《Sensors》：A Survey on Intelligent Perception, State Estimation and Multimodal Navigation Technologies for Resource-Constrained Autonomous Systems
资源受限的自主系统，包括小型无人机（UAV）、移动机器人和工业自动导引车（AGV），必须在计算能力、功率、内存、有效载荷和通信的严格限制下实现可靠导航。本综述考察四个相互关联的领域：智能感知（intelligent perception）、学习增强状态估计（learning-enhanced state estimation）、多模态导航融合（multimodal navigation fusion）和边缘部署（edge deployment）。研究人员分析了近期方法如何在嵌入式平台上平衡精度、鲁棒性、延迟和能效。综合结果表明，该领域正从孤立的算法优化转向集成式、部署感知的导航框架，并识别出泛化能力、基准测试和系统级验证方面依然存在的挑战。
1. 引言
本文针对资源受限自主系统（如小型无人机、移动机器人、工业AGV）在动态、非结构化、GNSS拒止环境中的导航需求，指出可靠导航必须在有限计算与功率约束下实现实时感知、状态估计、规划与控制。论文提出一个覆盖感知–估计–融合–部署闭环的综述框架，强调多模态融合作为跨层次信息集成机制，部署约束贯穿整个闭环。主要贡献包括组织完整技术体系、比较代表性方法、总结故障感知融合策略、评估数据集与开放挑战。
2. 综述方法与分类体系
2.1 范围定义
关注小型UAV、移动机器人、AGV、农业与巡检机器人等平台，其板载计算、功率、载荷、散热、存储或通信带宽限制算法与传感器选择。范围涵盖面向导航的感知、学习增强状态估计、多模态融合及边缘部署，不涵盖纯路径规划、运动控制、机械结构设计、通信协议及与导航闭环弱耦合的通用视觉识别任务。
2.2 文献收集与定性选择策略
本文是叙述性技术综述，而非PRISMA式系统综述。文献主要从Web of Science、IEEE Xplore、ScienceDirect、SpringerLink、ACM Digital Library、Google Scholar、arXiv和MDPI等来源收集，依据与自主导航、环境感知、状态估计、多传感器融合或边缘部署的相关性进行定性选择，优先纳入具有清晰算法框架、系统架构或实验验证的研究。因此所综述工作具有代表性而非穷尽性。
2.3 分析框架与分类维度
从功能、集成和实现维度组织文献，将分类体系划分为四个相互关联且非排他的分析维度：智能感知、学习增强状态估计、多模态导航融合、边缘智能部署。该分类支持比较，但不规定串行处理架构；实际系统中融合测量可直接更新状态，运动估计可辅助感知，部署限制会改变传感器选择、模型复杂度、更新率与调度。
3. 智能感知
3.1 智能感知在自主导航中的作用
智能感知将传感器数据转换为环境信息，支撑定位、建图、避障、规划与任务执行。输出包括目标、边界、深度、局部特征、自由空间、语义地图、BEV网格、占据状态和动态目标状态。小型平台需同时满足精度、延迟、内存与功率限制，因此评价应包含计算成本、内存、能耗和持续运行能力，而不只是mAP、mIoU或准确率。单传感器无法覆盖所有条件，学习式多模态表示可挖掘互补特性。
3.2 基于视觉的任务与场景感知
相机具有低成本、紧凑、低功耗和高信息密度等优点，适合小型UAV、移动机器人和AGV。视觉感知是层级化过程：目标检测、语义分割、实例分割、可通行区域识别和动态目标感知分别从对象、像素、实例和风险层面支撑导航闭环。嵌入式视觉感知需要轻量模型，如MobileNet、ShuffleNet、EfficientDet、紧凑YOLO/Transformer变体，以及剪枝、量化、蒸馏等技术。导航导向设计可优先关注障碍物、可通行区域、动态目标和任务目标，并采用任务驱动策略降低推理负担。
3.3 2D–3D联合感知与语义理解
