傳感器融合是將來自多個雷達，激光雷達和攝像機的輸入?yún)R集在一起??以形成車輛周圍環(huán)境的單個模型或圖像的能力。最終的模型更加精確，因為它可以平衡不同傳感器的強度。然后，車輛系統(tǒng)可以使用通過傳感器融合提供的信息來支持更智能的動作。

每種傳感器類型或“模態(tài)”都有其固有的優(yōu)點和缺點。雷達即使在惡劣的天氣條件下也能精確確定距離和速度，但是卻無法讀取路牌或“看見”交通信號燈的顏色。相機可以很好地讀取標志或?qū)ξ矬w進行分類，例如行人，騎自行車的人或其他車輛。但是，它們很容易被灰塵，陽光，雨水，雪或黑暗所蒙蔽。激光雷達可以準確地檢測物體，但是它們沒有照相機或雷達的承受能力或承受能力。

傳感器融合使用軟件算法將來自每種傳感器類型的數(shù)據(jù)匯總在一起，以提供最全面，因此最準確的環(huán)境模型。它還可以通過稱為內(nèi)部和外部傳感器融合的過程來關聯(lián)從機艙內(nèi)部提取的數(shù)據(jù)。

車輛也可以使用傳感器融合來融合來自相同類型的多個傳感器（例如，雷達）的信息。通過利用部分重疊的視場，可以改善感知。當多個雷達觀察車輛周圍的環(huán)境時，一個以上的傳感器將同時檢測物體。通過全球360°感知軟件進行解釋，可以將來自多個傳感器的檢測進行重疊或融合，從而提高車輛周圍物體的檢測概率和可靠性，并能更準確，更可靠地表示環(huán)境。

低級傳感器融合

當然，車輛上的傳感器越多，融合就越具有挑戰(zhàn)性，但也存在著更多提高性能的機會。為了發(fā)揮這些優(yōu)勢，Aptiv使用了一種稱為低級傳感器融合的技術(shù)。

過去，用于分析傳感器數(shù)據(jù)以確定和跟蹤對象的處理能力已與攝像機或雷達包裝在一起。利用Aptiv的Satellite Architecture方法，處理能力集中在功能更強大的主動安全域控制器中，從而允許從每個傳感器收集低級傳感器數(shù)據(jù)并將其融合到域控制器中。

將處理移至域控制器后，傳感器的體積和質(zhì)量將減少，最多可減少30％。為了進行比較，攝像機的占地面積從一副撲克牌的大小減少到一包口香糖的大小。通過使傳感器盡可能小，OEM可以在車輛包裝中提供更多選擇。

另一個好處是增加了數(shù)據(jù)共享。在傳統(tǒng)系統(tǒng)中，智能傳感器會獨立處理環(huán)境輸入，這意味著使用信息時做出的任何決定都只能與單個傳感器所看到的一樣好。但是，在衛(wèi)星體系結(jié)構(gòu)中，來自傳感器的所有數(shù)據(jù)都被集中共享，因此域控制器中的主動安全應用程序有更多機會利用它。Aptiv甚至可以應用人工智能（AI）工具來提取有用的信息，否則這些信息將被丟棄。正確的AI可以從中學到東西，這可以幫助我們解決客戶面臨的挑戰(zhàn)性極端情況。

低級別傳感器融合的第三個好處是減少了等待時間。域控制器不必等待傳感器處理數(shù)據(jù)再對其進行操作。在幾分之一秒的情況下，這可以幫助提高性能。

更多數(shù)據(jù)將導致更好的決策。通過采用允許使用大量傳感器的車輛架構(gòu)，然后通過傳感器融合來合成數(shù)據(jù)，車輛可以變得更智能，更快