北斗导航 | 自动驾驶多模态传感器融合综述

最新推荐文章于 2025-04-27 23:00:59 发布
最新推荐文章于 2025-04-27 23:00:59 发布
阅读量887 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 卫星导航 VO-VIO-VSLAM-LidarSLAM-SFM-3D MATLAB之计算机视觉与深度学习 文章标签： 自动驾驶 人工智能 多模态 传感器融合
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/u011344545/article/details/127520596
本文详细调研了50多篇关于自动驾驶的多模态传感器融合感知方法，涵盖目标检测和语义分割任务。文章创新性地从融合阶段角度分类融合模型，并探讨现有方法的问题与未来研究方向。主要涉及的公开数据集包括Kitti、Waymo和NuScenes。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

=====================================================
github：https://github.com/MichaelBeechan
CSDN：https://blog.csdn.net/u011344545

=====================================================

Multi-modal Sensor Fusion for Auto Driving Perception: A Survey

在这里插入图片描述

文章目录

Abstract

  • 多模态融合是自劢
了解本专栏 订阅专栏 解锁全文
信号处理算法：卡尔曼滤波_（7）.多传感器数据融合与卡尔曼滤波
2401_87715305的博客
03-04 1089
多传感器数据融合技术在现代电气工程及其自动化领域中扮演着重要的角色。卡尔曼滤波器和扩展卡尔曼滤波器是实现多传感器数据融合的有效工具，它们通过递归的预测和更新步骤，能够提供高精度的状态估计。在实际应用中，合理设计状态方程和观测方程，以及选择合适的噪声模型，是实现高效数据融合的关键。希望本节的内容能够帮助读者更好地理解和应用这些技术。
多传感器数据融合的实现
weixin_42576734的博客
02-14 4710
多传感器输入：从不同类型的传感器（如摄像头、LiDAR、温度传感器等）收集原始数据，确保覆盖多维信息。数据标准化：通过归一化处理消除量纲差异，例如将振动、声学等信号统一到相同尺度。异常值处理：去除噪声或无效数据，例如使用滤波算法或统计方法（如标准差分析）。特征提取：对每个传感器的数据提取关键特征，如信号频域特征（振动传感器）或图像中的边缘特征（摄像头）。时空对齐：通过时间同步和空间注册（如自适应距离函数ADF）确保不同传感器的数据在同一参考框架下。
多传感器数据融合
elecstar的博客
10-27 3003
多传感器数据融合-开场白 今天新开一个专栏，多传感器数据融合，理由很简单，我要准备开题了，小论文也被提上议程了。另外数据结构我也会持续更新（虽然很久没更新了），但是现在的重心是阅读文献。另外说明一下，移动机器人中不论是激光SLAM还是视觉SLAM都会用到多个传感器，怎么融合这些数据，提高机器人定位精度依然是研究热点，从一开始的卡尔曼滤波还是蒙特卡洛粒子滤波到现在的非线性优化，都是在解决多传感器数据融合问题，这个系列文章主要是以非线性优化为主，分析的论文主要是以ICRA。 多传感器数据融合多传感器数据融合
多传感器信息融合
weixin_43677825的博客
12-10 5201
转载：https://blog.csdn.net/young951023/article/details/78418952 多传感器信息融合分为集中式融合结构，分散式融合结构和分级融合结构。 随着机器人技术的不断发展，机器人的应用领域和功能有了极大的拓展和提高。智能化已成为机器人技术的发展趋势，而传感器技术则是实现机器人智能化的基础之一。由于单一传感器获得的信息非常有限，而且，还要受到自身品质...
多传感器数据融合技术
03-22
多传感器数据融合技术与专家系统研究，在专家的参与下是数据的准确性跟准确
多传感器数据融合理论及应用(第二版)
11-09
多传感器数据融合理论及应用(第2版) 内容简介 本教材在“对潜在目标的跟踪和识别中多传感器多目标数据融合技术”这门短期课程，做了一些新的数据融合算法进行解释和举例说明。许多读者对其中三个领域特别感兴趣，即贝叶斯推理、人工神经网络和模糊逻辑。本书正是包含了这些新发展起来的内容，满足了对这些知识有需求的读者。 作者简介 作者：(美国)克莱因 译者：戴亚平
