盡管傳感器融合的概念早就提出了，但直到*近我們才開(kāi)始真正看到實(shí)際的規模應用。事實(shí)上，傳感器融合已經(jīng)迅速發(fā)展成為一種熱門(mén)趨勢，從發(fā)源的智能手機和便攜式設備，現在開(kāi)始拓展到廣泛的物聯(lián)網(wǎng)傳感器、新一代自動(dòng)駕駛汽車(chē)以及無(wú)人機的環(huán)境感知應用。
這種爆炸式增長(cháng)帶來(lái)了機遇，當然也提出了許多挑戰，不僅是純粹的技術(shù)挑戰，還涉及隱私、**以及對未來(lái)基礎設施發(fā)展的更廣泛影響。
傳感器融合的定義相對簡(jiǎn)單，本質(zhì)上是一種智能整合一系列傳感器數據的軟件，然后利用整合結果來(lái)提高性能，可以是使用相同或類(lèi)似類(lèi)型的傳感器陣列來(lái)實(shí)現極高精度的測量，也可以通過(guò)整合不同類(lèi)型的傳感器輸入來(lái)實(shí)現更復雜的功能。
消費電子領(lǐng)域需求*大
傳感器融合的潛在應用非常廣泛，產(chǎn)業(yè)分析師非?？春?。據麥姆斯咨詢(xún)報道，傳感器融合系統需求預計將在未來(lái)5年內以約19.4%的復合年增長(cháng)率（CAGR）增長(cháng)，市場(chǎng)規模預計將從2017年的26.2億美元增長(cháng)到2023年的75.8億美元。2016年，北美地區是傳感器融合市場(chǎng)*大的生產(chǎn)基地，市場(chǎng)份額接近32.84%，而歐洲地區的市場(chǎng)份額也超過(guò)了31.51%。
雖然傳感器融合的傳統用例更傾向于工業(yè)應用，但近年客戶(hù)群發(fā)生了重大轉變。2016年， 54.86%的傳感器融合系統市場(chǎng)需求源自消費電子行業(yè)。
傳感器中 樞（一種包含MCU的軟硬件結合解決方案）日益增長(cháng)的實(shí)用性，推動(dòng)了消費電子產(chǎn)業(yè)的巨大需求。與純軟件的“傳感器融合”相反，傳感器中 樞為特定的一組傳感器實(shí)現了特定的傳感器融合算法，涉及廣泛的傳感器類(lèi)型及算法?；谟布膫鞲衅髦?樞減輕了系統CPU的沉重負擔，這對于從智能手機到可穿戴設備的現代設備非常有用。實(shí)際上，降低CPU負載可以延長(cháng)電池壽命并減少熱量，這兩者都是可穿戴設備和智能手機設計師面臨的關(guān)鍵挑戰。
例如，谷歌（Google）推出了安卓（Android）傳感器中 樞，旨在直接連接生物識別傳感器、加速度計和陀螺儀等智能手機傳感器。其運行谷歌自定義算法的微型處理器，可以獨立解讀手勢和活動(dòng)，無(wú)需消耗主CPU的資源。
目前為止，這種傳感器中 樞已經(jīng)集成在無(wú)數的安卓和蘋(píng)果iPhone手機中，作為高通（Qualcomm）Snapdragon芯片組的一部分，也已經(jīng)進(jìn)入了大量的可穿戴設備和智能家居設備，在這些用例中，電池壽命都是至關(guān)重要的。
自動(dòng)駕駛應用
傳感器融合的另一個(gè)主要市場(chǎng)是汽車(chē)產(chǎn)業(yè)，例如汽車(chē)防碰撞系統，其中可以使用各種不同的傳感器，包括壓力傳感器、加速度計、陀螺儀和超聲波傳感器等。如果傳感器組合達到了閾值，則可以自動(dòng)執行相應的響應（例如啟動(dòng)相關(guān)的**氣囊）。大多數目前的Level 3級自動(dòng)駕駛車(chē)輛，依靠傳感器融合將激光雷達與可見(jiàn)光攝像頭、紅外相機、超聲波傳感器和雷達陣列等傳感器集成在一起。這些傳感器每秒能夠產(chǎn)生高達數千萬(wàn)個(gè)點(diǎn)，出于明顯的**原因，這些點(diǎn)需要實(shí)時(shí)處理。
