“什么是真的？”这便是传感器交融应该答复的中心问题。
传感器交融是一种将多个物理传感器组合起来以发生准确“实在”的丈量成果的技能，即便每个传感器本身或许都不牢靠。
“什么是真的？”这便是传感器交融应该答复的中心问题。
传感器远不是完美的设备，在某些条件下，甚至会发生过错丈量成果。
那么，咱们怎样应对不完美的传感器呢？
咱们能够添加更多的传感器，由于传感器越多，盲点越小。可是为了处理由此发生的许多含糊性数据，相应的数学处理变得愈加困难。而现代的传感器交融算法的出现，就刚好处理了多个传感器数据处理的问题。
传感器交融算法
①、Kalman滤波器
Kalman滤波器是最为典型的。
该算法的中心是为每个传感器设置一组“信仰”因子。每一个时刻，来自上一个时刻的传感器数据都会被用来核算以进步猜想（自加归），一同传感器的质量也被判别，在猜想值与传感器实测值的比较中，会估量出一个最优值进行输出。
这意味着，假如一个传感器总是给出杰出的、共同的值，开端奉告你一些不太或许的作业，那么传感器的可信度等级会在几毫秒内下降，直到它重新开端讲道理。
这比简略的均匀或投票要好，由于Kalman滤波器能够处理大多数传感器暂时异常犯错的状况，只需一个人能坚持杰出的沉着，那么它便能让机器人度过漆黑的时刻。
Kalman滤波器是Markov链和Bayesian推理的更一般概念的运用，这是一种数学体系，它们运用依据迭代地改善他们的猜想。这些东西是用来协助科学本身查验思维的东西（也是咱们所说的“核算含义”的根底）。
因而，能够诗意地说，一些传感器交融体系正在以每秒一千次的速度表达科学的实质。
Kalman滤波器现已被用于空间卫星的轨迹站坚持几十年了，由于现代微操控器能够实时运转该算法，它们在机器人学中正变得越来越盛行。
②、PID过滤器
而更简略的机器人体系具有PID过滤器。这能够被以为是原始的Kalman滤波器——全部的迭代调整都被砍掉，用三个固定值替代。
即便PID值是主动调整或手动设置的，整个“调整”进程（调整、飞翔、判别、重复）都是Kalman的外部化版别，由人履行信仰传达进程，但其基本原则依然存在。
③、自定义过滤
实在的过滤体系一般是混合体，运用了以上两种滤波办法。
完好的Kalman包含对机器人有含义的“操控指令”术语，比方：“我知道我把方向盘向左转了。指南针说我往左走，GPS以为我仍是直行。我信赖谁？”
而当经典的最简略的操控回路Kalman滤波器运用在恒温器上时，它能够经过耍弄旋钮，等候发生什么来判别温度计和加热器的质量。
单个传感器一般无法影响实在国际，因而能够经过多个传感器，并运用算法，进行穿插检查以进步丈量准确性。
传感器交融的实质——权衡各个传感器
在本文的其余部分，咱们将重视物理方位，但相同的主意也适用于任何你想丈量的量。你或许会以为多个相同类型的备用传感器是可行的，但这常常以不幸的办法结合了它们相同的缺点。
相比之下，混合体系才更强壮。没有任何一种传感器能够让咱们百分之百信赖，由于每一个都只处理了一个问题，出现不同片段，而结合起来才干看见本相。
让咱们来看看在四旋翼机上运用的一些典型传感器，并评论它们的优势、缺点以及其在传感器交融中的发挥的效果。
全球定位体系
GPS具有清楚明晰的局限性。采样差错或许有两米，差错也会随卫星漂移。
