車輛定位系統中數據融合機制的創新

融合過程通常被分為三種模式--低級、中級和高級融合：數據層面結合了幾個相同類型的原始預處理數據的來源，產生一個新的數據集，預計比輸入的信息量更大，更有用。

數據融合是將來自多個傳感器的數據和相關信息結合起來的過程，以實現比使用單個獨立傳感器所能實現的更具體的推斷。特征級將諸如邊緣、線條、角落、紋理或位置等特征結合成一個特征圖，用于圖像的分割、物體的檢測等等。決策融合的方法有投票、模糊邏輯和統計方法。

多傳感器數據融合的各種方法包括加權平均、貝葉斯估計器、自適應觀測器、代數函數、模糊邏輯、神經網絡、軟計算、非線性系統融合和卡爾曼算法。

這些方法的缺點包括必須在車輛定位系統中增加新的傳感器。使用需要以前的信號統計知識的線性估計模型。存在一個以上的故障信號，這是對性能的基本限制。需要了解車輛定位系統的行為以及產生管理規則。

轉自：互聯網