.lookupTransform(pandar_msg->header.frame_id, left_msg->header.frame_id, ros::Time(0), trans_left_lidar_in_base);
	    if(ok1)

  •  因为后面的去地面处理对16线没有效果，所以在这一步对16线点云进行Z轴滤波。同时为提升聚类的速率对整体点云的Z轴进行滤波，车上方1.5m以外的点云不考虑，处理后点云效果如下。

 七、点云后处理

7.1 地面点去除

 地面点去除出现很大的问题，针对40线激光雷达的地面除点云方法对16线斜置无效，16线的模拟地面除点云方法时间又很慢，所以需要分开进行处理，且当汽车发生颠簸时，去除效果不好。

7.2 聚类

7.3  跟踪 

7.4 可行域划分

桦树无泪
关注
  • 19
    点赞
  • 踩
  • 132
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 13
    评论
专栏目录
两个激光雷达融合功能包
01-16
两个激光雷达融合功能包，基于ROS 。
激光雷达点云聚类1
04-29
激光雷达点云聚类1
干货系列：多激光雷达外参自动标定算法开源
最新发布
adas_l5的博客
05-22 624
该技术主要依靠几何一致性假设，即多个雷达扫描出来的局部三维模型是一致的，通过对基准雷达(LiDAR0)进行移动建图，然后将其余雷达数据对LiDAR0的重建地图不断进行迭代配准与计算，依靠一致性假设不断减少匹配误差，直到算法收敛并且满足标定矩阵刚性不变特性（六条平行线），最后用一致性算法得出最终标定矩阵（外参）。在移动采集数据期间，需保证基准激光雷达扫描的区域（地图M）能被其余激光雷达所探测，尽量选用室内地下车库等特征丰富的环境，采集数据时避免四周有移动物体，运动时尽量缓慢，特别是转弯处，以最小化运动畸变。
车载三维激光雷达外参数的分步自动标定算法
01-25
三维激光雷达外参数标定是智能车通过激光雷达感知环境的基础, 针对常见标定方法实施繁琐、精度低, 以及依赖其他传感器的问题, 提出了一种分步自动标定算法。第1步对地面点云进行拟合得到地面方程, 构造水平度函数, 通过粒子群优化(PSO)算法优化水平度函数完成对激光雷达俯仰角、横滚角和纵向位移的标定; 第2步标定以第1步标定的完成为基础, 在车辆沿直线行驶过程中采集多帧含有同一标定杆的激光点云, 通过聚类得到标定杆聚类中心, 然后在二维平面内对多帧同一标定杆的聚类中心进行直线拟合, 根据直线斜率计算航向角。结果表明, 所提算法的精度可达10-5数量级, 耗时0.5 s, 极大地提高了标定精度和效率, 能满足实际工程的使用需求。上述两步自动标定算法由程序自动完成, 并且不依赖于其他传感器即可得到高精度的标定结果。
经典文献阅读之--M-LOAM（多激光雷达在线标定方案）
lovely_yoshino的博客
01-13 1万+
对于激光SLAM而言，目前越来越多的工作开始集中在工业应用等场景，比如说我们这篇文章。文中提到多个激光雷达的组合使得机器人能够最大限度地感知周围环境并获得足够的测量信息，这对于同时定位和建图（SLAM）是很有帮助的。然后文中指出在M-LOAM方法中可以在线标定得到鲁棒且实时的外参矩阵。对应的代码已经在上开源了。[港科大] M-LOAM: 多激光雷达SLAM和标定。
激光点云系列之一：详解激光雷达点云数据的处理过程
jiuzhang_0402的博客
02-20 8500
交流群 |进“传感器群/滑板底盘群”请加微信号：xsh041388交流群 |进“汽车基础软件群”请加微信号：Faye_chloe备注信息：群名称+ 真实姓名、公司、岗位作者| 奚少华随着激光雷达的上车数量的不断攀升，如何用好激光雷达成为了重中之重，而用好激光雷达的关键点之一就在于处理好点云数据。激光点云指的是由三维激光雷达设备扫描得到的空间点的数据集，每一个点云都包含了三维坐标（XYZ）和...
激光感知算法--多激光雷达的静态标定
JimmyC18的博客
12-06 1379
利用最小方差法和点云配准方法实现多个激光雷达与车身坐标系的静态联合标定。
单、双激光雷达启动与双激光雷达的外参标定(VLP-16)
studentu的博客
07-28 4428
本文旨在帮助读者迅速完成双Velodyne16激光雷达的启动与外参标定！所用到的标定方法是NDT扫描匹配算法。废话不多说，直接开始！ 一、单激光雷达的启动 #安装velodyne的ros依赖 sudo apt-get install ros-melodic-velodyne #进入工作空间克隆velodyne包 git clone https://github.com/ros-drivers/velodyne.git #完成编译 cd .. catkin_make source devel/set
多激光雷达的在线外参标定
qq_42700518的博客
02-20 2368
MLOAM源码要点总结1、简介2、算法流程3、主要问题 1、简介 MLOAM是港科大刘明教授团队开源的多激光雷达里程计方案，其主要特色为： 1、多激光雷达的外参在线标定。 2、基于滑动窗口优化的多激光融合运动估计。 2、算法流程 1、标定模式 2、里程计模式 (1)、仅仅利用参考激光雷达(IDX_REF)的数据计算粗略的帧间里程计 (2)、对每个激光雷达的激光数据进行降采样，并存放与： corner_points_stack_中 (3)、滑动窗口窗口优化 optimizeMap() 滑窗中优化的状态主要有:
线结构光三维重建（二）相机标定、光平面标定
热门推荐
beyond951的博客
09-24 1万+
上文主要对线激光的三角测量原理、光平面的标定方法和激光条纹提取的方法进行了一个简单的介绍，本文则主要针对线激光三维重建系统的系统参数标定进行阐述，同时对采集到的图片进行标定。本文主要涉及到的几个重难点：相机标定、激光条纹提取、光平面的标定和坐标系变换的理解。