假如你想用全球定位体系来取得准确到厘米的方位，你需求把它钉在恰当的方位，并在几天内进行丈量。这显着不是咱们想要的。但事实上，在空中高速移动，即便是100Hz的GPS设备也不能进行时刻滑润。
GPS也不能奉告你面临的方向，只奉告你移动的方向。
别的，Z分辨率（高度）能够是经纬度的十分之一。所以，咱们得给地上留出20米的地步。这意味着单靠全球定位体系并不能奉告你你离地上有多远，只知道你离海平面有多远。合乎逻辑的处理办法是在起飞前读取一个读数，但之后咱们又有一个20米差错条。而且在飞翔中，地上临GPS信号的影响是不同的，所以咱们不能假定这些差错会在长时刻内消除——虽然它们一开端会消除！
明显一个GPS是不行的。
咱们不能在离地上20-40米的范围内牢靠地飞翔，这至少是五层楼的高度，这关于安全边沿来说是一个很长的间隔。在现实生活中，能在国际上任何一个有20米笔直差错的当地定位自己是十分令人惊讶的…但这并不能阻挠咱们撞车，假如没有差分GPS地上站，贵重的高速接纳器和一些好的拓扑图。
声纳、激光雷达、雷达/光流
因而，假如用卫星进行三角丈量并不是避开地上的最佳办法，那就让咱们试着直接“看到”它吧！
现在至少有三种现成的测距技能能够发射信号并检查反弹需求多长时刻：声纳、激光雷达和雷达模块现在都能够运用。
可是，这些传感器有缺点：
缺点1：吸收
有些外表便是不反弹信号。窗布和地毯吸收超声波，深色涂料吸收激光雷达，水吸收微波。你不能逃避你看不见的东西。
缺点2：相搅扰
传感器间存在信号搅扰，当你把多个相同的传感器放在一同时会发生什么？你怎样知道你检测到的信号便是这个传感器的？即便是单个传感器也有必要处理来自本身的串扰，等候满足长的时刻让回声消失。
能够对信号进行“编码”（基本上是加密），这样每个信号都是仅有的，但这添加了设备的杂乱性。第二个最好的处理方案是将信号方案半随机化，这样就不会确认时刻，而且一向被同步信号诈骗。
光流传感器是一种不同的办法，它运用摄像机来观察镜头中的物体是变大了（标明地上/墙面正在快速上升），仍是变小了（当障碍物消失时），仍是向侧面滑动。相机不会像声纳那样互相搅扰，假如你真的很聪明，你能够估量歪斜和其他3D特点。
光流传感器依然存在“吸收”缺点。你需求一个很好的纹路外表让他们看到活动，就像他们的光学鼠标不能在玻璃上作业相同。它们正变得越来越盛行，由于流核算现在现已是你能够放入FPGA或快速嵌入式核算机中的东西。
陀螺仪
终究一个问题是几许问题。假定物理传感器在四边形上飞翔。假如你站在一个角度上，毕达哥拉斯说地上看起来会比实践间隔更远。歪斜得满足大，咱们底子看不到它，虽然咱们离撞车只要几厘米远。
为了纠正这一点，咱们需求知道咱们的倾向。这意味着……
陀螺仪和加快度计一同被称为“IMU”，但它们常常出现在一同的原因是它们自然地掩盖了互相的首要缺点。它们是经典的交融对。
可是，独自来说，陀螺仪是最好和最洁净的传感器数据来历，你将得到接连的方位丈量。
无需太多细节，陀螺仪是由刻蚀在芯片外表的微机械音叉制成的。当芯片旋转时，一些音叉上会有力，它们会互相改动腔调。
MEMS陀螺仪简直不受任何运动的影响，除了旋转。即便是剧烈的振荡也不会影响它们（在标准范围内），由于这是横向加快度。
假如你看一个多旋翼的内部操控回路，它便是飞翔操控器用来在空中坚持水平的陀螺仪。一些速率形式的飞翔员彻底封闭加快度计，给陀螺更多的带宽，由于陀螺仪有许多重要的头绪。
