多传感器集成与融合技术从20世纪80年代初以军事领域的研究为开端，迅速扩展到军事和非军事的各个应用领域。多传感器集成是指利用在不同的时间序列上获得的多种传感器信息，按一定准则加以综合分析来帮助系统完成某项任务，包括对各种传感器给出的有用信息进行采集、传输、分析与合成等处理。多传感器集成的基本出发点就是充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间上的冗余或互补信息依据某种准则进行组合，以获得对被测对象的一致性解释或描述。单个传感器在环境描述方面存在无法克服的缺点。首先，由于单个传感器只能提供关于操作环境的部分信息，并且其观测值总会存在不确定以及偶然不正确的情况。因此，单个传感器无法对事件作出唯一全面的解释，无法处理不确定的情况。其次，不同的传感器可以在不同环境下为不同的任务提供不同类型的信息，而单个传感器无法包括所有可能的情况。最后，由于单个传感器系统缺乏鲁棒性，所以偶然的故障会导致整个系统无法正常工作，甚至会给重要的系统造成灾难性的后果。多个传感器不仅可以得到描述同一环境特征的多个冗余的信息，而且可以描述不同的环境特征。
在空间数据特别是三维空间数据采集与更新方面，传统的测绘手段都存在一定的局限性。航空摄影测量与遥感虽然可以提供目标的空间信息、纹理特征等，但获取的主要是建筑物的顶面信息，漏掉了建筑物立面的大量几何和纹理数据。而地面摄影测量只能获取建筑物的立面信息；车载激光点云数据能较好地提供场景的三维描述，但数据含有较多噪声，目前还难以提取形体信息及拓扑关系。不同的数据获取手段之间往往存在互补性，因此利用多传感器获取多源数据融合方法来建立3D模型一直是人们关注的焦点。
城市复杂场景，单一的观测角度只能获取局部区域的有效数据，造成数据空洞现象。为了解决城市复杂环境下因遮挡导致的无人机成像信息缺失等问题，实现城市三维无缝、全息时空数据的空地一体化快速获取，可考虑集成无人机平台与地面移动测量车采集平台，根据本书第2章2.6节城市遥感协同观测平台的数据获取方案，通过空地多平台、多传感器组网协同快速观测，实现城市复杂场景全息时空信息的空地一体化精准快速完整采集。
图5-11为机-车集群多传感器集成系统采集流程，高精度POS系统(位置和姿态测量系统)支持下免像控无人机与移动测量车自主组网集群技术，可以实现空地协同组网观测，获取时间同步、地理参考统一的影像、点云、位置、姿态等信息，有效获取复杂城市场景多角度影像，通过多源影像融合，实现对城市复杂场景的时空谱融合观测。
机-车集群的空地协同观测调度、实时数据传输和多传感器集成系统，集成无线4G、卫星通信、北斗多模手段，实现空地实时通信；根据通讯链路监控数据与机-车作业特点进行调度指令的优化组合，实现机-车数据动态调度；利用抗多径自适应信道均衡、载波快速捕获跟踪、机载总线协议、多核并行处理等高速率数据传输技术，实现机-车协同数据采集。
该系统包含了移动测量车和无人机设备，移动测量车内配备了两台高性能计算机，一台用于实时监控无人机数据，另一台用于实时监控车载采集数据(可见光影像和点云数据)。作业时将车辆开到指定区域，将无人机展开升空，采集过程中因地面物体遮挡导致车辆无法采集的地方，可用无人机从空中进行同步采集；同时车载移动测量数据可以弥补无人机影像下因树木、建筑物等遮挡造成的缺失信息，达到面向城镇三维无缝、全息时空信息精准快速获取的能力。相对于单一的无人机传感器或单一的车载移动测量传感器，机-车集群多传感器集成系统提供了一个有效的观测模型和数据获取解决方案。该采集方法的流程如图5-11所示。(www.xing528.com)
图5-11 机-车集群多传感器集成系统采集流程
图5-12为机-车集群多传感器集成系统在武汉大学信息学部采集数据的场景:(a)为无人机平台，搭载了高精度POS系统；(b)为车载平台，搭载了激光惯性导航系统(INS)、全景相机(CCD)、激光扫描仪；(c)为高性能计算机显示的无人机实时影像数据；(d)为高性能计算机显示的车载移动测量实时数据。(c)和(d)两台高性能计算机都集成到(b)的车载内部，实现实时机-车集群多传感器集成。
图5-12 机-车集群多传感器集成系统
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
