专栏⑳·第3篇：感知融合——多传感器时间与空间对齐

原始 Flomo：https://v.flomoapp.com/mine/?memo_id=MjUyMTU1NjQz

专栏⑳·第3篇：感知融合——多传感器时间与空间对齐

▎ 为什么需要融合
单传感器都有盲区：摄像头怕雨雾、雷达分不清类型、激光怕大雨。融合 = 拿一个的强补另一个的弱，1+1>2。

▎ 融合的两个地基

1. 空间对齐：所有传感器坐标系统一到车体坐标系——外参标定（每个传感器相对车体的旋转 + 平移）；标错 = 融合目标位置偏
2. 时间对齐：不同传感器帧率不同（摄像头 30fps、激光 10Hz、雷达 20Hz）——用时间戳插值/外推到统一时刻；时间不同步 = 运动目标位置错位（接时间同步专题）

▎ 三种融合架构

1. 前融合（数据级）：原始点云 / 像素融合——信息最全，算力要求最高
2. 后融合（目标级）：各自先出目标，再关联匹配（匈牙利算法 / IOU 匹配）——常用，容错好
3. 特征级融合：中间态特征拼接——折中

▎ 融合的核心算法

• 目标关联：帧间 / 传感器间的目标匹配（距离 / 速度 / 尺寸相似度）
• 状态估计：卡尔曼滤波（KF）/ 扩展卡尔曼（EKF）/ 无迹卡尔曼（UKF）——预测 + 更新
• 目标生命周期：新建 / 确认 / 跟踪 / 消失——确认阈值防虚警

▎ 三个坑

1. 时间戳没对齐就融合：高速目标位置错几米——先统一时间基准（StbM / gPTP）
2. 外参标定漂移：整车振动后传感器移位——标定失效要能检测（回标定）
3. 虚警 vs 漏检权衡：确认阈值太低虚警多（幽灵刹车），太高漏检（撞上去）——阈值按场景调

▎ 一句话：融合 = 空间对齐 + 时间对齐 + 目标关联 + 状态估计；地基是标定和时间同步，虚警 / 漏检的权衡是调优主战场。

📎 时间同步专题导航 → https://v.flomoapp.com/mine/?memo_id=MjUxMjAzOTEx
📎 第2篇：感知层 → https://v.flomoapp.com/mine/?memo_id=MjUyMDEzNTQy
📎 AI 专栏⑯导航 → https://v.flomoapp.com/mine/?memo_id=MjQ2Mzc0NzUw

专栏⑳进度：3/10篇

自动驾驶