2026《多传感器数据融合的国内外研究现状文献综述》2700字.docxVIP

多传感器数据融合的国内外研究现状文献综述

1多传感器数据融合的国外研究现状

多传感器数据融合系统需要对各个传感器的各项性能参数有深入研究，针对分析不同场景所需传感器的检测需求，通过测试分析目标检测准确度来完成环境感知系统的实时运行。包括对目标物体的速度、距离以及行驶情况进行检测能相对减少危险事故发生。

数据融合在1970年首次被美国提出，用于军事用途，随后美国将多传感器数据融合与军事用途紧密结合并将其确定为重点研究对象。该技术的出现推动世界各国进行数据融合的课题研究，西方国家每年创办数据融合专题会议，深入探究该技术的进一步发展，相继成立专题研究组，促进进一步技术交流。

Vladimir等人[6]提出无监督式算法即将雷达与摄像头在GAN非监督式学习算法下进行融合。通过CMGGANs网络可以将雷达点云数据生成摄像头图像检测雷达传感器中的环境，并在真实场景中验证融合算法。该算法与InfoGANs对照比较检测效率更好。

Wei等人[7]提出一种减少激光雷达假阳性检测的融合方法，利用在相机图像上放置信标通过神经网络实现相机到LiDAR的投影，信标能够提高激光雷达检测目标的能力从而实现避免假阳性的检测，该方法有效提升目标位置的检测性和信息标记能力。

Rahul等人[8]研究在ROS系统下的数据融合模型，该模型是通过将相机目标与雷达点云聚类耦合的方法标记距离，将雷达点云数据与相机数据利用分类器映射检测到的物体，在ROS系统下将来自两个传感器的数据进行分类从而完成传感器数据同步，该融合算法在验证融合系统时选取0-150米距离范围，通过变速及在不同天气条件下检测融合系统测试及跟踪目标的有效程度，验证表明在此算法下分类精确度好。

Mokhtar等人[9]研究一种可转移信念函数模型下的融合系统提高车辆在不同环境下检测效果。该融合系统受环境影响较小，可以在模型精度不高时重新分配，保证传感器在识别过程中检测目标物体的连续性，该文在分析检测模块时指出，通过模拟场景分析五种检测情况，采用Bayesian融合，减少误检率。

Felix等人[10]提出CameraRadarFusionNet(CRF-Net)网络成融合网络，利用激光雷达与相机两种传感器通过融合网络进行处理，处理传感器的相关噪声干扰，通过VGG16增加层数进行融合，建立多个数据集验证多模态神经融合这一方法可以有效探测目标，这个融合方法的优势在于能够解决雷达点云数据处理难点。

2多传感器数据融合的国内研究现状

国内数据融合处于发展上升趋势，科研学者深入研究，环境感知传感器中激光雷达传感器在无人驾驶环境感知中应用较多，是无人驾驶汽车必备传感器之一。

Guan等人[11]利用雷达和摄像头研究一种实时决策集融合方法进行车辆识别检测，该方法将彩色图像性能较好的YOLOv3目标检测算法与D-S理论相结合进行数据融合，提出图像稠密化方法将点云稀疏数据完成二维转换，经传感器配准后将采集到的RGB图像与点云数据进行融合。该融合算法是将三部分框架互补融合，实验数据基于KITTI数据集验证表明基于该框架下能够提高检测率和数据处理时间，检测率能够提高2.84%、时间处理缩短至0.057s，达到实时检测要求，能够准确获取目标车辆位置及距离。

Yi等人[12]研究一种新的多传感器空间标定和目标检测融合跟踪（MFOTA）方法。首先通过坐标系旋转及平移进行空间标定并对比相关标定方法，然后基于该文提出的融合框架进行目标测量、速度分析以及跟踪，无需使用Kalman滤波定位，低速下也能够满足实时检测需求。

Zhang等人[13]提出新的基于多传感器融合识别障碍物算法。该算法利用深度学习定位识别目标物体，通过RCNN确立ROI区域将滤波处理后的点云信息投影到图像平面，随后利用深度学习对ROI区域进行识别跟踪，运用该方法减少处理时间，避免大量处理图像，只需要在ROI中提取有效目标物体的形状，算法检测效率达到91.6%。

Deng等人[14]研究多尺度融合策略。主要提升多传感器识别过程中小物体的检测能力，通过将Enet模块与CRF-RCNN模块结合的方法提高识别性能，并对该问题出的三种模块性能进行对比分析，通过多模式Enet能够提高小尺度目标的检测性能。

HU等人[15]针对不同道路景观的分析，提出在越野环境下多传感器数据融合检测是否准确的问题，分析目标检测的体系结构及传感器的选择，阐述了越野环境需求的传感器融合技术。

Jiang等人[16]提出加权信息融合算法将毫米波雷达与相机数据融合，通过对雾天数据采集进行去雾处理，将毫米波雷达传感器与相机结合，并利用YOLO算法提取图像特征，最后根据加权的方法提取ROI，在VOC数据集中验证大雾天气条件下的目标物体时别的优势。

杜佳佳等[17]介绍当前发展或正在验证中的数据融合应用和算法，从应