本文整理了多傳感器數(shù)據(jù)融合（Multi－Sensor Data Fusion，MSDF）的要點和基本方法。介紹了Harmonize、Reconcile、Integrate、Synthesize之間的區(qū)別和對應(yīng)的解決方案。文章主要圍繞什么是MSDF；為什么要MSDF和如何進行MSDF展開，希望給對自動駕駛感興趣的小伙伴，提供一些參考。

許多人工智能系統(tǒng)的一個關(guān)鍵要素是具有多傳感器數(shù)據(jù)融合（Multi－Sensor Data Fusion，MSDF）的能力。在人工智能系統(tǒng)處于一個特定的環(huán)境時，MSDF需要對周圍環(huán)境數(shù)據(jù)進行Harmonize；Reconcile；Integrate；Synthesize。簡單來說，傳感器相當于眼睛耳朵等輸入感官，而人工智能系統(tǒng)需要以某種方式解釋這些輸入感官收集回來的信息，使其成為在現(xiàn)實世界可以被解釋且有價值的信息。在駕駛汽車時，多目標跟蹤（Multi－Target Tracking，MTT）也是非常重要的課題——設(shè)想在市中心開車，周圍都是行人和車輛，人類駕駛員要準確的識別并躲避他們，自動駕駛汽車也是。所以，這要求傳感器融合具備一個必須的性質(zhì)——實時性，就像人類每時每刻都在大腦中進行傳感器融合一樣。盡管人類不會公開地明確地將想法付諸于行動，但是這些“傳感器融合”過程都是自然發(fā)生的。

自動駕駛的MSDF

首先，需要明確一個老生常談的概念——SAE對于自動駕駛等級的劃分。SAE給自動駕駛汽車劃分為5個等級，對于L5以下的自動駕駛汽車，要求必須有一個人類駕駛員（安全員）在場。目前，人工智能和人類駕駛員共同承擔駕駛?cè)蝿?wù)，而人類駕駛員被認定為汽車行為的責任人。

回到MSDF的話題，下圖展示了人工智能自動駕駛汽車如何進行MSDF的一些關(guān)鍵要素。

上圖指出了MSDF面臨的主要挑戰(zhàn)是如何將收集來的大量數(shù)據(jù)集中在一起，并做出正確決策。因為如果MSDF出錯，意味著下游階段要么沒有必要的信息，要是使用了錯誤的信息做出了錯誤的決策?？梢钥吹?，一般來說，自動駕駛汽車會通過安裝在車身周圍的攝像頭收集視覺數(shù)據(jù)，也會通過雷達（激光雷達、毫米波雷達等）來收集諸如周圍物體運動速度的數(shù)據(jù)，但是這些數(shù)據(jù)是從不同角度來描述現(xiàn)實世界的同一樣或不同樣的物體。所以，使用什么類型的傳感器，怎么融合傳感器收集回來的數(shù)據(jù)，使用多少傳感器才能實現(xiàn)基于數(shù)據(jù)的對客觀世界的描述呢？通常來說，使用越多的傳感器，對計算能力的要求就越高，這意味著自動駕駛汽車必須搭載更多的計算機處理器和內(nèi)存，這也會增加汽車的重量，需要更多的功率，還會產(chǎn)生更多的熱量。諸如此類的缺點還有很多。

多傳感器融合（MSDF）的四個關(guān)鍵方法

圖 Harmonize；Reconcile；Integrate；Synthesize的區(qū)別

Harmonize：

假設(shè)有兩種不同的傳感器，稱它們?yōu)閭鞲衅鱔和傳感器Z。它們都能夠感知自動駕駛汽車的外部世界。在現(xiàn)實世界中存在一個物體，這個物體可能是人，也可能是車，甚至是一條狗，傳感器X和傳感器Z都能夠檢測到這個物體。這就意味著傳感器對這個物體進行了雙重檢測，這種雙重檢測意味著兩種不同類型的傳感器都有關(guān)于該物體的數(shù)據(jù)報告，對于該物體有兩個維度不同地認知。假設(shè)，傳感器X表示該物體高6英尺，寬2英尺；傳感器Z表示該物體以每秒3英尺的速度正朝著自動駕駛車輛方向移動。結(jié)合兩個傳感器采集到的數(shù)據(jù)，就可以得出一條相對準確的信息：有一個高約6英尺，寬2英尺的物體正在以每秒鐘3英尺的速度移動。假設(shè)這兩自動駕駛汽車上只安裝了X傳感器，那么就無法得知該物體的大??；若Z傳感器壞了，那么就只有物體的大小信息，無法檢測該物體的運動狀態(tài)。這也就是最近業(yè)內(nèi)廣泛討論的“在自動駕駛汽車上應(yīng)該安裝哪些傳感器”的問題。

