超级会员免费看
本文详细探讨了多传感器融合中遇到的数据对准和不确定性问题，包括统一时钟和坐标系标定。接着对比了摄像头、毫米波雷达、激光雷达等传感器的性能，并讨论了它们在自动驾驶中的应用。此外，文章还分析了多传感器融合体系结构，如分布式、集中式和混合式，以及目标状态和身份估计的融合策略。最后，介绍了基于物理模型、参数分类和认知方法的多传感器融合算法，如卡尔曼滤波和贝叶斯估计。
一、多传感器融合需要面对的问题
1、数据对准问题
先决条件：统一坐标系和时钟
目的是实现三同一不同：同一个目标在同一个时刻出现在不同类别的传感器的同一个世界坐标处
1.1 统一时钟：同步不同传感器的时间戳
（1）GPS时间戳的时间同步方法
需要看传感的硬件是否支持
存在问题：不同传感器的数据频率是不同的
（2）硬同步方法
以激光雷达作为触发其它传感器的源头，当激光雷达转到某个角度时，才触发该角度的摄像头
（应该是以频率最低的传感器为触发，多为Lidar）
1.2 统一坐标系 ：运动补偿+传感器标定
（1）运动补偿
主要针对长周期的传感器，如lidar ，周期为100ms。 周期开始的时间点和结束时间点车辆是处于不同位置的，导致不同时刻采集的数据所处坐标系不同。
订阅专栏 解锁全文
扫一扫
1401
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
