狀態估計與濾波
多感測器融合
多感測器融合是一門手藝,它把幾個各有缺陷的感測器合在一起,得出一個勝過其中任何單獨一個的估計。沒有哪個感測器能道出全部真相:GPS 大致知道你在哪兒,卻會跳動、進了室內還會失靈;輪速感測器能平滑地追蹤細小的移動,卻會慢慢漂偏;攝影機能看到豐富的細節,卻會被強光騙到。融合就像一個陪審團權衡幾位各有瑕疵的目擊者——把他們的說法匯集起來、並按各自的可靠程度去信任,你得出的裁斷會比任何單獨一位證人所能給的更穩固。
它之所以管用,是因為不同的感測器以不同的方式出錯,於是它們的誤差傾向於相互抵消,而非彼此疊加。一個感測器的弱點,往往正是另一個的強項:攝影機在 GPS 掉線處補上空缺,輪速感測器撫平 GPS 的跳動,而 GPS 又抓住輪子感覺不到的緩慢漂移。關鍵在於,好的融合並不只是把讀數取平均——它會按每個讀數當下有多可信來給它加權,倚重那些清晰、可靠的來源,並壓低那些雜訊大的,這很像卡爾曼濾波器所做的那種平衡。
正是融合,讓自動駕駛汽車、無人機和手機對「自己在哪兒、怎麼在動」心裡有底。一輛汽車把 GPS、輪式里程計、慣性測量單元、攝影機和雷達融成一幅穩定的位置與速度圖景;你的手機則把加速度計、陀螺儀和指南針融在一起,好讓地圖上的箭頭指向正確、並穩穩當當。更深一層的道理是:更多的感測器並不只是增加資訊——若融合得當,它們還會主動抵消彼此的盲點。
當一輛汽車開進隧道、失去 GPS 時,融合會完全倚靠輪式里程計和慣性測量單元,把它繼續保持在地圖上;等出隧道、GPS 一重新出現,便平滑地重新開始信任它。
隨著感測器時有時無,融合會即時調整它的信任分配,於是估計永遠不必從頭來過。
融合可以發生在不同層面——融合原始讀數、融合各感測器各自的估計,或融合高層的決策——但目標始終是一個更可信的答案。
又稱
另見