假如你知道半毫秒前你在哪里，你想知道尔后发生了什么改变，那么陀螺仪是快速、准确和牢靠的。且他们不需求有弹性的外表或卫星。
陀螺的缺点是漂移。不论你怎样尽力，它们好像都会绕着一个随机的轴渐渐旋转。每次旋转需求几分钟，但即便是一块不动的砖块也会悄悄旋转。累积相对样本以取得“肯定”估量值也会将差错条相加。上升陀螺仪差错需求经过外部肯定参阅符号定时“归零”。
加快度计
这便是为什么加快度计是陀螺仪最好的朋友：由于它能探测到肯定的“向下”参阅（至少，当它们处于地球引力状况时）。
好吧，一般来说。从一个时刻到另一个时刻，它接纳重力、线加快度、旋转发生的离心力、振荡、噪音，当然还有传感器的缺点。
因而，虽然高采样率和杰出的MEMS传感器精度（一般与陀螺仪相同好），加快度计数据依然是噪声最大、最不可信的数据之一。它接纳到了多个有必要消除歧义的“信号”。但正是对全部这些不同信号的敏感性使它变得如此通用——它能听到全部。
加快度离咱们实在想要知道的方位还有两个积分进程，所以咱们有必要总结许多的三角洲和差错线，从丈量的加快度到估量的速度，然后咱们有必要再做一次才干得到估量的方位。过错不断累积。
这便是为什么GPS是加快计最好的朋友：由于它会定时“调零”不断增加的方位差错，就像加快计悄悄地调零陀螺仪的方位差错相同。
磁强计
好的指南针不应该被忽视。可是，与加快度计相同，它一般被用作长时刻陀螺漂移的一种操控办法。知道哪个方向是向上的比知道哪个方向是磁北更有用——可是，有了这两个，咱们就能够知道咱们在地球上的实在肯定方位。
它们常常与GPS接纳器配对，由于它们又一次对抗了互相最大的缺点，而在其他方面却严密般配。一个给出大略的肯定方位，另一个给出大略的肯定方向。
结语：
“传感器交融”现在明显仅仅一个进程，即获取全部这些输入，并将它们连接到相似Kalman滤波器的东西上。请注意，咱们想知道的是“本相数据”，不是咱们的任何传感器直接丈量的，“本相数据”是能够揣度出来的。
Kalman滤波器之外的逻辑阶段是隐马尔可夫模型（HMMs），咱们经过说有一个称为笔直高度的“躲藏”特点来调用它，而咱们并没有直接观察到它（虽然有许多丈量成果直接地标明晰它是什么）。在收集了满足的依据之后，虽然样本数据很喧闹，咱们仍是能够十分确认答案的实在性。
当你把全部的传感器数据拉到你的主微操控器里，然后在那里做数学运算，可是要十分当心时刻混叠效应。假如一个传感器的时刻相关于其他传感器偏移，那么交融成果会以古怪的办法输出。
想一想，假如你有一个传感器块，你滑过一张桌子，但在一半的时分，你将它翻转90度。
IMU应该看到“侧向滑动，旋转90度，向上滑动”——将其整合到空间中的实在方位，你应该得到一条平整的直线。但假如“翻转90”陀螺仪信号推迟（或仅仅时刻戳欠好），则加快度计矢量不会在每一会儿都正确地旋转回作业台的平面上，当运动“走漏”到过错的轴上时，会有一些笔直漂移。不是由于传感器的任何差错，而是朴实由于处理次序。
这便是为什么有些厂商做IMU要做全产线。陀螺仪和加快度计和外部磁强计都自己做，以确保时刻不混叠。交融后，IMU向微操控器陈述一个理想化的运动矢量，然后得到更共同的成果。当然，总有一个折衷：交融的运动更新（至少关于这个芯片来说）比原始值来得慢。
假如你以为操控过滤器过于杂乱，更信赖原始传感器，那么大可不必做交融。但假如你想要的是准确（或许你只关怀终究答案），那就让芯片为你交融吧。