自動(dòng)駕駛產(chǎn)業(yè)的目標是逐步向人類(lèi)駕駛員互動(dòng)更少的Level 4級和Level 5級（在Level 5級時(shí)根本不需要）發(fā)展，對傳感器、傳感器融合硬件/軟件以及處理器的可靠性要求不斷提高，這要求比智能手機和可穿戴設備更高的水平。很顯然，智能手表遇到故障自己重新啟動(dòng)，跟高速公路上Level 5級自動(dòng)駕駛汽車(chē)的防碰撞系統截然不同。整個(gè)系統的可靠性是一項很復雜的挑戰，因為傳感器融合在提供更快、更有效的環(huán)境變量監測時(shí)，也意味著(zhù)來(lái)自單個(gè)傳感器的非正常輸入可能會(huì )觸發(fā)**系統，這就需要汽車(chē)設計人員在系統的所有部分都確保有效輸入和冗余。
或許，傳感器融合對未來(lái)自動(dòng)駕駛*重要的優(yōu)勢是所提供的冗余環(huán)境感知，利用各種不同的傳感技術(shù)解讀它們所處的環(huán)境。例如自動(dòng)駕駛垂直應用中的激光雷達和雷達系統，以及無(wú)人機系統中的壓力傳感器，在GPS信號不可靠的情況下是飛行控制和定位的重要工具。
智慧城市應用
這種傳感器融合的衍生環(huán)境在物聯(lián)網(wǎng)和智能家居/智慧城市的發(fā)展中尤為重要。這些聯(lián)網(wǎng)的無(wú)數“沉默”傳感器一旦成功融合，就可以構建到城市規模的響應系統中。如果家庭數據以可識別的方式使用，那么當然會(huì )存在隱私和**問(wèn)題，以及城市范圍系統存在的更廣泛的公共**問(wèn)題。不過(guò)，設計用于城市空氣污染（例如苯和顆粒物）監測的早期測試網(wǎng)絡(luò )，通過(guò)車(chē)載系統、建筑集成和專(zhuān)用監測站構建，能夠自動(dòng)發(fā)出警報、疏導交通流量，已經(jīng)顯示出巨大的應用前景。
例如，2018年7月發(fā)起的一項監測倫敦污染水平的計劃，整合了污染*嚴重地區的100個(gè)固定傳感器和兩輛經(jīng)過(guò)特殊改裝的谷歌街景汽車(chē)，一起追蹤倫敦街頭的污染水平。這兩輛谷歌街景汽車(chē)每隔30米就會(huì )收集一次空氣質(zhì)量讀數，以通過(guò)一年內的累積數據來(lái)標記倫敦污染的“熱點(diǎn)區域”。
人工智能助力傳感器融合
當然，除了在各種實(shí)施方案中從各種傳感器中提取有用數據的挑戰，還有許多其它挑戰，尤其是可靠地響應環(huán)境變化的挑戰，其中任何一個(gè)都可能增加數據收集過(guò)程中的設備誤差、噪聲以及缺陷。
數年前，平滑地處理這些誤差幾乎是不可能完成的任務(wù)，但隨著(zhù)相對經(jīng)濟的機器學(xué)習和人工智能（AI）工具的興起，傳感器融合所帶來(lái)的真正潛力呈現了指數級增長(cháng)。當然，人工智能技術(shù)應用的前景更加喜人，為傳感器供應商和設計師創(chuàng )造了新的用例，從而打造了新的市場(chǎng)。短期內，人工智能和傳感器融合可以通過(guò)增強的本地數據處理來(lái)使**風(fēng)險*小化，從而顯著(zhù)降低**傳輸、處理和存儲異地個(gè)體數據的要求。這可能成為一個(gè)至關(guān)重要的價(jià)值體現，降低商業(yè)風(fēng)險和間接成本，并為*終用戶(hù)提供更清晰的利益。
很顯然，未來(lái)我們會(huì )看到越來(lái)越多的互聯(lián)傳感器嵌入我們的車(chē)輛、家庭和城市。為這些迅速膨脹的數據流添加情境，實(shí)現真正傳感器融合的必要性將會(huì )變得更加緊迫。一旦實(shí)現融合，這些數據將賦能現有應用并開(kāi)啟全新的服務(wù)，從面向消費者的健康和休閑娛樂(lè )，到提高供應鏈管理效率，以及更快、更方便、污染更少的運輸網(wǎng)絡(luò )。