多傳感器信息融合技術(shù)在智能駕駛系統中的應用

　　為了克服這些問(wèn)題，利用信息融合技術(shù)提出了一些新的方法，諸如參考資料[5～6]所述的融合超聲波傳感器和圖像傳感器的信息、融合雷達與圖像信息或激光與圖像信息等。利用這些方法可以得到較單一傳感器更為可靠的探測。

2.2 信息融合的基本原理[1]

　　所謂信息融合就是將來(lái)自多個(gè)傳感器或多源的信息進(jìn)行綜合處理，從而得出更為準確、可靠的結論。多傳感器信息融合是人類(lèi)和其它生物系統中普遍存在的一種基本功能，人類(lèi)本能地具有將身體上的各種功能器官(眼、耳、鼻、四肢)所探測的信息(景物、聲音、氣味和觸覺(jué))與先驗知識進(jìn)行綜合的能力，以便對其周?chē)沫h(huán)境和正在發(fā)生的事件做出估計。由于人類(lèi)的感官具有不同度量特征，因而可測出不同空間范圍的各種物理現象，這一過(guò)程是復雜的，也是自適應的。它將各種信息(圖像、聲音、氣味和物理形狀或描述)轉化成對環(huán)境的有價(jià)值的解釋。

　　多傳感器信息融合實(shí)際上是人對人腦綜合處理復雜問(wèn)題的一種功能模擬。在多傳感器系統中，各種傳感器提供的信息可能具有不同的特征:時(shí)變的或者非時(shí)變的，實(shí)時(shí)的或者非實(shí)時(shí)的，模糊的或者確定的，精確的或者不完整的，相互支持的或者互補的。多傳感器信息融合就像人腦綜合處理信息的過(guò)程一樣，它充分利用多個(gè)傳感器資源，通過(guò)對各種傳感器及其觀(guān)測信息的合理支配與使用，將各種傳感器在空間和時(shí)間上的互補與冗余信息依據某種優(yōu)化準則組合起來(lái)，產(chǎn)生對觀(guān)測環(huán)境的一致性解釋或描述。信息融合的目標是基于各種傳感器分離觀(guān)測信息，通過(guò)對信息的優(yōu)化組合導出更多的有效信息。這是最佳協(xié)同作用的結果，它的最終目的是利用多個(gè)傳感器共同或聯(lián)合操作的優(yōu)勢來(lái)提高整個(gè)系統的有效性。

2.3 常用信息融合算法

　　信息融合技術(shù)涉及到多方面的理論和技術(shù) ，如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術(shù)、神經(jīng)網(wǎng)絡(luò )和人工智能等。由不同的應用要求形成的各種方法都是融合方法的一個(gè)子集。表2歸納了一些常用的信息融合方法。

2.4 智能駕駛系統中信息融合算法的基本結構

　　由于單一傳感器的局限性，現在ITS系統中多使用一組傳感器探測不同視點(diǎn)的信息，再對這些信息進(jìn)行融合處理，以完成初始目標探測識別。在智能駕駛系統中識別障礙常用的算法結構如圖2所示。

3 CLARK算法