此前，特斯拉埃隆·馬斯克（Elon Musk）旗幟鮮明地聲稱，特斯拉不會安裝激光雷達。盡管馬斯克自己也認為，L5自動駕駛不會通過激光雷達來實現(xiàn)這個想法最終可能被驗證為錯誤的，這依舊沒有改變馬斯克的決定。一些反對的聲音稱，不配備激光雷達的特斯拉，無法通過其他的傳感器獲取如同激光雷達效果相同的感官輸入，也無法提供補償和三角測量。但是另一些支持者認為，激光雷達不值得話費如此高昂的費用成本，不值得為其增大計算能力，也不值得為其增加認知時間。

Reconcile：

在同一個視場（Field of View，F(xiàn)OV）內(nèi)，假設(shè)傳感器X探測到一個物體，而傳感器Z沒有探測到。注意，這與物體完全在傳感器Z的FOV之外的情況有很大的不。一方面，系統(tǒng)會認為傳感器X是正確的，Z是錯誤的，可能是因為Z有故障，或者有模糊探測，或者是其他的一些什么原因。另一個方面，也許傳感器X是錯誤的，X可能是報告了一個“幽靈”（實際上并不存在的東西），而傳感器Z報告那里沒有東西是正確的。

Integrate：

假設(shè)我們有兩個物體a和b，分別在傳感器X和傳感器Z的視場FOV內(nèi)（a在X視場內(nèi)，b在Z視場內(nèi)）。也就是說，Z無法直接檢測到a，X也無法直接檢測到b。目前，想要實現(xiàn)的效果是，能否將X和Z的報告整合在一起，讓它們在各自的視場內(nèi)探測物體同時，判斷是否為X視場中的物體正在向Z視場移動，預(yù)先提醒Z將有物體進入探測區(qū)域。

Synthesize：

第四種方法Synthesize是將感知數(shù)據(jù)融合在一起，你可能會遇到這樣的情況，傳感器X和傳感器Z都沒有在各自的視場內(nèi)探測到物體。在這種情況下，沒有傳感器知道這個物體的存在，但是可以通過一些其他的感觀數(shù)據(jù)，比如聲音，間接地弄清楚在視場之外的物體情況。自動駕駛汽車是時刻運動的，所以要求這種預(yù)判是瞬間發(fā)生的，像上文提到的一樣，是實時的。

基于以上四種方法的解釋，當各種不同傳感器收集回來的數(shù)據(jù)結(jié)合在一起時，使用什么方法來處理這些數(shù)據(jù)呢？

絕對排序法：在這種方法中，需要事先決定一個傳感器的排序。比如，攝像投的級別高于雷達，或者雷達的級別高于攝像頭等等。在傳感器融合過程中，子系統(tǒng)使用預(yù)先確定的排序。比如，在Reconcile情況中，在交叉的視場FOV中，X檢測到了物體，但是Z沒有檢測到，而攝像頭傳感器X的級別高于雷達傳感器Z，那么Z的檢測結(jié)果不納入考慮范圍內(nèi)也是允許的。這個方法簡單、快速、易實現(xiàn)，但是綜合考慮，這種方法并不嚴謹。

情況排序法：這種方法與絕對排名法相似，但不同之處在于，根據(jù)所處的環(huán)境，排名是可變的。例如，我們可能已經(jīng)設(shè)置好，如果有下雨的天氣，攝像頭容易受到雨水干擾，進而攝像頭優(yōu)先級降低，雷達擁有最高優(yōu)先級。這種方法相對簡單、快速、易于實現(xiàn)。然而，從全局角度看，它依然有所不足。

平等投票（協(xié)商一致）法：在這種方法中，允許每個傳感器進行投票且投票能力都是平等的。然后使用一個計數(shù)算法，該算法與投票結(jié)果相匹配。如果傳感器的某個閾值都同意某個物體，而某些閾值不同意，那么就允許這個閾值決定人工智能系統(tǒng)做出判斷。同樣，這種方法綜合看起來依然有所不足。

