傳感器融合是一種將多個(gè)物理傳感器組合起來(lái)以產(chǎn)生準確“真實(shí)”的測量結果的技術(shù)，即使每個(gè)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(wèn)題。
傳感器遠不是 完 美的裝置，在某些條件下，甚至會(huì )發(fā)生錯誤測量結果。
那么，我們如何應對不完 美的傳感器呢？
我們可以增加更多的傳感器，因為傳感器越多，盲點(diǎn)越小。但是為了處理由此產(chǎn)生的大量模糊性數據，相應的數學(xué)處理變得更加困難。而現代的傳感器融合算法的出現，就剛好解決了多個(gè)傳感器數據處理的問(wèn)題。
傳感器融合算法
①、Kalman濾波器
Kalman濾波器是為典型的。
該算法的核心是為每個(gè)傳感器設置一組“信念”因子。每一個(gè)時(shí)刻，來(lái)自上一個(gè)時(shí)刻的傳感器數據都會(huì )被用來(lái)統計以提高猜測（自加歸），同時(shí)傳感器的質(zhì)量也被判斷，在預測值與傳感器實(shí)測值的比較中，會(huì )估計出一個(gè)優(yōu)值進(jìn)行輸出。
這意味著(zhù)，如果一個(gè)傳感器總是給出良好的、一致的值，開(kāi)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(huì )在幾毫秒內降低，直到它重新開(kāi)始講道理。
這比簡(jiǎn)單的平均或投票要好，因為Kalman濾波器可以處理大多數傳感器暫時(shí)失常出錯的情況，只要一個(gè)人能保持良好的理智，那么它便能讓機器人度過(guò)黑暗的時(shí)刻。
Kalman濾波器是Markov鏈和Bayesian推理的更一般概念的應用，這是一種數學(xué)系統，它們使用證據迭代地改進(jìn)他們的猜測。這些工具是用來(lái)幫助科學(xué)本身檢驗思想的工具（也是我們所說(shuō)的“統計意義”的基礎）。
因此，可以詩(shī)意地說(shuō)，一些傳感器融合系統正在以每秒一千次的速度表達科學(xué)的本質(zhì)。
Kalman濾波器已經(jīng)被用于空間衛星的軌道站保持幾十年了，由于現代微控制器能夠實(shí)時(shí)運行該算法，它們在機器人學(xué)中正變得越來(lái)越流行。
②、PID過(guò)濾器
而更簡(jiǎn)單的機器人系統具有PID過(guò)濾器。這可以被認為是原始的Kalman濾波器——所有的迭代調整都被砍掉，用三個(gè)固定值代替。
即使PID值是自動(dòng)調整或手動(dòng)設置的，整個(gè)“調整”過(guò)程（調整、飛行、判斷、重復）都是Kalman的外部化版本，由人執行信念傳播步驟，但其基本原則仍然存在。
③、自定義過(guò)濾
真正的過(guò)濾系統通常是混合體，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(shù)語(yǔ)，比如：“我知道我把方向盤(pán)向左轉了。指南針說(shuō)我往左走，GPS認為我還是直行。我相信誰(shuí)？”
而當經(jīng)典的簡(jiǎn)單的控制回路Kalman濾波器應用在恒溫器上時(shí)，它可以通過(guò)擺弄旋鈕，等待發(fā)生什么來(lái)判斷溫度計和加熱器的質(zhì)量。
單個(gè)傳感器通常無(wú)法影響真實(shí)世界，因此可以通過(guò)多個(gè)傳感器，并應用算法，進(jìn)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(gè)傳感器
在本文的其余部分，我們將關(guān)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(huì )認為多個(gè)相同類(lèi)型的備用傳感器是可行的，但這常常以不幸的方式結合了它們相同的弱點(diǎn)。
相比之下，混合系統才更強大。沒(méi)有任何一種傳感器可以讓我們****信任，因為每一個(gè)都只解決了一個(gè)問(wèn)題，呈現不同片段，而結合起來(lái)才能看見(jiàn)真相。
讓我們來(lái)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(diǎn)以及其在傳感器融合中的發(fā)揮的作用。
全球定位系統
GPS具有顯而易見(jiàn)的局限性。采樣誤差可能有兩米，偏差也會(huì )隨衛星漂移。
