迎接传感器发展的黄金时代，四位大咖热议传感器融合之路

电子发烧友原创 章鹰

近日，歌尔股份、汉威科技和南京高华三家传感器公司相继发布财报。歌尔股份作为国内传感器龙头企业，3月27日财报显示，2023年营收达到985.74亿元，净利润10.88亿元，在消费电子行业终端需求不足的情况下，营收规模保持稳定。

4月份，汉威科技公司公告显示，全年实现营业收入约为22.87亿元，较上年同期下降约4.5%；归属于上市公司股东的净利润为1.3亿元，同比下跌52.64%。总资产规模61.94亿元，较上年度增长1.72%。南京高华科技预报显示，2023年年度高华科技公司实现营业收入3.412亿元，同比增长23.80%，归属于上市公司股东的净利润9,618.44万元，同比增长18.51%。

今年随着消费电子品类AI化大潮来袭，AI终端、IoT、汽车和工业自动化领域对融合类传感器需求猛增，传感器的融合之路如何前行？日前，在国际传感器论坛上，和而泰副总裁白清利、汉威科技董事长任红军、高华科技董事长李维平和歌尔微电子副总经理方华斌，发表他们对传感器市场趋势和融合之路的最新见解。

和而泰副总裁兼研发中心负责人白清利表示，2024年成为全球传感器发展的关键时期，随着物联网、智能家居、工业自动化等领域的快速发展，传感器市场的需求持续增长。传感器融合对于应用的发展非常重要。他认为，融合有两个维度：一是技术的融合，二是传感器和市场的融合。

技术日新月异，从早期的人工智能、大数据的应用，包括边缘计算、深度学习，到现在比较火的ChatGPT，如何把传感器和最新技术结合起来。和而泰面对终端客户博世家电、西门子、伊莱克斯等国际客户，主力提供解决方案是AI+传感器，比如对于冰箱压缩机寿命的预测，加上加速度传感器和大数据采集，来预测冰箱压缩机的寿命。另外，在电机驱动的时候，我们去估算通过传感器检测，估算电机转子输出的扭矩，还有温升的一些参数，让技术和传感器进行融合，推动产业发展。

谈到传感器和市场的融合，白清利举例说：“加速度传感器和陀螺仪诞生于二十年前，主力应用在航空航天。到了今天，加速度传感器在多种电子设备中广泛应用，如手机、平板电脑、车载导航系统等。陀螺仪在汽车稳定性控制系统、手机和平板领域都有应用，这两种传感器应用领域已经扩展到工业、汽车电气和智能家电领域。”

白清利认为，传感器厂商的优势在于知道传感器技术的发展方向和趋势，对于应用的认知上有一定的偏差。终端客户的优势在于对用户需求的理解，他们对传感器的理解有一些偏差。作为中间层，和而泰持续拉动汽车电子客户、智能家电客户和上游的传感器供应商一起合作讨论，看新技术如何应用到新产品当中，实现产业链协同。

汉威科技：多品类传感融合+边缘计算，为气体传感器带来更多市场空间

汉威科技成立于1998年，2009年上市，是国内首批、河南省首家创业板上市公司，经过23年的发展，汉威科技已经成为一家以传感器为核心的物联网综合解决方案供应商。这家公司生产的气体传感器国内市场占有率超过七成，综合实力进入全球气体传感器领域前三。

汉威科技董事长任红军指出，虽然汉威科技作为国内气体传感器的龙头企业，业务聚焦气体传感器，但是气体传感器已经和温度、湿度、压力、环境传感器等密不可分。公司已经推出了一系列的复合型传感器， 我们在检测气体的时候，检测模组是多种传感器芯片和材料组合在一起，同时还融合了温度、湿度或者压力传感器，同时对一些参数进行了修正，这是全球传感器的发展趋势。

他强调，气体传感器领域的发展趋势，仍然是以气体为主外，融合其他品类传感器来解决实际应用中的可靠性和精度问题。在市场拓展方面，除了传统的工业、能源领域需求外，智能家居、汽车和家电领域对气体传感器也产生巨大的需求。这些细分市场的客户不仅对气体传感器有需求，还会对红外传感器、光学传感器，包括激光传感器有需求，我们都在推进新的产业链。据悉，汉威科技推出的超声波传感器 在测量、表计、位置方面有新应用。任红军强调，MEMS和光学器件的融合也是一个趋势。