图像提供丰富语义但不直接提供稳定深度与尺度，3D观测提供距离、表面几何和占据关系。针孔相机模型描述了3D点与2D投影之间的几何关系，深度值可通过反投影恢复3D点。代表性范式包括将图像特征反投影到体素或点云空间（如3DMV），以及用2D检测框定义3D视锥进行局部点云处理（如Frustum PointNets）。生成语义点云可支持动态目标过滤、语义建图和长期更新，但受标定、同步、动态目标不一致以及视场/分辨率不匹配影响，需采用稀疏或区域聚焦的3D处理和在线标定。
3.4 相机–LiDAR融合三维场景理解
相机提供语义，LiDAR提供度量几何，两者互补明显。融合层级可分为数据级、特征级、决策级和统一空间表示融合。数据级融合通过外参将LiDAR点投影到图像平面，进行点着色或生成语义点云；特征级融合通过投影、注意力或Transformer对齐跨模态特征；BEV融合在俯视空间中统一多模态特征，适合检测、建图和规划。该技术提升了三维目标检测、自由空间识别和语义建图性能，但部署受LiDAR成本、有效载荷、功率、稀疏测量、视场范围以及标定和同步要求限制。
3.5 基于BEV和占据的统一环境表示
BEV表示将多视角图像、LiDAR点云或多模态特征映射到统一俯视坐标系，描述道路边界、障碍物位置、车道结构和可通行区域，与规划模块接口自然。占据表示在离散3D空间上预测自由、占据、未知和可选语义状态，保留树枝、电线、楼梯等垂直结构，更完整地支持UAV和室内导航。两者均存在内存和计算密集的问题，可采用局部BEV、稀疏或分层占据、关键区域高分辨率以及选择性边缘–云更新来降低开销。
3.6 小结
智能感知正从图像级识别转向可直接用于规划的空间表示。对于资源受限平台，核心设计问题是保留导航所需的语义与几何信息，同时控制标定敏感度、计算、内存和能耗。
4. 学习增强的状态估计
4.1 自主导航中的状态估计挑战
状态估计回答“系统在哪里、如何运动、估计有多可靠”，需连续输出位置、姿态、速度、角速度、传感器偏差及不确定性。室内移动机器人需在无GNSS环境依靠相机、LiDAR、IMU、轮式里程计或UWB定位；UAV需高频率状态反馈；室外平台需应对GNSS遮挡、多路径、视觉退化、LiDAR稀疏和IMU漂移。状态估计的难点不仅是精度，还包括鲁棒性、实时性和长期稳定性。
4.2 传统滤波与优化方法的局限性
经典估计器包括卡尔曼滤波变体、粒子滤波以及非线性VIO/SLAM后端，它们依赖准确的系统模型、已知噪声统计和可靠观测。固定协方差模型难以适应IMU温度/振动变化、视觉纹理变化、GNSS遮挡和LiDAR天气退化。EKF线性化在快速运动或初始化不佳时可能不一致，UKF随状态维数增长，粒子滤波存在退化与计算成本问题。VIO/SLAM还依赖稳定跟踪、正确数据关联和有限优化窗口，且传统方法缺乏主动评估观测质量和场景变化的能力。
4.3 自适应滤波与噪声学习
自适应滤波通过新息、残差或传感器质量线索在线更新协方差或观测权重，可解释且计算便宜但常需人工调节。学习模块可从图像质量、特征跟踪、IMU振动、GNSS信号指标或LiDAR注册残差中估计噪声或置信度，保留滤波结构并适应当前条件。风险包括域依赖、物理上不合理的协方差和错误置信度，因此预测协方差必须保持正定和校准，并与残差、物理先验和在线一致性检查相结合。
4.4 神经卡尔曼滤波与可微分粒子滤波
神经卡尔曼滤波（如KalmanNet）在递归预测–更新结构中嵌入神经网络，学习增益、残差修正、转移误差或协方差映射，兼顾可解释性与非线性适应。粒子滤波可表征非线性、非高斯或多模态后验，但存在退化与高采样成本；可微分粒子滤波将粒子传播、观测评分、权重更新和重采样构造为可微分过程，可学习观测模型或提议分布。两者均需轻量模型和有界更新，且需验证全运行过程的发散率、协方差校准和物理一致性。
4.5 学习辅助的VIO与SLAM
学习辅助系统针对VIO/SLAM中的脆弱组件，而不是完全替换估计器。学习模块可提供关键点、描述子、匹配和光流，提升外观变化下的鲁棒性；可提供深度先验辅助单目尺度恢复；可通过语义或运动分割排除动态特征。在架构上分为前端增强、后端辅助和端到端估计。学习还可增强回环检测、重定位和失效监测。对于资源受限平台，前端增强和后端辅助通常更实用，因为它们保留传统几何优化的稳定性。
