傳感器融合測(cè)試
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2026-01-05
傳感器融合測(cè)試的視頻教程
應(yīng)變傳感器測(cè)試測(cè)量基礎(chǔ)
應(yīng)變傳感器測(cè)試測(cè)量基礎(chǔ) 適用人群：從事測(cè)試測(cè)量特別是力、扭矩測(cè)量領(lǐng)域的工程、技術(shù)、營銷、采購、管理人員；力學(xué)測(cè)試設(shè)備設(shè)計(jì)、安裝調(diào)試、使用人員；大中專院校相關(guān)專業(yè)師生。
免費(fèi) 59分鐘 265播放
查看
動(dòng)力總成測(cè)試-電流傳感器布線最佳實(shí)踐
培訓(xùn)內(nèi)容： 本次研討會(huì)將解釋如何在動(dòng)力總成測(cè)試最小化干擾并最大化信號(hào)質(zhì)量以實(shí)現(xiàn)更準(zhǔn)確的電流測(cè)試。 主要議題： · 深入了解電流測(cè)試時(shí)面臨的問題 · 探索使用屏蔽線纜測(cè)量的最佳實(shí)踐方法 · 學(xué)習(xí)如何為電流測(cè)試創(chuàng)造一個(gè)抗EMC干擾的環(huán)境 適用人群： 電驅(qū)動(dòng)系統(tǒng)動(dòng)力總成測(cè)試工程師， 新能源汽車系統(tǒng)測(cè)試工程師，電機(jī)電控標(biāo)定工程師、電機(jī)電控測(cè)試工程師、電機(jī)電控研發(fā)及大專院校相關(guān)人員。
免費(fèi) 48分鐘 18播放
查看
傳感器融合測(cè)試的實(shí)例教程
我們可以在每種傳感器中找到諸如此類的優(yōu)缺點(diǎn)。
傳感器融合這一想法的偉大之處在于獲得不同傳感器和傳感器種類的輸入內(nèi)容，并且使用組合在一起的信息來更加準(zhǔn)確地感知周圍的環(huán)境。相對(duì)于獨(dú)立系統(tǒng)，這樣可以做出更好、更安全的決策。雷達(dá)也許不具有光傳感器所具有的分辨率，不過它在測(cè)距和穿透雨、雪和濃霧方面具有很大優(yōu)勢(shì)。這些天氣條件或光照不足的惡劣情況不利于攝像頭發(fā)揮作用，不過攝像頭能夠分辨顏色（可以想一想街道指示牌和路標(biāo)），并且具有很高的分辨率。目前路面上圖像傳感器的分辨率已經(jīng)達(dá)到1百萬像素。在未來幾年內(nèi)，圖像傳感器的發(fā)展趨勢(shì)將是2百萬，甚至4百萬像素。
雷達(dá)和攝像頭是兩項(xiàng)傳感器技術(shù)完美融合、互為補(bǔ)充的典范。采用這種方法的融合系統(tǒng)所實(shí)現(xiàn)的功能要遠(yuǎn)超這些獨(dú)立系統(tǒng)能夠?qū)崿F(xiàn)的功能總和。使用不同的傳感器種類可以在某一種傳感器全都出現(xiàn)故障的環(huán)境條件下，額外提供一定冗余度。這種錯(cuò)誤或故障可能是由自然原因（諸如一團(tuán)濃霧）或是人為現(xiàn)象（例如對(duì)攝像頭或雷達(dá)的電子干擾或人為干擾）導(dǎo)致。即使是在一個(gè)傳感器失效的情況下，這樣的傳感器融合系統(tǒng)也可以保持某些基本或緊急的功能。完全借助報(bào)警功能，或者讓駕駛員時(shí)刻做好準(zhǔn)備，從而接管對(duì)車輛的控制，系統(tǒng)故障也許就不那么嚴(yán)重了。然而，高度和完全自動(dòng)駕駛功能必須提供充足的時(shí)間讓駕駛員重新獲得對(duì)車輛的控制。在這段駕駛員接管車輛控制之前的時(shí)間范圍內(nèi)，控制系統(tǒng)需要保持對(duì)車輛最低限度的控制。
