狀態(tài)估計(jì)(State Estimation)選用傳感器需要考慮哪些因素：
1）誤差不相關(guān)性。也就是說(shuō)，用于Sensor Fusion的傳感器其中單個(gè)傳感器(Sensor Measurement)測(cè)量失敗，不會(huì)導(dǎo)致其它傳感器(Sensor)由于相同的原因而同時(shí)失敗。
2）傳感器的相互補(bǔ)充性。 比如IMU可以填充GPS兩次定位間隔期間的定位輸出，用于平滑GPS/GNSS的定位結(jié)果；GPS為IMU提供初值，消除IMU單獨(dú)使用出現(xiàn)的偏移(Drift)的問題；Lidar可以彌補(bǔ)定位精度的問題，而GNSS可以為L(zhǎng)idar定位地圖匹配提供地圖范圍數(shù)據(jù)。
傳感器的標(biāo)定(Sensor Calibration)
如果想要各個(gè)傳感器能夠相互協(xié)同，無(wú)間配合，傳感器的標(biāo)定是必不可少的。傳感器的標(biāo)定通常分為三種: 內(nèi)參標(biāo)定(Intrinsic Calibration)、外參標(biāo)定(Extrinsic Calibration)和時(shí)間校準(zhǔn)(Temporal Calibration)。
自動(dòng)駕駛汽車一般包含多個(gè)Camera、3D 激光雷達(dá)(Lidar)、慣性測(cè)量單元(IMU)、多個(gè)Radar、GPS/GNSS Reciver、輪速計(jì)(Wheel Odmetry)，這些傳感器在運(yùn)行過(guò)程中時(shí)刻都在以不同的頻率發(fā)送不同類型的數(shù)據(jù)，多傳感器融合模塊需要將這些信息融合起來(lái)，不斷更新自動(dòng)駕駛車輛的狀態(tài)(Vehicle State)。多傳感器融合進(jìn)行狀態(tài)估計(jì)(State Estimation)的流程如下：
車輛運(yùn)動(dòng)模型(Motion Model Input)如下，它的信息一般來(lái)自于IMU，包含x、y、z三個(gè)方向上的加速度和角速度，是一個(gè)6維向量。
EKF的IMU+GNSS+Lidar多傳感器融合流程如下:
1）Update State With IMU Inputs? ?使用IMU的信息 用運(yùn)動(dòng)模型來(lái)更新狀態(tài)
2 、?Propagate Uncertainty? 不確定性更新
3、當(dāng)有GNSS或者LIDAR測(cè)量結(jié)果到達(dá)時(shí)，進(jìn)入步驟4），否則進(jìn)入步驟1）。
4、計(jì)算GNSS/Lidar的卡爾曼增益(Kalman Gain)。? ?使用傳感器測(cè)量模型H和不確定性P
4、計(jì)算Error State。? 計(jì)算狀態(tài)誤差
5、Correct Predicted State。? ?狀態(tài)預(yù)測(cè)
6、Compute Corrected Covariance。 不確定性預(yù)測(cè)
