传感器融合:不只相信一个传感器
进阶 · 阅读约 6 分钟
每个传感器都有自己的错法。把它们结合起来,比任何单个都更准。
没有完美的传感器。车轮计数会漂移,GPS 在高楼旁会跳动,摄像头在黑暗中会失灵。传感器融合把多个传感器结合起来,让它们的缺点互相抵消。
思路是加权的意见:某个传感器此刻可靠,就多信它一些;它很嘈杂,就少信一些。常用的工具是卡尔曼滤波。
真实例子
送货机器人用车轮计数做短距离的平滑移动,再用 GPS 修正缓慢的漂移。两者互相弥补对方的错误。
有了它,你可以
机器人对自己的位置知道得更准,即使一个传感器失灵也能继续工作。
没有它,会怎样
你只相信一个有噪声的传感器,误差不断累积,机器人慢慢就以为自己在一个根本不是它所在的地方。
动手试试(5 分钟)
闭上眼睛走 10 步,再睁开。你的“步数”漂移了,你的眼睛把它纠正了。这就是融合。
常见问题
传感器融合算人工智能吗?
它常常只是数学方法,比如卡尔曼滤波。也可以用人工智能,但思路相同。
最简单的例子是什么?
对两个读数取平均是一种很基础的形式。更聪明的做法是按各自的可靠程度加权。
每周一封机器人邮件
通俗易懂,免费,随时一键退订。
想动手玩?打开英文版的互动演示 → · 词汇表