标签:利用 辅助 运营 测量 man 发展趋势 鲁棒性 管理系 tip
传感器融合带来多重好处
Sensor fusion brings multiple benefits
ADAS(特别是与汽车传感器的发展趋势相吻合的汽车自动驾驶系统)。这个概念本身并不新鲜;在Google Scholar上搜索,可以找到可以追溯到20世纪60年代及更早的概念。但是今天,关于系统应该融合哪些传感器输入,以及如何应用由此产生的洞察力的知识越来越多。多少是足够的取决于应用和成本/风险效益。
传感器融合的程度取决于应用和成本/风险效益
传感器融合比以往任何时候都更为重要,因为个人犯罪分子和国家情报机构的持续存在对各地的自治系统构成了越来越大的威胁。虽然许多政治界人士担心5G网络中潜在的信息安全风险,但更大的风险来自恶意软件攻击,这些恶意软件可以扰乱和勒索自主系统所有者。系统架构师不应低估这些风险,必须避免汽车和航空制造商的错误。福特汽车公司估计,一个人的生命价值为20万美元,比修理平托轿车的燃料设计(1971年至1980年)便宜。然而,人身伤害律师和审判陪审团却不这么认为。目前的困境属于波音公司,波音公司为其737 MAX喷气式飞机提供了关键的传感器融合和冗余,但需要额外付费。因此,波音公司及其供应链正经历着目前的痛苦,而这种痛苦的结束可能需要数年的时间。
最后,促进传感器融合用于人类活动和工业应用的系统带来的经济和健康效益现在显而易见。
容错和弹性
所有的传感器和模型都有一个公差误差,使用测量相同数量的多个传感器可以提高可靠性,并为可能证明是灾难性的故障提供恢复能力。冗余增加了成本和复杂性,但正如波音和福特的例子所示,导致单点故障的短视决策可能是灾难性的。
抗攻击性
拥有恶意软件的黑客会想方设法攻击基于传感器的系统,但适当的数据融合和安全协议,包括人工智能,可以确保在面对此类攻击时的稳健运行。一种攻击手段向输入传感器注入假信号;这些信号由于发生在模拟域中,因此无法通过普通数字安全措施加以缓解。这些攻击面可能包括:
信号欺骗(激光雷达和摄像机);
和(干扰信号消除)和磁干扰信号
侧漏(使用传感器获取敏感信息的植入恶意软件)。
人体活动多传感器
随着人口老龄化,利用多传感器融合技术解释和监测人类活动将获得更好的健康结果和更低的成本。可穿戴和环境传感器融合在人类活动中的应用包括老年人护理和辅助生活、跌倒检测和姿势识别、安全和监视、运动员和急救人员状态以及残疾人的定位和导航辅助。
网络中的数据融合
数据融合和分析历史上发生在计算机或数据中心(云)上。传感技术的小型化和成本降低使得传感器融合(以及人工智能/机器学习)在边缘设备层面得以实现。未来,混合网络体系结构将在三个层次上执行传感器数据融合和分析:
低级数据融合将在智能设备或聚合多个传感器输入的网关上进行。
中级数据融合将支持更密集的分析和更广泛设备的数据融合,并与集线器网关和边缘计算相关联。
高级数据融合将驻留在数据中心或云中,以提供边缘设备管理系统的最高视角。
降低运营成本
传感器融合将通过扩大无人机(UAV)和具有自主功能的机器人等设备的使用范围和应用范围来降低运营成本。节省也将导致传感器融合将让远程操作人员做更多的事情,或从低成本的劳动力中心。应用包括自动避免碰撞检查无人机和远程司机干预主要是自动运输系统。
趋势
随着消费化在工业和物联网生态系统中扎根,预计传感器、计算和连接的小型化和成本持续降低。CES2020演示包括MEMS传感器创新,例如激光雷达反射镜的小型化,有利于汽车和智能交通系统。
传感器融合的go-to方法是一种称为Kalman滤波器的计算机算法,它通过连续的测量和预测来模拟系统的先前状态和当前状态。通过传感器输入将假信号注入到高度复杂的系统中,将引导系统架构师实现机器学习和神经网络以实现安全性和数据融合。
传感器融合提高了系统的完整性、可靠性和正常运行的鲁棒性,并提供了额外的好处来抵御来自模拟域的传感器网络攻击。通过小心地将传感器融合到他们的系统中,设计者和架构师可以减轻可能对人身、财产或经济繁荣造成伤害的故障或恶意行为的风险。
标签:利用 辅助 运营 测量 man 发展趋势 鲁棒性 管理系 tip
原文地址:https://www.cnblogs.com/wujianming-110117/p/13283409.html