16、多传感器融合在多目标检测与跟踪中的应用

多传感器融合在多目标检测与跟踪中的应用

1. 引言

随着自动驾驶系统的巨大进步，车辆的自主程度得到了极大提升。传感器作为替代人类感知外部环境的主要手段，从科研到工业领域，在自动驾驶领域引发了广泛关注。

为构建可靠的环境感知，自动驾驶系统采用了多种传感器，这些传感器可执行成像、检测、跟踪、定位等操作，让自动驾驶车辆能够识别和预测行驶环境中的障碍物，实现无伤亡行驶。此外，传感器还被部署在路边，实时监测道路、车辆、行人等交通参与者的状态，通过与车辆控制器通信，减少道路事故和拥堵，重新分配行驶时间，实现安全顺畅的驾驶。

然而，单个传感器只能提供有限信息，且受自身属性影响。例如，相机虽有丰富的纹理信息，但受光照影响；毫米波（MMW）雷达能弥补相机对光线的敏感问题，但无法区分障碍物的精确形状。当单独处理传感器数据时，会破坏数据间的内在联系，丢失一些重要的环境数据。而且，要实现真正的自动驾驶，需考虑各种天气、道路和交通情况，单个传感器很难在各种情况下提供准确结果。

多传感器融合技术通过增加信息传输、扩大不同传感器的时空覆盖范围，提高了整个系统的可靠性和弹性。其核心原理类似于人类大脑的综合信息处理方式，对多个传感器进行多层次、多空间处理，实现对环境的一致解读。

在大多数自动驾驶系统中，相机、激光雷达（LiDAR）和毫米波雷达的组合构成了核心传感器组，实现对行驶环境的成像、检测、跟踪和感知。近年来，自动驾驶的多传感器融合技术发展迅速，特别是在目标感知模块中，多目标检测和跟踪这一为智能交通提供决策数据的高级任务，可通过多传感器融合系统得到改进。因此，多传感器融合算法如今几乎成为所有自动驾驶感知模块克服单个传感器局限性、提高整体效率和可靠性的必备技术。