傳感器融合系統(tǒng)示例
傳感器融合的復(fù)雜程度有所不同，并且數(shù)據(jù)的類型也不一樣。兩個(gè)基本的傳感器融合示例是：a）后視攝像頭加上超聲波測(cè)距；b）前方攝像頭加上多模式前置雷達(dá)——參見圖2。現(xiàn)在，我們可以通過對(duì)現(xiàn)有系統(tǒng)進(jìn)行輕微更改和/或通過增加一個(gè)單獨(dú)的傳感器融合控制單元來對(duì)其進(jìn)行實(shí)現(xiàn)。
展開 傳感器融合，一般可以分為四種：
Early fusion — Fusing the raw data ，一般稱為前融合（或數(shù)據(jù)融合），匯總所有傳感器的數(shù)據(jù)，得到一個(gè)super-sensor，再進(jìn)行檢測(cè)；
Late fusion — Fusing the results， 一般稱為后融合（或結(jié)果融合/信息融合），每個(gè)傳感器獨(dú)立檢測(cè)處理，得到檢測(cè)結(jié)果，再匯總；
Mid-level fusion ， 一般稱為中級(jí)融合/中層融合，各傳感器提供一個(gè)中等表示（比如特征），再匯總；
Sequential fusion ， 一般稱為順序融合，將多傳感器級(jí)聯(lián)，前一個(gè)為后一個(gè)提供信息，幫助下一個(gè)傳感器檢測(cè)更準(zhǔn)確，缺點(diǎn)是容易造成誤差的累積；
前融合為數(shù)據(jù)層的融合，可以作為其他三種融合方式的基礎(chǔ)，目的是將多個(gè)傳感器數(shù)據(jù)源統(tǒng)一到同一度量時(shí)空，即時(shí)空一致性，時(shí)間一致性是為了讓兩個(gè)傳感器捕獲信息的瞬時(shí)時(shí)間戳要盡可能地接近，空間一致性是為了將傳感器坐標(biāo)系統(tǒng)一到同一個(gè)坐標(biāo)系。
硬件同步、硬同步：使用同一種硬件同時(shí)發(fā)布觸發(fā)采集命令，實(shí)現(xiàn)各傳感器采集、測(cè)量的時(shí)間同步。做到同一時(shí)刻采集相同的信息。
軟件同步：時(shí)間同步、空間同步。
時(shí)間同步、時(shí)間戳同步、軟同步：通過統(tǒng)一的主機(jī)給各個(gè)傳感器提供基準(zhǔn)時(shí)間，各傳感器根據(jù)已經(jīng)校準(zhǔn)后的各自時(shí)間為各自獨(dú)立采集的數(shù)據(jù)加上時(shí)間戳信息，可以做到所有傳感器時(shí)間戳同步，但由于各個(gè)傳感器各自采集周期相互獨(dú)立，無法保證同一時(shí)刻采集相同的信息。
展開 圖3 多普勒效應(yīng)示意圖（圖片來源：https://www.guyhowto.com/）
基于毫米波雷達(dá)的上述原理，在毫米波雷達(dá)目標(biāo)模擬環(huán)境構(gòu)建時(shí)，采用毫米波雷達(dá)目標(biāo)模擬器進(jìn)行毫米波雷達(dá)目標(biāo)的模擬。模擬器可以通過空饋的方式接收被測(cè)毫米波雷達(dá)的發(fā)生信號(hào)，運(yùn)用信號(hào)處理技術(shù)，分析發(fā)射信號(hào)的特征參數(shù)，并根據(jù)模擬需求，發(fā)射出疊加目標(biāo)數(shù)據(jù)的雷達(dá)回波。毫米波雷達(dá)接收到回波后，進(jìn)行目標(biāo)數(shù)據(jù)參數(shù)解析，從而實(shí)現(xiàn)毫米波雷達(dá)目標(biāo)的模擬仿真。
