傳感器融合是一種將多個物理傳感器組合起來以產(chǎn)生準確“真實”的測量結(jié)果的技術，即使每個傳感器本身可能都不可靠。

“什么是真的？”這就是傳感器融合應該回答的核心問題。

傳感器遠不是完美的裝置，在某些條件下，甚至會發(fā)生錯誤測量結(jié)果。

那么，我們?nèi)绾螒獙Σ煌昝赖膫鞲衅髂兀?

我們可以增加更多的傳感器，因為傳感器越多，盲點越小。但是為了處理由此產(chǎn)生的大量模糊性數(shù)據(jù)，相應的數(shù)學處理變得更加困難。而現(xiàn)代的傳感器融合算法的出現(xiàn)，就剛好解決了多個傳感器數(shù)據(jù)處理的問題。

傳感器融合算法

1、Kalman濾波器

Kalman濾波器是最為典型的。

該算法的核心是為每個傳感器設置一組“信念”因子。每一個時刻，來自上一個時刻的傳感器數(shù)據(jù)都會被用來統(tǒng)計以提高猜測（自加歸），同時傳感器的質(zhì)量也被判斷，在預測值與傳感器實測值的比較中，會估計出一個最優(yōu)值進行輸出。

這意味著，如果一個傳感器總是給出良好的、一致的值，開始告訴你一些不太可能的事情，那么傳感器的可信度等級會在幾毫秒內(nèi)降低，直到它重新開始講道理。

這比簡單的平均或投票要好，因為Kalman濾波器可以處理大多數(shù)傳感器暫時失常出錯的情況，只要一個人能保持良好的理智，那么它便能讓機器人度過黑暗的時刻。

Kalman濾波器是Markov鏈和Bayesian推理的更一般概念的應用，這是一種數(shù)學系統(tǒng)，它們使用證據(jù)迭代地改進他們的猜測。這些工具是用來幫助科學本身檢驗思想的工具（也是我們所說的“統(tǒng)計意義”的基礎）。

因此，可以詩意地說，一些傳感器融合系統(tǒng)正在以每秒一千次的速度表達科學的本質(zhì)。

Kalman濾波器已經(jīng)被用于空間衛(wèi)星的軌道站保持幾十年了，由于現(xiàn)代微控制器能夠?qū)崟r運行該算法，它們在機器人學中正變得越來越流行。

2、PID過濾器

而更簡單的機器人系統(tǒng)具有PID過濾器。這可以被認為是原始的Kalman濾波器——所有的迭代調(diào)整都被砍掉，用三個固定值代替。

即使PID值是自動調(diào)整或手動設置的，整個“調(diào)整”過程（調(diào)整、飛行、判斷、重復）都是Kalman的外部化版本，由人執(zhí)行信念傳播步驟，但其基本原則仍然存在。

3、自定義過濾

真正的過濾系統(tǒng)通常是混合體，使用了以上兩種濾波方式。

完整的Kalman包括對機器人有意義的“控制命令”術語，比如：“我知道我把方向盤向左轉(zhuǎn)了。指南針說我往左走，GPS認為我還是直行。我相信誰？”

而當經(jīng)典的最簡單的控制回路Kalman濾波器應用在恒溫器上時，它可以通過擺弄旋鈕，等待發(fā)生什么來判斷溫度計和加熱器的質(zhì)量。

單個傳感器通常無法影響真實世界，因此可以通過多個傳感器，并應用算法，進行交叉檢查以提高測量準確性。

傳感器融合的本質(zhì)——權衡各個傳感器

在本文的其余部分，我們將關注物理位置，但同樣的想法也適用于任何你想測量的量。你可能會認為多個相同類型的備用傳感器是可行的，但這常常以不幸的方式結(jié)合了它們相同的弱點。

相比之下，混合系統(tǒng)才更強大。沒有任何一種傳感器可以讓我們百分之百信任，因為每一個都只解決了一個問題，呈現(xiàn)不同片段，而結(jié)合起來才能看見真相。

讓我們來看看在四旋翼機上使用的一些典型傳感器，并討論它們的優(yōu)勢、弱點以及其在傳感器融合中的發(fā)揮的作用。

1、全球定位系統(tǒng)

GPS具有顯而易見的局限性。采樣誤差可能有兩米，偏差也會隨衛(wèi)星漂移。

如果你想用全球定位系統(tǒng)來獲得精確到厘米的位置，你需要把它釘在適當?shù)奈恢茫⒃趲滋靸?nèi)進行測量。這明顯不是我們想要的。但事實上，在空中高速移動，即使是100Hz的GPS設備也不能進行時間平滑。