加權(quán)投票法：有點類似于平等投票的方法，這種方法增加了一個權(quán)重，并選擇假設(shè)一些傳感器比另一些傳感器更重要。比如，系統(tǒng)可能傾向于認為攝像頭比雷達更可靠，所以給攝像頭一個更高的加權(quán)系數(shù)等。

概率投票法：還可以引入概率概念。傳感器有自己的控制子系統(tǒng)，可以確定傳感器是否得到了真實的數(shù)據(jù)，然后將概率使用到多個傳感器的投票方法中。

爭論方法：還有一種新的方法是讓每個傳感器“辯論”為什么他們的報告是合適的。這是一個比較有趣的概念。相關(guān)研究和實驗正在進行中。

優(yōu)先到達法：即優(yōu)先報告結(jié)果的傳感器獲勝。出于計時的目的，系統(tǒng)不會等待其他傳感器報告，從而加快傳感器的融合工作。但是從另一個角度講，無法預(yù)測下一秒鐘其他傳感器是否會報告相反的判斷，這存在一定的安全隱患。

最可靠法：在這種方法中，需要跟蹤自動駕駛汽車上無數(shù)傳感器的可靠性。當存在各個傳感器之間的數(shù)據(jù)爭議時，最可靠的傳感器將“獲勝”。

在設(shè)計自動駕駛汽車時，可以在傳感器融合子系統(tǒng)中使用以上的幾種方法。當子系統(tǒng)確定一種方法可能優(yōu)于另一種方法時，它們就可以各自發(fā)揮作用。當然，MSDF也可以通過很多其它的本文未提及的方法進行。

多個傳感器之間的差異非常重要

人類的聽覺和視覺是不一樣的。當人類聽到警報聲時，使用耳朵這種感官。耳朵不像眼睛，眼睛不能聽聲音。這個例子可以生動地說明，在自動駕駛領(lǐng)域，一定有許多不同類型的傳感器，多傳感器融合MSDF的首要任務(wù)是，要利用不同種傳感器的優(yōu)勢，同時最小化或弱化每種傳感器的弱點。

上圖中，每一種傳感器的一個重要特征都是它能夠探測到目標的距離。傳感器能夠探測到的距離越遠，人工智能駕駛?cè)蝿?wù)的提前時間和優(yōu)勢就越大。但是，一些研究結(jié)果標明，較遠端的數(shù)據(jù)可能缺乏特征或者缺乏可信度。隨著技術(shù)的日新月異，需要根據(jù)所涉及的距離確定傳感器融合的優(yōu)缺點。以下是一些常用傳感器的探測數(shù)據(jù)（隨著技術(shù)的進步，以下數(shù)據(jù)可能隨時更新）：

Main Forward Camera： 150 m （about 492 feet） typically， condition dependent

Wide Forward Camera： 60 m （about 197 feet） typically， condition dependent

Narrow Forward Camera： 250 m （about 820 feet） typically， conditions dependent

Forward Looking Side Camera： 80 m （about 262 feet） typically， condition dependent

Rear View Camera： 50 m （about 164 feet） typically， condition dependent

Rearward Looking Side Camera： 100 m （about 328 feet） typically， condition dependent

Radar： 160 m （about 524 feet） typically， conditions dependent

Ultrasonic： 8 m （about 26 feet） typically， condition dependent

LIDAR： 200 m （about 656 feet） typically， condition dependent

有專家稱，在比較各種類型的傳感器時，業(yè)內(nèi)有許多圖表試圖描述這些傳感器的優(yōu)點和缺點。專家建議不要盲目相信的這些對比圖表。因為用于比較傳感器的標準非常多，但是一些常見圖表僅僅提取幾個典型特征進行對比，缺乏可信度。如下圖（僅供參考）：

筆者觀點：在自動駕駛領(lǐng)域，傳感器是一個非常博眼球的字眼。但是，一旦涉及具體技術(shù)和魯棒性，目前并沒有太多的企業(yè)或技術(shù)型公司給出一份值得信服的答卷。業(yè)內(nèi)普遍認為，自動駕駛汽車的未來是保障人的安全，而保障人的安全都依賴于多傳感器融合MSDF。人類每時每刻都在做著“多傳感器融合”的工作，想要將自動駕駛汽車的多傳感器融合做到像人類一樣盡善盡美，還有很多復雜的工作要做。