圖4 毫米波雷達(dá)目標(biāo)模擬器原理示意圖
毫米波屬于無線電微波，所以在模擬仿真環(huán)境構(gòu)建時(shí)，會(huì)把目標(biāo)模擬設(shè)備、被測(cè)設(shè)備放置在相對(duì)密閉的微波暗箱環(huán)境中。毫米波雷達(dá)目標(biāo)模擬過程中，會(huì)需要模擬各不同角度上的目標(biāo)，由于目標(biāo)模擬器不方便進(jìn)行移動(dòng)，無法模擬出相對(duì)測(cè)試環(huán)境的絕對(duì)角度，所以一般還會(huì)采用旋轉(zhuǎn)云臺(tái)搭載被測(cè)毫米波雷達(dá)，進(jìn)行雷達(dá)與目標(biāo)模擬器之間相對(duì)角度的模擬。
圖5 毫米波雷達(dá)目標(biāo)模擬微波暗箱結(jié)構(gòu)示意圖
■ 總結(jié)：感知傳感器模擬仿真方案多樣性、實(shí)用性強(qiáng)
從上面的介紹不難看出，自動(dòng)駕駛主要感知傳感器的實(shí)物仿真環(huán)境構(gòu)建，都是基于工作原理，靈活運(yùn)用傳感器感知介質(zhì)特性，在標(biāo)準(zhǔn)環(huán)境下，進(jìn)行的模擬目標(biāo)匹配的信號(hào)再造。針對(duì)與同一類型的感知傳感器，其實(shí)物仿真環(huán)境的構(gòu)建方式其實(shí)并非是唯一的，只要環(huán)境中相對(duì)潔凈，未引入其他影響感知傳感器識(shí)別目標(biāo)的噪聲，并能準(zhǔn)確有效的對(duì)該類型傳感器可感知目標(biāo)進(jìn)行模擬，那這就是一個(gè)成功的環(huán)境構(gòu)建方案。所以在不同模擬仿真測(cè)試系統(tǒng)應(yīng)用時(shí)，可以結(jié)合不同的測(cè)試需求，對(duì)傳感器實(shí)物仿真構(gòu)建方法進(jìn)行選擇。
從自動(dòng)駕駛模擬仿真測(cè)試產(chǎn)業(yè)發(fā)展需求角度出發(fā)，目前可以實(shí)現(xiàn)的感知傳感器環(huán)境構(gòu)建方案還相對(duì)較少，后續(xù)自動(dòng)駕駛整車級(jí)模擬仿真測(cè)試環(huán)境中，必定需要多類型感知傳感器融合仿真測(cè)試環(huán)境。
展開 我們沒有選擇使用優(yōu)化器，因?yàn)锽A-MSF實(shí)現(xiàn)以二進(jìn)制形式發(fā)布，因此我們無法直接獲得其分析公式。對(duì)于我們分析中的給定傳感器數(shù)據(jù)跡線，存在多個(gè)可能的攻擊窗口，即前一個(gè)GPS數(shù)據(jù)和后一個(gè)GPS數(shù)據(jù)的間隙。對(duì)于每個(gè)攻擊窗口，我們迭代搜索可以使最大程度偏離
的
，這也是以前有關(guān)單源KF安全性的研究工作中使用的一種方法。根據(jù)我們的威脅模型，我們將對(duì)GPS欺騙數(shù)據(jù)的測(cè)量不確定性設(shè)置為BA-MSF中傳感器數(shù)據(jù)跡線的中值。