多传感器数据融合(一)——概述
weixin_43941538的博客
03-02 3772
目前数据融合系统特点： 采用的传感器类型，一般以雷达，电子情报（ELINT）接收机，电子支援测量（ESM）系统，红外，激光和可见光，声音传感器等。 采用的融合算法，数据关联，多目标跟踪，身份估计和基于知识系统。 采用的系统按融合级别分，状态和身份估计，态势评估和威胁评估。 1.1 雷达信号处理流程 雷达信号处理和目标检测 雷达中频信号–相干波检测/包络检测–动目标显示/自适应动目标显示/动目标检测/脉冲压缩/恒虚警处理，视屏累积等处理后，根据尼曼-皮尔逊准则给出有无目标。 新发展的阵列信号处理计数，
【数据结构与算法学习笔记005】多传感器信息融合
EE_LegendNing ： 我于杀戮之中绽放，亦如黎明中的花朵
04-20 742
目录 1、多传感器融合几个概念 2、基本原理 后融合算法： 前融合算法： 转自地址https://blog.csdn.net/xingdou520/article/details/84103987 多传感器信息融合（Multi-sensor Information Fusion,MSIF），就是利用计算机技术将来自多传感器或多源的信息和数据，在一定的准则下加以自动分析...
自动驾驶算法学习：多传感器信息融合(标定, 数据融合, 任务融合)
热门推荐
来知晓的博客
08-23 3万+
版权声明：本文为博主转载文章，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。 ...
一种多传感器的数据融合方法——领域搜索
qq_38833931的博客
12-22 615
本文提出一种简易的多数据融合方法 知网见 http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2019&filename=YQXB201908023&uid=WEEvREcwSlJHSldRa1FhcTdWa2FjcW90czZveGVyNmU5OTFpODNlcnE1UT0=$9...
（一）多传感器融合
yangyang_chuai的博客
01-06 5103
多传感器融合（Multi-sensor fusion）是指将来自不同类型或不同位置的传感器信息进行整合，以提高感知和信息处理的精确度、鲁棒性和可靠性的技术。传感器可以是各种物理传感器，如摄像头、雷达、激光雷达、惯性测量单元（IMU）等。多传感器融合的目标是通过综合不同传感器的信息，提供更全面、准确的环境感知和决策支持。其原理基于不同传感器对同一目标或现象的测量具有互补性和冗余性。通过融合这些数据，可以消除单个传感器的局限性和不确定性，提高系统的性能和鲁棒性。融合的过程通常包括。
多传感器数据融合简介（转）
GGY1102的博客
09-15 6343
转自知乎网友：多传感器融合（算法）综述 - 知乎 多传感器融合（Multi-sensor Fusion, MSF）是利用计算机技术，将来自多传感器或多源的信息和数据以一定的准则进行自动分析和综合，以完成所需的决策和估计而进行的信息处理过程。 一、基本原理 多传感器融合基本原理就像人脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在这个过程中要充分利用多源数据进行合理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信..
自动驾驶-多传感器融合
weixin_66033926的博客
09-08 4523
之前在实习，写一点自动驾驶感知方向的知识点。
多传感器融合相关技术
IT菜鸟
08-13 840
多传感器融合相关技术
常用的多传感器数据融合方法
最新发布
04-27 974
根据具体需求（实时性、计算资源、噪声特性）选择合适的方法，实际应用中常结合多种方法（如UKF与神经网络结合）。传统方法 （KF/EKF/UKF/PF）依赖数学模型，适合动态系统；数据驱动方法 （神经网络）适合复杂非线性问题；混合方法 （如UKF+神经网络）可结合模型先验与数据驱动优势。方法适用系统计算复杂度动态适应性噪声要求典型应用加权平均法静态低无已知噪声方差温度传感器融合卡尔曼滤波线性动态中等强高斯噪声导航系统扩展卡尔曼滤波弱非线性中等中等。
评论
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

北斗猿

代码有情，打赏有爱！谢谢！

¥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