多传感器融合

Multi-Sensor Fusion常用

把相机、激光雷达、IMU 等多个传感器的数据合起来，得到更准更稳的估计。

多传感器融合是把相机、激光雷达、IMU（惯性测量单元，测加速度和角速度）、关节编码器、触觉等多个传感器的数据合在一起估计同一件事，使结果的不确定性比单用任何一个都小。按合并发生的阶段，常分为数据级（前融合，直接合并原始数据）、特征级（各自提特征后再合并）和决策级（后融合，各自给出结果再投票或加权）。经典做法是卡尔曼滤波一类的概率估计，现在也常用神经网络直接学怎么融合。它重要是因为每种传感器都有盲区：相机怕暗和反光，IMU 会漂移，激光雷达看不出颜色。机器人状态估计、SLAM、自动驾驶感知都靠它，前提是各传感器已做好标定和时间同步。