GPS也不能告訴你面對的方向，只告知你移動的方向。

另外，Z分辨率（高度）可以是經(jīng)緯度的十分之一。所以，我們得給地面留出20米的余地。這意味著單靠全球定位系統(tǒng)并不能告訴你你離地面有多遠，只知道你離海平面有多遠。合乎邏輯的解決辦法是在起飛前讀取一個讀數(shù)，但之后我們又有一個20米誤差條。而且在飛行中，地面對GPS信號的影響是不同的，所以我們不能假設這些誤差會在長期內(nèi)消除——盡管它們一開始會消除！

顯然一個GPS是不夠的。我們不能在離地面20-40米的范圍內(nèi)可靠地飛行，這至少是五層樓的高度，這對于安全邊際來說是一個很長的距離。在現(xiàn)實生活中，能在世界上任何一個有20米垂直誤差的地方定位自己是非常令人驚奇的…但這并不能阻止我們撞車，如果沒有差分GPS地面站，昂貴的高速接收器和一些好的拓撲圖。

2、聲納、激光雷達、雷達/光流

因此，如果用衛(wèi)星進行三角測量并不是避開地面的最佳方法，那就讓我們試著直接“看到”它吧！

目前至少有三種現(xiàn)成的測距技術可以發(fā)射信號并查看反彈需要多長時間：聲納、激光雷達和雷達模塊現(xiàn)在都可以使用。

但是，這些傳感器有弱點：

弱點1：吸收

有些表面就是不反彈信號。窗簾和地毯吸收超聲波，深色涂料吸收激光雷達，水吸收微波。你不能逃避你看不見的東西。

弱點2：相干擾

傳感器間存在信號干擾，當你把多個相同的傳感器放在一起時會發(fā)生什么？你怎么知道你檢測到的信號就是這個傳感器的？即使是單個傳感器也必須處理來自自身的串擾，等待足夠長的時間讓回聲消失。

可以對信號進行“編碼”（基本上是加密），這樣每個信號都是唯一的，但這增加了設備的復雜性。第二個最好的解決方案是將信號計劃半隨機化，這樣就不會鎖定時間，并且一直被同步信號欺騙。

光流傳感器是一種不同的方法，它使用攝像機來觀察鏡頭中的物體是變大了（表明地面/墻壁正在快速上升），還是變小了（當障礙物消失時），還是向側(cè)面滑動。相機不會像聲納那樣互相干擾，如果你真的很聰明，你可以估計傾斜和其他3D屬性。

光流傳感器仍然存在“吸收”弱點。你需要一個很好的紋理表面讓他們看到流動，就像他們的光學鼠標不能在玻璃上工作一樣。它們正變得越來越流行，因為流計算現(xiàn)在已經(jīng)是你可以放入FPGA或快速嵌入式計算機中的東西。

3、陀螺儀

最后一個問題是幾何問題。假設物理傳感器在四邊形上飛行。如果你站在一個角度上，畢達哥拉斯說地面看起來會比實際距離更遠。傾斜得足夠大，我們根本看不到它，盡管我們離撞車只有幾厘米遠。

為了糾正這一點，我們需要知道我們的傾向。這意味著……

陀螺儀和加速度計一起被稱為"IMU"，但它們經(jīng)常出現(xiàn)在一起的原因是它們自然地掩蓋了彼此的主要弱點。它們是經(jīng)典的融合對。

但是，單獨來說，陀螺儀是最好和最干凈的傳感器數(shù)據(jù)來源，你將得到連續(xù)的位置測量。

無需太多細節(jié)，陀螺儀是由刻蝕在芯片表面的微機械音叉制成的。當芯片旋轉(zhuǎn)時，一些音叉上會有力，它們會相互改變音調(diào)。

MEMS陀螺儀幾乎不受任何運動的影響，除了旋轉(zhuǎn)。即使是劇烈的振動也不會影響它們（在規(guī)范范圍內(nèi)），因為這是橫向加速度。

如果你看一個多旋翼的內(nèi)部控制回路，它就是飛行控制器用來在空中保持水平的陀螺儀。一些速率模式的飛行員完全關閉加速度計，給陀螺更多的帶寬，因為陀螺儀有很多重要的線索。