自动驾驶专题介绍 ———— 激光雷达标定
永远的菜鸡小詹的博客
06-14 5648
激光雷达在感知、定位方面发挥着重要作用。跟摄像头一样，激光雷达也是需要进行内外参数标定的。内参标定是指内部激光发射器坐标系与雷达自身坐标系的转换关系，在出厂之前就已经完成了标定，可以直接使用。自动驾驶系统需要进行的是外参的标定，即激光雷达自身坐标系与车体坐标系的关系。激光雷达与车体为刚性连接，两者间的相对姿态和位置固定不变。为了建立激光雷达之间以及激光雷达与车辆之间的相对坐标关系，需要对激光雷达的安装进行标定，并使激光雷达数据从激光雷达坐标系转换至车体坐标系上。
基于多激光雷达融合的障碍物检测研究
02-26
首先利用提取后的共同特征进行初始化求解，并通过最小化非线性成本函数进行解的优化，之后对它们进行时间同步与去畸变，实现多激光雷达间的数据融合。本文的全自动标定方法无需人工初始化，且完全不依赖额外的传感器...
基于多粒度粗糙集的聚类融合方法
04-30
现有的聚类融合算法从聚类成员的角度出发，若使用全部聚类成员则融合结果受劣质成员影响，对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性，可以从元素的角度出发，提出一种新...
自组织映射网络 ——python实现SOM（用于聚类）
01-13
SOM（Self Organizing Maps ） 的目标是用低维目标空间的点来表示高维空间中的点，并且尽可能保持对应点的距离和邻近关系（拓扑关系）。该算法可用于降维和聚类等方面，此代码主要用于实现聚类。
【文献分享】基于线特征的激光雷达和相机外参自动标定
qq_52785580的博客
10-29 790
在图像和点云的特征提取之前进行一系列的预处理从图像和点云中提取线特征，通过特征滤波进行细化最后，通过对初始外部参数添加小扰动，将点云线特征投影到像素帧上，并对每个扰动的得分进行计算和优化本文提出了一种在线自动标定激光雷达和相机外部参数的方法。与以前的自动化方法不同，这种新的校准方法不需要在场景中放置标记。作者证明了点云和图像的线特征是校正校准偏差的鲁棒特征。人为添加的偏置可以在一到两帧内得到纠正，比其他方法更快。此外，文中还说明了当前校准结果的置信度可以计算，并进一步用于提高计算效率和精度。
多激光雷达的数据融合（gazebo仿真环境下的实现）---2数据融合
ericdowney
11-29 365
多激光雷达的数据融合，3D激光雷达，Gazebo仿真实现过程详解
双单线激光雷达数据融合
qq_45929396的博客
03-10 2745
使用ROS的ira_laser_tools激光雷达融合包 ira_laser_tools融合包介绍 该库包括一些用于在ROS中进行激光处理的工具。 目前有两个节点可用： laserscan_multi_merger laserscan_virtualizer 两者都使用ROS中可用的pointcloud_to_laserscan代码的一部分。 Laserscan_merger允许轻松且动态地（rqt_reconfigure）将多个，同一时间，单个扫描平面合并，将激光扫描合并为一个； 这对于在具有多个单扫描平
多激光雷达与相机的外参快速精准标定（arxiv 2021）
3D视觉工坊
01-25 1562
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨paopaoslam来源丨泡泡机器人SLAM标题：Fast and Accurate Extrinsic Calibratio...
多激光雷达与摄像头的融合算法（一）
xiao__run的博客
01-07 9515
2020年得第一篇博客，真是好长时间没发博客，这半年里毕业到一家公司之后比较忙，不发博客内心是比较着急，总觉得没记录点啥。年底了，写点东西吧，不然csdn恐怕要取消我博客专家的评级了。 接下俩我分两章介绍一下文章，小编手里有两个传感器，6个激光雷达与摄像头，还有一个微波摄像头，需要将这些传感器进行融合输出目标列表。第一篇讲解如何进行通信，后面第二章讲解具体算法实现。 激光雷达可以获取目标前方的环境...
信息融合工程实践—— 技术与方法
09-12
信息融合工程实践涉及到多个技术和方法，以下是一些常见的： 1. 数据采集和处理：信息融合的第一步是收集和处理各种数据源的信息。这可以包括从传感器、数据库、网络爬虫等收集数据，并对其进行清洗、过滤和转换，以便进一步处理和分析。 2. 数据集成和融合：在数据收集和处理之后，需要将来自不同数据源的信息进行集成和融合。这可能涉及到数据匹配、关联、转换等技术，以确保不同数据源的信息可以有效地结合在一起。 3. 数据挖掘和分析：信息融合的目标是从多个数据源中发现潜在的关联和模式。数据挖掘和分析技术，如聚类、分类、关联规则挖掘等，可以帮助揭示隐藏在数据中的有价值的信息。 4. 信息推理和推断：在信息融合中，有时需要根据已有的信息进行推理和推断。这可能涉及到知识表示和推理技术，如基于规则的推理、模糊逻辑、贝叶斯网络等，以便从已有的信息中推导出新的结论。 5. 可视化和交互：为了更好地理解和利用融合后的信息，可视化和交互技术变得至关重要。通过将信息以可视化的方式呈现，并提供交互功能，可以帮助用户更好地理解和分析融合后的信息。 以上只是一些常见的技术和方法，实际的信息融合工程实践可能涉及到更多领域的知识和技术。具体应用情境下，需要根据需求和约束来选择适合的技术和方法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

桦树无泪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值