车辆定位系统中数据融合机制的创新

融合过程通常被分为三种模式--低级、中级和高级融合：数据层面结合了几个相同类型的原始预处理数据的来源，产生一个新的数据集，预计比输入的信息量更大，更有用。

数据融合是将来自多个传感器的数据和相关信息结合起来的过程，以实现比使用单个独立传感器所能实现的更具体的推断。特征级将诸如边缘、线条、角落、纹理或位置等特征结合成一个特征图，用于图像的分割、物体的检测等等。决策融合的方法有投票、模糊逻辑和统计方法。

多传感器数据融合的各种方法包括加权平均、贝叶斯估计器、自适应观测器、代数函数、模糊逻辑、神经网络、软计算、非线性系统融合和卡尔曼算法。

这些方法的缺点包括必须在车辆定位系统中增加新的传感器。使用需要以前的信号统计知识的线性估计模型。存在一个以上的故障信号，这是对性能的基本限制。需要了解车辆定位系统的行为以及产生管理规则。

转自：互联网