4.6 小结
学习增强状态估计的最有效方式是使用紧凑学习模块改进噪声适应、观测评估或脆弱VIO/SLAM组件，同时经典滤波和几何优化保留物理结构。部署价值取决于泛化能力、不确定性处理、计算开销、长期一致性和经验证的回退路径，而非仅离线精度。
5. 多模态导航与传感器融合技术
5.1 多模态导航融合的基本问题
相机、IMU、GNSS、LiDAR、雷达、UWB、轮式里程计等传感器具有不同采样率、坐标系、延迟、可观测性、噪声特性和失效模式。融合不仅需要组合数据，还需评估传感器可靠性、拒绝异常观测、分配适当权重并传播不确定性。资源受限平台还需考虑有效载荷、功率、带宽、计算、内存和延迟。
5.2 典型传感器互补性与融合层级
相机提供语义和视觉里程计，但受光照、模糊、遮挡或弱纹理影响；IMU提供高频运动但会漂移；GNSS提供全局位置但受遮挡和多路径影响；LiDAR提供度量几何但计算内存成本高；雷达在恶劣可见度下鲁棒；UWB依赖基础设施提供室内测距。融合可在数据、特征、状态、因子图或地图层级进行。资源受限系统应采用分层任务导向融合，以紧凑前端提取关键观测，用有界滤波或滑窗组合状态约束，仅维护局部或任务相关地图。
5.3 视觉惯性及视觉-惯性-GNSS融合
视觉惯性融合结合相机空间约束与高频IMU传播，提供连续低成本局部位姿估计。紧耦合系统（如VINS-Mono、VINS-Fusion）使用关键帧、边缘化、滑窗和回环/全局约束。VIO主要提供局部相对定位，长期运行存在漂移；GNSS可提供绝对位置约束以抑制长期漂移。GNSS可融合位置解或原始观测（伪距、多普勒、载波相位），紧耦合更有效但需管理时钟、帧、时序、异常值和计算。
5.4 LiDAR惯性及LiDAR-视觉-惯性融合
LiDAR惯性融合利用IMU传播与运动补偿，以扫描配准提供几何估计，在视觉退化时鲁棒。典型方法如FAST-LIO（滤波式）和LIO-SAM（平滑式）。当走廊、开阔场、隧道等几何退化时，LiDAR惯性估计会欠约束。加入视觉可提供纹理、语义和回环，LiDAR提供度量几何，IMU连接不同更新率。紧耦合因子图（如LVI-SAM）增强灵活性，但提高标定、关联、同步、异常值剔除和调度要求。高线数LiDAR成本功耗高，低线数或固态LiDAR可用于小型平台，但需稀疏点云处理和局部子图维护。
5.5 模态退化、故障检测与资源受限挑战
退化检测可从传感器特定和跨模态证据推断：视觉使用特征数量/分布、重投影残差和估计不确定性；GNSS使用卫星健康、高程、锁定连续性、残差和几何；LiDAR使用注册残差和几何可观测性；惯性使用饱和标志、偏差或协方差增长。估计器可拒绝观测、增大协方差、应用鲁棒损失、禁用因子或重初始化状态。系统级响应包括受限局部模式、降速、增大安全裕度、返航、请求干预或停止。多传感器融合在小型平台上会放大成本、重量、功耗、热负荷和带宽，因此应按任务和传感器健康状态激活模态，采用稀疏前端、局部地图、关键帧、滑窗和自适应异常值管理。
5.6 小结
多模态融合只有在每个模态提供可靠、校准良好的约束时才能提高连续性。对于资源受限平台，核心权衡是额外鲁棒性与所需传感器、计算、标定和功率成本之间的关系。
6. 资源受限自主系统的边缘智能与部署
6.1 部署约束
“资源受限”是操作性类别，当板载计算、内存、功率、有效载荷、热容量或通信带宽显著影响算法选择、传感器配置或实时执行时即成立。高分辨率图像、点云、BEV特征和地图会快速消耗内存，而通信不可靠要求板载自主持续运行。因此需系统级设计：感知模型轻量化、状态估计稀疏化和窗口化、多模态融合仅选择任务相关传感器、地图表示局部化和分层化，并优先保证安全关键模块调度。
6.2 轻量感知网络与模型压缩
深度检测、分割、BEV和占据模型通常过大过慢。轻量架构（如MobileNet、ShuffleNet、EfficientNet、紧凑YOLO/Transformer变体）通过高效卷积、特征重用和简化头部降低计算；剪枝、量化、蒸馏和架构搜索进一步压缩。导航任务应面向关键类别和关键空间区域，而不是追求完整场景理解。过度压缩可能导致小物体漏检、边界分割不准和动态目标不稳定，因此评价应联合考虑精度、延迟、功耗和闭环导航性能，而不是仅参数数量或FLOPs。
