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。也就是說颤陶，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)失敗烛卧。
2）傳感器的相互補(bǔ)充性予颤。 比如IMU可以填充GPS兩次定位間隔期間的定位輸出踢步，用于平滑GPS/GNSS的定位結(jié)果绞佩；GPS為IMU提供初值寺鸥，消除IMU單獨(dú)使用出現(xiàn)的偏移(Drift)的問題；Lidar可以彌補(bǔ)定位精度的問題品山，而GNSS可以為Lidar定位地圖匹配提供地圖范圍數(shù)據(jù)胆建。
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，無間配合肘交，傳感器的標(biāo)定是必不可少的笆载。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)涯呻。
自動(dòng)駕駛汽車一般包含多個(gè)Camera凉驻、3D 激光雷達(dá)(Lidar)、慣性測(cè)量單元(IMU)魄懂、多個(gè)Radar、GPS/GNSS Reciver闯第、輪速計(jì)(Wheel Odmetry)市栗，這些傳感器在運(yùn)行過程中時(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咳短，不斷更新自動(dòng)駕駛車輛的狀態(tài)(Vehicle State)填帽。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，它的信息一般來自于IMU咙好，包含x篡腌、y、z三個(gè)方向上的加速度和角速度勾效，是一個(gè)6維向量嘹悼。
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)模型來更新狀態(tài)
2 叛甫、?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)杨伙，進(jìn)入步驟4）其监，否則進(jìn)入步驟1）。
4限匣、計(jì)算GNSS/Lidar的卡爾曼增益(Kalman Gain)抖苦。? ?使用傳感器測(cè)量模型H和不確定性P
4、計(jì)算Error State米死。? 計(jì)算狀態(tài)誤差
5锌历、Correct Predicted State。? ?狀態(tài)預(yù)測(cè)
6峦筒、Compute Corrected Covariance究西。 不確定性預(yù)測(cè)
