傳感器融合帶來多重好處

Sensor fusion brings multiple benefits

ADAS（特別是與汽車傳感器的發展趨勢相吻合的汽車自動駕駛系統）。這個概念本身并不新鮮；在Google Scholar上搜索，可以找到可以追溯到20世紀60年代及更早的概念。但是今天，關于系統應該融合哪些傳感器輸入，以及如何應用由此產生的洞察力的知識越來越多。多少是足夠的取決于應用和成本/風險效益。

傳感器融合的程度取決于應用和成本/風險效益

傳感器融合比以往任何時候都更為重要，因為個人犯罪分子和國家情報機構的持續存在對各地的自治系統構成了越來越大的威脅。雖然許多政治界人士擔心5G網絡中潛在的信息安全風險，但更大的風險來自惡意軟件攻擊，這些惡意軟件可以擾亂和勒索自主系統所有者。系統架構師不應低估這些風險，必須避免汽車和航空制造商的錯誤。福特汽車公司估計，一個人的生命價值為20萬美元，比修理平托轎車的燃料設計（1971年至1980年）便宜。然而，人身傷害律師和審判陪審團卻不這么認為。目前的困境屬于波音公司，波音公司為其737 MAX噴氣式飛機提供了關鍵的傳感器融合和冗余，但需要額外付費。因此，波音公司及其供應鏈正經歷著目前的痛苦，而這種痛苦的結束可能需要數年的時間。

最后，促進傳感器融合用于人類活動和工業應用的系統帶來的經濟和健康效益現在顯而易見。

容錯和彈性

所有的傳感器和模型都有一個公差誤差，使用測量相同數量的多個傳感器可以提高可靠性，并為可能證明是災難性的故障提供恢復能力。冗余增加了成本和復雜性，但正如波音和福特的例子所示，導致單點故障的短視決策可能是災難性的。

抗攻擊性

擁有惡意軟件的黑客會想方設法攻擊基于傳感器的系統，但適當的數據融合和安全協議，包括人工智能，可以確保在面對此類攻擊時的穩健運行。一種攻擊手段向輸入傳感器注入假信號；這些信號由于發生在模擬域中，因此無法通過普通數字安全措施加以緩解。這些攻擊面可能包括：

信號欺騙（激光雷達和攝像機）；

和（干擾信號消除）和磁干擾信號

側漏（使用傳感器獲取敏感信息的植入惡意軟件）。

人體活動多傳感器

隨著人口老齡化，利用多傳感器融合技術解釋和監測人類活動將獲得更好的健康結果和更低的成本。可穿戴和環境傳感器融合在人類活動中的應用包括老年人護理和輔助生活、跌倒檢測和姿勢識別、安全和監視、運動員和急救人員狀態以及殘疾人的定位和導航輔助。

網絡中的數據融合

數據融合和分析歷史上發生在計算機或數據中心（云）上。傳感技術的小型化和成本降低使得傳感器融合（以及人工智能/機器學習）在邊緣設備層面得以實現。未來，混合網絡體系結構將在三個層次上執行傳感器數據融合和分析：

低級數據融合將在智能設備或聚合多個傳感器輸入的網關上進行。

中級數據融合將支持更密集的分析和更廣泛設備的數據融合，并與集線器網關和邊緣計算相關聯。

高級數據融合將駐留在數據中心或云中，以提供邊緣設備管理系統的最高視角。

降低運營成本

傳感器融合將通過擴大無人機（UAV）和具有自主功能的機器人等設備的使用范圍和應用范圍來降低運營成本。節省也將導致傳感器融合將讓遠程操作人員做更多的事情，或從低成本的勞動力中心。應用包括自動避免碰撞檢查無人機和遠程司機干預主要是自動運輸系統。

趨勢

隨著消費化在工業和物聯網生態系統中扎根，預計傳感器、計算和連接的小型化和成本持續降低。CES2020演示包括MEMS傳感器創新，例如激光雷達反射鏡的小型化，有利于汽車和智能交通系統。

傳感器融合的go-to方法是一種稱為Kalman濾波器的計算機算法，它通過連續的測量和預測來模擬系統的先前狀態和當前狀態。通過傳感器輸入將假信號注入到高度復雜的系統中，將引導系統架構師實現機器學習和神經網絡以實現安全性和數據融合。

傳感器融合提高了系統的完整性、可靠性和正常運行的魯棒性，并提供了額外的好處來抵御來自模擬域的傳感器網絡攻擊。通過小心地將傳感器融合到他們的系統中，設計者和架構師可以減輕可能對人身、財產或經濟繁榮造成傷害的故障或惡意行為的風險。

總結

以上是生活随笔為你收集整理的传感器融合带来多重好处的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。