机器人传感器融合方法综述：原理、分类体系与基准评估

《IEEE Sensors Reviews》：Sensor Fusion Techniques for Robotic Perception and Navigation: A Review

　　

摘要：

可靠的机器人感知依赖于异构传感模态的准确融合，以实现一致的环境理解、定位和控制。传感器融合提供了一种统一框架，能够协调各模态间的测量不确定性、空间对齐偏差和时间漂移，从而提升机器人整体状态估计的准确性。本文对机器人领域的传感器融合方法进行了综述，涵盖常用传感器的基础原理、校准策略、基于滤波器的方法、基于优化的方法以及学习驱动的技术。文中提出了一种分类体系，根据功能目标对融合算法进行分类。文章还讨论了现有方法中存在的挑战和局限性。在KITTI、EuRoC和nuScenes等基准数据集上提供了定量分析，以突出精度、计算成本和可扩展性之间的权衡。