6.3 高效状态估计与轻量SLAM/VIO
状态估计对实时性要求高，VIO/LIO/SLAM通过稀疏特征、关键帧、滑窗、局部地图、边缘化、体素滤波和局部点云配准控制开销。学习模块可作为辅助组件，例如预测观测置信度、剔除动态特征、调节噪声权重或辅助回环检测，而保留几何估计框架的稳定性。关键是稀疏化、局部化和任务驱动计算，按板载资源动态选择关键帧、局部地图和优化窗口。
6.4 硬件加速与实时系统集成
采集、预处理、感知、估计、建图、规划、控制和故障监测是异步运行的系统集成问题。GPU加速并行推理，NPU提供低功耗神经执行，FPGA支持定制低延迟流水线，DSP/MCU处理预处理、滤波或控制。ONNX/TensorRT转换、量化、算子优化和并行矩阵/点云处理可降低延迟。可靠集成需要同步时间戳、稳定标定、队列管理、优先级调度、看门狗、异常检测以及针对模型超时、GNSS丢失、视觉失败或LiDAR退化的降级模式。
6.5 小结
边缘部署是系统集成问题，模型精度、估计器延迟、内存、功率、调度和故障处理必须在目标硬件上联合评估。压缩只有在保持安全闭环运行所需感知与估计功能时才有价值。
7. 数据集、评估指标与基准平台
7.1 感知相关数据集
自动驾驶感知数据集包括KITTI、nuScenes、Waymo Open Perception、Argoverse等，提供相机、LiDAR、雷达和GNSS/IMU数据，但传感器配置与平台规模不适合小型UAV和轻量移动机器人。室内RGB-D数据集包括ScanNet、SUN RGB-D、Matterport3D，支持室内语义建图，但重建位姿或静态场景注释不宜直接作为长时间机器人运行的同步真值。近年BEV和占据数据集逐渐增多，但多数仍面向自动驾驶，针对低空UAV、室内移动机器人和小型嵌入式平台的基准仍不足。
7.2 状态估计与SLAM数据集
EuRoC MAV提供硬件同步双目灰度图像和IMU数据，并有机房和运动捕捉真值；TUM VI提供双目鱼眼和IMU数据，仅部分轨迹有运动捕捉真值；KITTI Odometry提供室外驾驶序列，训练序列公开真值；UrbanNav提供城市环境GNSS原始观测和GNSS/INS参考；UZH-FPV提供高速无人机常规相机、事件相机和激光跟踪真值；TartanAir是合成数据集，提供多模态数据。使用时应结合同步、真值覆盖范围和设备差异谨慎解释。
7.3 评估指标
感知任务常用平均精度（AP）、均值平均精度（mAP）、nuScenes检测得分（NDS）、语义分割的mIoU和像素精度；BEV和占据预测常用IoU、mIoU、RayIoU或体素精度。但这些指标与导航安全并非直接对应。状态估计常用绝对轨迹误差（ATE）和相对位姿误差（RPE），需明确时间关联、对齐方式、误差分量、区间和汇总统计。边缘部署需报告帧率（FPS）、延迟、模型大小、参数量、浮点运算数（FLOPs）、内存占用、CPU/GPU/NPU利用率和功耗，尤其重视端到端延迟。
7.4 当前基准的局限
现有基准通常分离感知、估计、部署和闭环性能，对长期环境变化、标定漂移和硬件状态覆盖不足。模拟平台可控但无法完全复现传感器噪声、驱动和时序。未来评估应从离线算法指标转向系统级指标，同时评估感知精度、状态估计误差、多模态鲁棒性、边缘资源消耗和闭环导航性能，以回答算法是否精确、系统是否实时、平台是否可靠三个关键问题。
8. 结论
资源受限平台的可靠导航需要协调感知、状态估计、传感器融合与嵌入式执行。精度或鲁棒性提升往往伴随传感、计算、内存、标定或功率成本增加，且各研究结果因平台、数据集和评估协议不同难以直接比较。建议系统设计者根据目标平台、运行环境和预期失效条件选择传感与融合策略，并报告硬件配置、运行时间、内存、功率和有效轨迹覆盖等部署指标。不确定性感知自适应融合与轻量多模态模型能否在传感器退化和环境变化下提高鲁棒性而不产生不可接受的计算成本，仍需进一步验证；未来应采用标准化跨数据集评估和真实硬件闭环实验检验这些假设。
