传感器融合

传感器融合是一门手艺：把几个各有缺陷的传感器合在一起，得出一个比其中任何一个单独都更好的估计。每个传感器都有短板：摄像头看得到丰富的细节，却在黑暗中睁眼瞎；GPS 大致知道你在哪，却会抖动好几米；惯性传感器对运动反应即时，却会慢慢漂离正轨。融合就像一个陪审团在掂量几位都不太可靠的证人——没有哪一份证词被完全采信，但拼凑在一起，它们会汇聚出一个比任何一位证人单独所能给出的、都更接近真相的版本。

巧妙之处在于，融合并不只是把各个传感器取平均；它会按照每个传感器此刻有多可信来加权，并让它们互相补上彼此的盲区。反应快的惯性传感器填补 GPS 缓慢更新之间的空当，而 GPS 又不断把漂移的惯性传感器拉回正轨——各自的长处补上对方的短处。自动驾驶汽车就是这样把摄像头、雷达、激光雷达和车轮传感器掺在一起，于是浓雾让其中一个失明，也不会让整辆车失明。你的手机则融合它的加速度计、陀螺仪和磁力计，才能知道哪边朝上、你正面朝哪个方向。

把这件事做好，本质上是一个「在不确定中做估计」的问题，而真正实现它的数学机器——卡尔曼滤波器、粒子滤波器及其同类——属于状态估计的天地。所以不妨把传感器融合看作这个目标的日常叫法（把许多带噪声的感知，变成对世界一个干净的判断），而状态估计则是真正把它办成的、更深一层的方法工具箱。