我們對(duì)兩種類型的傳感器數(shù)據(jù)跡線進(jìn)行上述分析：（1）真實(shí)數(shù)據(jù)，以及（2）擬合的無噪聲數(shù)據(jù)。前者是通過在真實(shí)世界中駕駛AV時(shí)直接記錄MSF的輸入而獲得的，此類跡線的分析結(jié)果具有最高的真實(shí)性。但是我們可以執(zhí)行的操作是有限的，由于不同傳感器數(shù)據(jù)之間存在相關(guān)性，我們無法輕易地修改傳感器數(shù)據(jù)；并且由于傳感器存在噪聲，分析可能不準(zhǔn)確。因此，我們利用后者進(jìn)行補(bǔ)充，其按照給定的駕駛軌跡合成MSF輸入，所有LiDAR定位和真實(shí)GPS信號(hào)定位都設(shè)置為真實(shí)位置，其測(cè)量不確定度設(shè)置為實(shí)際數(shù)據(jù)的中值，并根據(jù)駕駛軌跡擬合出IMU測(cè)量值。
實(shí)驗(yàn)環(huán)境
我們使用官方Apollo AD系統(tǒng)中的BA-MSF實(shí)現(xiàn)代碼。
展開 作者 | 黃浴
來源 | 知乎@黃浴(https://zhuanlan.zhihu.com/p/109895639)
自動(dòng)駕駛感知模塊中傳感器融合已經(jīng)成為了標(biāo)配，只是這里融合的層次有不同，可以是硬件層（如禾賽，Innovusion的產(chǎn)品），也可以是數(shù)據(jù)層（這里的討論范圍），還可以是任務(wù)層像障礙物檢測(cè)（obstacle detection），車道線檢測(cè)（lane detection），分割（segmentation）和跟蹤（tracking）以及車輛自身定位（localization）等。
有些傳感器之間很難在底層融合，比如攝像頭或者激光雷達(dá)和毫米波雷達(dá)之間，因?yàn)楹撩撞ɡ走_(dá)的目標(biāo)分辨率很低（無法確定目標(biāo)大小和輪廓），但可以在高層上探索融合，比如目標(biāo)速度估計(jì)，跟蹤的軌跡等等。
這里主要介紹一下激光雷達(dá)和攝像頭的數(shù)據(jù)融合，實(shí)際是激光雷達(dá)點(diǎn)云投影在攝像頭圖像平面形成的深度和圖像估計(jì)的深度進(jìn)行結(jié)合，理論上可以將圖像估計(jì)的深度反投到3-D空間形成點(diǎn)云和激光雷達(dá)的點(diǎn)云融合，但很少人用。原因是，深度圖的誤差在3-D空間會(huì)放大，另外是3-D空間的點(diǎn)云分析手段不如圖像的深度圖成熟，畢竟2.5-D還是研究的歷史長，比如以前的RGB-D傳感器，Kinect或者RealSense。
這種融合的思路非常明確：一邊兒圖像傳感器成本低，分辨率高（可以輕松達(dá)到2K-4K）；另一邊兒激光雷達(dá)成本高，分辨率低，深度探測(cè)距離短。可是，激光雷達(dá)點(diǎn)云測(cè)距精確度非常高，測(cè)距遠(yuǎn)遠(yuǎn)大于那些Infrared/TOF depth sensor，對(duì)室外環(huán)境的抗干擾能力也強(qiáng)，同時(shí)圖像作為被動(dòng)視覺系統(tǒng)的主要傳感器，深度估計(jì)精度差，更麻煩的是穩(wěn)定性和魯棒性差。所以，能不能把激光雷達(dá)的稀疏深度數(shù)據(jù)和致密的圖像深度數(shù)據(jù)結(jié)合，形成互補(bǔ)？
展開 
傳感器融合測(cè)試的相關(guān)專題、標(biāo)簽、搜索
傳感器融合測(cè)試的最新內(nèi)容
