异类传感器时间配准技术研究

在多传感器信息融合系统中，异类传感器之间由于异步采样及传输延迟，数据之间存在时间不匹配的问题。时间配准是把关于同一个目标的各传感器的不同步测量信息同步到某一时刻，是信息融合前的数据预处理步骤之一。如果不经过时间配准这一步骤，那么信息融合会产生较大误差，甚至无法有效进行，因此，时间配准是多传感器信息融合中不可或缺的部分。针对异步采样这一时间配准的问题来源，通过Matlab验证了最小二乘法和内插外推法两种经典算法的有效性，并将卡尔曼（Kalman）滤波引入时间配准，将插值法与卡尔曼滤波相结合，提出了一种改进的时间配准算法，提高了信息融合的精度。     

基于多传感器融合的城市道路目标检测方法

面对动态目标种类繁多的城市道路复杂场景，单一传感器无法获取准确全面的目标状态信息，针对上述问题，提出了一种基于多传感器信息融合的城市道路目标检测方法。首先，基于中心点图像检测网络获取目标尺寸大小、估计深度等信息，构建3D感兴趣区域截锥，获取目标初始状态信息，利用体素网格滤波法进行激光雷达点云预处理，减少点云冗余信息，并提出一种F-PointPillars方法融合激光雷达与毫米波雷达点云特征信息，获取目标位置和速度信息。然后，在截锥区域内，依据最近相邻原则匹配目标图像对应的点云信息，数据关联后将融合结果输入归一化头网络，获取目标准确全面的目标状态信息，为下一步决策控制提供精准数据。最后，在标准数据集Nuscenes上进行评估，与单相机检测方法和激光雷达融合毫米波雷达检测方法相比，NDS得分分别增加了9.4%和15.6%,平均尺度误差和平均角度误差分别降低了4.9%和2.9%,验证了上述方法的有效性。     

多传感器检测系统的 多步反馈融合算法

通过分析分布式检测系统的工作原理，提出了一种新的局部检测器融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正，从而达到提高检测器检测概率的目的。分析表明，该算法能有效提高系统的性能。     

基于多传感器的智能机器人信息融合,控制结构和应用

智能机器人能最佳地、综合地使用多传感器信息，具有完成某一特写任务所需的完备信息，从而实现在各种复杂、动态的、不确定环境中的自主性、多传感器信息融合是指将经过集成处理的多传感器信息进行合成。形成对外部环境某一特征的一种表达方式，经过集成与融合的多传感器信息能完善地、精确地反映环境特征，而单一传感器只能获得环境特征的部分信息段，经过集成与融合的多传感器信息具有以下特征，信息冗余性、信息的互补性、信息的     

多维置信距离方法的研究

在多传感器融合过程中，概率计算法被广泛使用，本文用两个概率分布曲线之间的“置信距离”测量方法去传感器信息的可信性，然后用总概率最大值法对数据进行融合。     

空间频率图像的智能融合

提出了一种智能地融合同一场景的多幅图像为一幅图像的方法，与原图像相比，产生的图像包含较少的噪声和更多的信息。首先对原始图像除去斑点噪声；然后，运用直方图均衡化表示图像的细节和最大化图像信息内容；第三步，运用金字塔将图像分解为子图像，利用图像的密度、空间频率等特征，寻找需要融合的图像的部分；第四步，对这些子图像进行配准，为融合做准备；第五步，对需要融合的子图像，计算每一幅的空间频率，对空间频率不同的配准子图像，将结合它们周围子图像的空间频率信息，给出这个子图像的频率（一般情况下，频率值选择一个具有最高值的像素）；第六步，为了得到更多细节，用模糊插值方法扩大这幅子图像。     

改进的镍电解三段净化智能控制系统

利用各种传感器功能上的差异与互补建立多传感器系统，通过对各传感器提供的信息进行分析、综合，获得比任何单一传感更加稳定、可靠的信息，这就是愈来愈受到重视的多传感器信息集成与融合技术本文提出了多传感器集成与多传感器融合的概念，根据镍电解三段净化过程以及所检测的传感信号，给出了多传感器集成系统概率模型和黑板式控制结构．给出了多传感器信息融合的拓扑结构和融合方法。     

多传感器融合综述

对智能机器人领域的多传感器融合的研究现状进行了讨论。首先，对该领域研究中的一些问题进行了概述，包括信息描述空间、数据关联与时间同步、验前信息和融合结构等，然后把已有的融合方法分类成概率统计方法和人工智能方法进行重点介绍。最后，强调了融合结构在多传感器融合研究中的作用，并且对多传感器融合的未来研究作了进一步的展望。     

一种基于雷达数据的异步融合方法

对于多传感器信息融合系统,因不同传感器的采样周期的差异,融合中心所收到的一般为异步信息.而直接采用同步融合算法对异步信息进行融合往往无法达到理想的融合效果.本文为解决此类融合问题提出了一种具备噪声辨识能力的自校正插值融合方法,该方法可以对任意周期的传感器数据进行异步融合操作,并对未知系统噪声方差进行辨识,或对由插值所引入的噪声方差变化加以修正.     

浅谈中职学校计算机专业课程实践能力的培养

对于多传感器信息融合系统,因不同传感器的采样周期的差异,融合中心所收到的一般为异步信息.而直接采用同步融合算法对异步信息进行融合往往无法达到理想的融合效果.本文为解决此类融合问题提出了一种具备噪声辨识能力的自校正插值融合方法,该方法可以对任意周期的传感器数据进行异步融合操作,并对未知系统噪声方差进行辨识,或对由插值所引入的噪声方差变化加以修正.