如果你想用全球定位系統來(lái)獲得精 確到厘米的位置，你需要把它釘在適當的位置，并在幾天內進(jìn)行測量。這明顯不是我們想要的。但事實(shí)上，在空中高速移動(dòng)，即使是100Hz的GPS設備也不能進(jìn)行時(shí)間平滑。
GPS也不能告訴你面對的方向，只告知你移動(dòng)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(zhù)單靠全球定位系統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(gè)讀數，但之后我們又有一個(gè)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(huì )在長(cháng)期內消除——盡管它們一開(kāi)始會(huì )消除！
顯然一個(gè)GPS是不夠的。
我們不能在離地面20-40米的范圍內可靠地飛行，這至少是五層樓的高度，這對于**邊際來(lái)說(shuō)是一個(gè)很長(cháng)的距離。在現實(shí)生活中，能在世界上任何一個(gè)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(chē)，如果沒(méi)有差分GPS地面站，昂貴的高速接收器和一些好的拓撲圖。
聲納、激光雷達、雷達/光流
因此，如果用衛星進(jìn)行三角測量并不是避開(kāi)地面的佳方法，那就讓我們試著(zhù)直接“看到”它吧！
目前至少有三種現成的測距技術(shù)可以發(fā)射信號并查看反彈需要多長(cháng)時(shí)間：聲納、激光雷達和雷達模塊現在都可以使用。
但是，這些傳感器有弱點(diǎn)：
弱點(diǎn)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(jiàn)的東西。
弱點(diǎn)2：相干擾
傳感器間存在信號干擾，當你把多個(gè)相同的傳感器放在一起時(shí)會(huì )發(fā)生什么？你怎么知道你檢測到的信號就是這個(gè)傳感器的？即使是單個(gè)傳感器也必須處理來(lái)自自身的串擾，等待足夠長(cháng)的時(shí)間讓回聲消失。
可以對信號進(jìn)行“編碼”（基本上是加密），這樣每個(gè)信號都是唯壹的，但這增加了設備的復雜性。**個(gè)好的解決方案是將信號計劃半隨機化，這樣就不會(huì )鎖定時(shí)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(lái)觀(guān)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(shí)），還是向側面滑動(dòng)。相機不會(huì )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(diǎn)。你需要一個(gè)很好的紋理表面讓他們看到流動(dòng)，就像他們的光學(xué)鼠標不能在玻璃上工作一樣。它們正變得越來(lái)越流行，因為流計算現在已經(jīng)是你可以放入FPGA或快速嵌入式計算機中的東西。
陀螺儀
假設物理傳感器在四邊形上飛行。如果你站在一個(gè)角度上，畢達哥拉斯說(shuō)地面看起來(lái)會(huì )比實(shí)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(chē)只有幾厘米遠。
為了糾正這一點(diǎn)，我們需要知道我們的傾向。這意味著(zhù)……
陀螺儀和加速度計一起被稱(chēng)為"IMU"，但它們經(jīng)常出現在一起的原因是它們自然地掩蓋了彼此的主要弱點(diǎn)。它們是經(jīng)典的融合對。
但是，單獨來(lái)說(shuō)，陀螺儀是好和干凈的傳感器數據來(lái)源，你將得到連續的位置測量。
無(wú)需太多細節，陀螺儀是由刻蝕在芯片表面的微機械音叉制成的。當芯片旋轉時(shí)，一些音叉上會(huì )有力，它們會(huì )相互改變音調。
MEMS陀螺儀幾乎不受任何運動(dòng)的影響，除了旋轉。即使是劇烈的振動(dòng)也不會(huì )影響它們（在規范范圍內），因為這是橫向加速度。
如果你看一個(gè)多旋翼的內部控制回路，它就是飛行控制器用來(lái)在空中保持水平的陀螺儀。一些速率模式的飛行員完全關(guān)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(xiàn)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星。