Ansys TwinAI?軟件引入了新型融合建模方法，能更好地將仿真數(shù)據(jù)與傳感器和測(cè)試信息融合，同時(shí)采用時(shí)序融合轉(zhuǎn)換器，以提升大規(guī)模時(shí)間序列建模和訓(xùn)練效率。全新TwinAI降階模型（ROM）向?qū)е郑芍笇?dǎo)團(tuán)隊(duì)完成高保真度ROM的創(chuàng)建和部署，加速實(shí)時(shí)數(shù)字孿生的交付。
系統(tǒng)的復(fù)雜性與集成度：現(xiàn)代車機(jī)集成了車載導(dǎo)航、多媒體娛樂、車輛控制、遠(yuǎn)程服務(wù)、OTA升級(jí)等數(shù)十個(gè)功能模塊，并與CAN/LIN總線、各類傳感器深度融合。測(cè)試需要確保這些復(fù)雜功能在并發(fā)、壓力、邊界場(chǎng)景下依然穩(wěn)定可靠。
兼容性與一致性：車機(jī)需要連接各類手機(jī)（CarPlay/Android Auto/CarLife），適配不同型號(hào)的藍(lán)牙設(shè)備，并確保在不同國家、語言、網(wǎng)絡(luò)環(huán)境下的表現(xiàn)一致。
線性差動(dòng)變壓器(LVDT傳感器)和其他測(cè)量工具在土木工程中有許多應(yīng)用，并在建筑物和結(jié)構(gòu)的建造、測(cè)試和維護(hù)中發(fā)揮重要作用。
一、測(cè)量工具如何確保結(jié)構(gòu)安全和性能？
了解自然材料和建筑材料的特性、運(yùn)動(dòng)和局限性對(duì)于確保建筑和結(jié)構(gòu)的安全性和適用性至關(guān)重要。精密傳感器、位移傳感器和轉(zhuǎn)換器在提供這種知識(shí)及其背后的數(shù)據(jù)方面發(fā)揮著重要作用。
LVDT傳感器系統(tǒng)用于在施工前調(diào)查土木工程場(chǎng)地中土壤和巖石的力學(xué)性質(zhì)
在海洋監(jiān)測(cè)領(lǐng)域，基于無人艇能夠?qū)崿F(xiàn)高效、實(shí)時(shí)、自動(dòng)化的海洋數(shù)據(jù)采集，從而為海洋環(huán)境保護(hù)、資源開發(fā)等提供有力支持。其中，無人艇的控制算法訓(xùn)練往往需要大量高質(zhì)量的數(shù)據(jù)支持。然而，海洋數(shù)據(jù)采集也面臨數(shù)據(jù)噪聲和誤差、數(shù)據(jù)融合與協(xié)同和復(fù)雜海洋環(huán)境適應(yīng)等諸多挑戰(zhàn)，制約著無人艇技術(shù)的發(fā)展。
針對(duì)這些挑戰(zhàn)，我們探索并推出一套基于多傳感器融合的海洋數(shù)據(jù)采集系統(tǒng)，能夠高效地采集和處理海洋環(huán)境中的多維度數(shù)據(jù)，為無人艇的自主航行和控制算法訓(xùn)練提供高質(zhì)量的數(shù)據(jù)支持
點(diǎn)擊這里，即可報(bào)名
https://app.ma.scrmtech.com/m/A/N?n=2884-28898
會(huì)議內(nèi)容
本次研討會(huì)將解釋如何在動(dòng)力總成測(cè)試最小化干擾并最大化信號(hào)質(zhì)量以實(shí)現(xiàn)更準(zhǔn)確的電流測(cè)試。
主要議題：
深入了解電流測(cè)試時(shí)面臨的問題
探索使用屏蔽線纜測(cè)量的最佳實(shí)踐方法
Ansys與Cognata和微軟在基于Web的平臺(tái)上開展合作，使用戶能夠在模擬真實(shí)條件的虛擬環(huán)境中測(cè)試和驗(yàn)證ADAS/AV汽車傳感器
主要亮點(diǎn)