如果你知道半毫秒前你在哪里，你想知道此后發(fā)生了什么變化，那么陀螺儀是快速、準確和可靠的。且他們不需要有彈性的表面或衛(wèi)星。

陀螺的弱點是漂移。不管你怎么努力，它們似乎都會繞著一個隨機的軸慢慢旋轉(zhuǎn)。每次旋轉(zhuǎn)需要幾分鐘，但即使是一塊不動的磚塊也會輕輕旋轉(zhuǎn)。累積相對樣本以獲得“絕對”估計值也會將誤差條相加。上升陀螺儀誤差需要通過外部絕對參考標記定期“歸零”。

4、加速度計

這就是為什么加速度計是陀螺儀最好的朋友：因為它能探測到絕對的“向下”參考（至少，當它們處于地球引力狀態(tài)時）。

好吧，一般來說。從一個時刻到另一個時刻，它接收重力、線加速度、旋轉(zhuǎn)產(chǎn)生的離心力、振動、噪音，當然還有傳感器的缺陷。

因此，盡管高采樣率和良好的MEMS傳感器精度（通常與陀螺儀一樣好），加速度計數(shù)據(jù)仍然是噪聲最大、最不可信的數(shù)據(jù)之一。它接收到了多個必須消除歧義的“信號”。但正是對所有這些不同信號的敏感性使它變得如此通用——它能聽到一切。

加速度離我們真正想要知道的位置還有兩個積分步驟，所以我們必須總結(jié)大量的三角洲和誤差線，從測量的加速度到估計的速度，然后我們必須再做一次才能得到估計的位置。錯誤不斷累積。

這就是為什么GPS是加速計最好的朋友：因為它會定期“調(diào)零”不斷增長的位置誤差，就像加速計輕輕地調(diào)零陀螺儀的方位誤差一樣。

5、磁強計

好的指南針不應該被忽視。然而，與加速度計一樣，它通常被用作長期陀螺漂移的一種控制方式。知道哪個方向是向上的比知道哪個方向是磁北更有用——但是，有了這兩個，我們就可以知道我們在地球上的真正絕對方位。

它們經(jīng)常與GPS接收器配對，因為它們又一次對抗了彼此最大的弱點，而在其他方面卻緊密相配。一個給出粗略的絕對位置，另一個給出粗略的絕對方向。

結(jié)語：

“傳感器融合”現(xiàn)在顯然只是一個過程，即獲取所有這些輸入，并將它們連接到類似Kalman濾波器的東西上。請注意，我們想知道的是“真相數(shù)據(jù)”，不是我們的任何傳感器直接測量的，“真相數(shù)據(jù)”是可以推斷出來的。

Kalman濾波器之外的邏輯階段是隱馬爾可夫模型（HMMs），我們通過說有一個稱為垂直高度的“隱藏”屬性來調(diào)用它，而我們并沒有直接觀察到它（盡管有許多測量結(jié)果間接地表明了它是什么）。在收集了足夠的證據(jù)之后，盡管樣本數(shù)據(jù)很嘈雜，我們還是可以非常確定答案的真實性。

當你把所有的傳感器數(shù)據(jù)拉到你的主微控制器里，然后在那里做數(shù)學運算，但是要非常小心時間混疊效應。如果一個傳感器的時間相對于其他傳感器偏移，那么融合結(jié)果會以奇怪的方式輸出。

想一想，如果你有一個傳感器塊，你滑過一張桌子，但在一半的時候，你將它翻轉(zhuǎn)90度。

IMU應該看到“側(cè)向滑動，旋轉(zhuǎn)90度，向上滑動”——將其整合到空間中的真實位置，你應該得到一條平坦的直線。但如果“翻轉(zhuǎn)90”陀螺儀信號延遲（或只是時間戳不好），則加速度計矢量不會在每一瞬間都正確地旋轉(zhuǎn)回工作臺的平面上，當運動“泄漏”到錯誤的軸上時，會有一些垂直漂移。不是因為傳感器的任何誤差，而是純粹因為處理順序。

這就是為什么有些廠商做IMU要做全產(chǎn)線。陀螺儀和加速度計和外部磁強計都自己做，以保證時間不混疊。融合后，IMU向微控制器報告一個理想化的運動矢量，從而得到更一致的結(jié)果。當然，總有一個折衷：融合的運動更新（至少對于這個芯片來說）比原始值來得慢。

如果你認為控制過濾器過于復雜，更相信原始傳感器，那么大可不必做融合。但如果你想要的是精確（或者你只關心最終答案），那就讓芯片為你融合吧。