陀螺的弱點(diǎn)是漂移。不管你怎么努力，它們似乎都會(huì )繞著(zhù)一個(gè)隨機的軸慢慢旋轉。每次旋轉需要幾分鐘，但即使是一塊不動(dòng)的磚塊也會(huì )輕輕旋轉。累積相對樣本以獲得“優(yōu)良”估計值也會(huì )將誤差條相加。上升陀螺儀誤差需要通過(guò)外部?jì)?yōu)良參考標記定期“歸零”。
加速度計
這就是為什么加速度計是陀螺儀好朋友：因為它能探測到優(yōu)良的“向下”參考（至少，當它們處于地球引力狀態(tài)時(shí)）。
好吧，一般來(lái)說(shuō)。從一個(gè)時(shí)刻到另一個(gè)時(shí)刻，它接收重力、線(xiàn)加速度、旋轉產(chǎn)生的離心力、振動(dòng)、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），加速度計數據仍然是噪聲大、不可信的數據之一。它接收到了多個(gè)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(tīng)到一切。
加速度離我們真正想要知道的位置還有兩個(gè)積分步驟，所以我們必須總結大量的三角洲和誤差線(xiàn)，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是加速計朋友：因為它會(huì )定期“調零”不斷增長(cháng)的位置誤差，就像加速計輕輕地調零陀螺儀的方位誤差一樣。
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(cháng)期陀螺漂移的一種控制方式。知道哪個(gè)方向是向上的比知道哪個(gè)方向是磁北更有用——但是，有了這兩個(gè)，我們就可以知道我們在地球上的真正優(yōu)良方位。
它們經(jīng)常與GPS接收器配對，因為它們又一次對抗了彼此大的弱點(diǎn)，而在其他方面卻緊密相配。一個(gè)給出粗略的優(yōu)良位置，另一個(gè)給出粗略的優(yōu)良方向。
結語(yǔ)：
“傳感器融合”現在顯然只是一個(gè)過(guò)程，即獲取所有這些輸入，并將它們連接到類(lèi)似Kalman濾波器的東西上。請注意，我們想知道的是“真相數據”，不是我們的任何傳感器直接測量的，“真相數據”是可以推斷出來(lái)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(guò)說(shuō)有一個(gè)稱(chēng)為垂直高度的“隱藏”屬性來(lái)調用它，而我們并沒(méi)有直接觀(guān)察到它（盡管有許多測量結果間接地表明了它是什么）。在收集了足夠的證據之后，盡管樣本數據很嘈雜，我們還是可以非常確定答案的真實(shí)性。
當你把所有的傳感器數據拉到你的主微控制器里，然后在那里做數學(xué) 運 算，但是要非常小心時(shí)間混疊效應。如果一個(gè)傳感器的時(shí)間相對于其他傳感器偏移，那么融合結果會(huì )以奇怪的方式輸出。
想一想，如果你有一個(gè)傳感器塊，你滑過(guò)一張桌子，但在一半的時(shí)候，你將它翻轉90度。
IMU應該看到“側向滑動(dòng)，旋轉90度，向上滑動(dòng)”——將其整合到空間中的真實(shí)位置，你應該得到一條平坦的直線(xiàn)。但如果“翻轉90”陀螺儀信號延遲（或只是時(shí)間戳不好），則加速度計矢量不會(huì )在每一瞬間都正確地旋轉回工作臺的平面上，當運動(dòng)“泄漏”到錯誤的軸上時(shí)，會(huì )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(chǎng)商做IMU要做全產(chǎn)線(xiàn)。陀螺儀和加速度計和外部磁強計都自己做，以保證時(shí)間不混疊。融合后，IMU向微控制器報告一個(gè)理想化的運動(dòng)矢量，從而得到更一致的結果。當然，總有一個(gè)折衷：融合的運動(dòng)更新（至少對于這個(gè)芯片來(lái)說(shuō)）比原始值來(lái)得慢。
如果你認為控制過(guò)濾器過(guò)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(guān)心答案），那就讓芯片為你融合吧。