Ansys AVxcelerate Sensors?仿真軟件將增強(qiáng)由Cognata管理并在Microsoft Azure上運(yùn)行的自動(dòng)駕駛感知中心（ADPH）平臺(tái)，并提供高保真度雷達(dá)和電磁（EM）波傳播仿真功能
該平臺(tái)由AMD
在汽車行業(yè)邁向智能化、自動(dòng)化的今天，自動(dòng)駕駛技術(shù)也在快速發(fā)展。為了進(jìn)一步讓自動(dòng)駕駛更加“智能化”，像老師傅一樣進(jìn)行開車，離不開對(duì)車輛周圍環(huán)境的全面認(rèn)識(shí)。
面對(duì)復(fù)雜的感知任務(wù)，單一傳感器的局限性逐漸顯現(xiàn)，比如相機(jī)對(duì)目標(biāo)的顏色和紋理比較敏感，但易受光照、天氣條件的影響。LiDAR以獲得目標(biāo)精確的3D信息，但無法獲得目標(biāo)紋理，易產(chǎn)生噪點(diǎn)等情況。多傳感器數(shù)據(jù)融合技術(shù)應(yīng)時(shí)而生，通過整合不同傳感器的優(yōu)勢(shì)
一、摘要
近年來，深度學(xué)習(xí)技術(shù)在涉及高維非結(jié)構(gòu)化數(shù)據(jù)領(lǐng)域展現(xiàn)出了最先進(jìn)的性能，如計(jì)算機(jī)視覺、語音、自然語言處理等方面，并且開始涉及更大、更復(fù)雜的多模態(tài)信息問題。
不同傳感器在進(jìn)行同一實(shí)驗(yàn)任務(wù)時(shí)，針對(duì)產(chǎn)生的同一現(xiàn)象進(jìn)行觀測(cè)，采集的數(shù)據(jù)構(gòu)成被測(cè)對(duì)象的多模態(tài)信息。多模態(tài)信息可以實(shí)現(xiàn)不同傳感器之間數(shù)據(jù)互補(bǔ)，并在相同學(xué)習(xí)任務(wù)獲取更豐富的特征，從而實(shí)現(xiàn)比單一模態(tài)更好的性能。
在自動(dòng)駕駛領(lǐng)域，多模態(tài)數(shù)據(jù)通常包括安裝在車輛上的多個(gè)傳感器
信號(hào)或廣泛電能在傳輸過程中，為實(shí)現(xiàn)信號(hào)的無反射傳輸或最大功率傳輸，要求電路連接實(shí)現(xiàn)阻抗匹配。阻抗匹配(Impedance matching)是微波電子學(xué)里的一部分，主要用于傳輸線上，來達(dá)至所有高頻的微波信號(hào)皆能傳致載點(diǎn)的目的，不會(huì)有信號(hào)反射回來源點(diǎn)，從而提升能源效益。阻抗匹配關(guān)系著系統(tǒng)的整體性能，實(shí)現(xiàn)匹配可使系統(tǒng)性能達(dá)到最優(yōu)。而阻抗匹配是針對(duì)射頻等而言的，對(duì)于功率電路則不適用的，否則會(huì)燒掉東西。
從自動(dòng)駕駛模擬仿真測(cè)試產(chǎn)業(yè)發(fā)展需求角度出發(fā)，目前可以實(shí)現(xiàn)的感知傳感器環(huán)境構(gòu)建方案還相對(duì)較少，后續(xù)自動(dòng)駕駛整車級(jí)模擬仿真測(cè)試環(huán)境中，必定需要多類型感知傳感器融合仿真測(cè)試環(huán)境。這對(duì)感知傳感器實(shí)物仿真測(cè)試環(huán)境構(gòu)建提出了更高的要求，也期待有更多更優(yōu)先的構(gòu)建方法和創(chuàng)新型構(gòu)想被提出。
---END---
作者：北斗
文章來源：汽車測(cè)試網(wǎng)