任红军认为，未来气体传感器和边缘计算芯片可能会封装在一起，带来边缘的算力。汉威科技围绕这个趋势正在布局，从用户终端侧来看，更多的传感器融合在一起，加上边缘计算能够迎来更大的市场机遇。

高华科技：剑指高端制造高可靠性需求，多品类传感器+系统软件构成解决方案

2000年，南京高华科技成立。公司主要研发各类压力、加速度、温湿度、位移传感器。2006年，中国高铁和谐号传感器被迫国产化，高华科技抓住了这个机会，为中车系统进行了传感器的国产化研制。到后来复兴号的传感器，高华科技是国内第一家完成高铁加速度传感器的研发和配套厂商。2007年，高华科技开始承接为载人航天工程配套床传感器业务，2008年，公司批量进入轨道交通及工程机械领域，为高铁动车及工程机械国产化配套传感器；到2018年，公司的传感器网络系统首次被应用在航天领域。

高华科技董事长李维平表示，高华科技以压力传感器起家，在高端领域客户的需求点是多系列传感器，今年是传感应用全面井喷式发展阶段，我们需要系统产品拉动传感器产业发展。据悉，这家公司为火箭上研制了高可靠性的压力、温度等多类传感器，实现对火箭的跟踪、遥测和控制，为火箭升空提供了重要支撑。李维平强调，高端制造领域的客户，特别是航空航天对于产品可靠性要求很高。

李维平强调，传感器产业是一个高技术、高投入的产业，随着军工、航天、工业和汽车领域对于可靠性要求持续升高，企业的投入不断加大。高华科技把握国家大力发展战略性新兴产业及工业高端传感器国产化替代进程加速等机遇，秉承“军品+工业品两翼齐飞，传感器器件+传感器网络系统协同递进”的双轮驱动发展战略。

据悉，高华科技长期聚焦传感器赛道，持续对传感器领域的研发进行重金投入，一方面芯片开发投入，另外一方面是传感器网络系统软件上的投入。

歌尔微电子：看好AI和传感器融合，推动AI新终端应用落地

“今年，我们看好AI和传感器的融合，这为传感器发展带来新路径，给产业带来两大利好。一方面是将现有的应用升级，同时带来新的机遇和新可能性。”歌尔微电子副总方华斌表示。“传感器融合的技术和强大的AI算力结合，能够赋能诸多的新兴终端产品形态。以往传感器品类众多，垂直类传感器应用聚焦独特的应用，或者某个单独时间点的应用。AI技术进入传感器，可以实现更多传感器之间的融合。”

他以可穿戴产品举例，可穿戴手表或者手环内置了惯性传感器、环境传感器、血氧和血压传感器，可以将测量数据收集起来，传送到AI边缘端芯片做数据分析，就可以对个人的运动健康特征做一些有价值的分析，做运动指导、饮食的指导。方华斌指出，头部消费电子的厂商在细分领域有纵深的布局，通过产品布局和生态的积累，他们在积极推进新应用落地，上游的传感器厂商自然要大力跟进厂商需求。

他还分析说：“在汽车和工业自动化制造领域，新应用场景已经衍生出基于传感器融合的个性化定制服务。在AI和传感器融合方面，客户对于数据安全性、隐私性、准确性和容错率的痛点问题解决，需要依赖技术发展来破解，此外还有政策和法律法规来实现。"

歌尔微电子聚焦MEMS传感器和微系统主航道来扩展应用，以MEMS麦克风为例，在高端应用中有AI麦克风，对麦克风的语音音质、交互、抗干扰能力和降噪有特别要求。行业高端麦克风的信噪比70dB，歌尔微量产的麦克风信噪比做到72dB，未来在AI手机、AI PC新品中，歌尔微有产品亮相。方华斌总结说：“歌尔微电子不断扩充传感器品类，除了MEMS麦克风外，我们在惯性振动、血压检测、光学ToF和压电触控都有新产品研发和推进计划，应用场景也从消费电子，向汽车电子、IoT和智能家电领域扩展。”

自动驾驶中的9种传感器融合算法

在自动驾驶汽车中，传感器融合是融合来自多个传感器数据的过程。该步骤在机器人技术中是强制性的，因为它提供了更高的可靠性、冗余性以及最终的安全性。

为了更好地理解，让我们考虑一个简单的例子，如激光雷达和相机都在看着行人：

由于传感器是有噪声的，因此需要传感器融合算法来处理这些噪声，并尽可能进行最精确的估计。

在融合传感器时，我们实际上是在融合传感器数据，或者叫做数据融合。有9种方法可以构建数据融合算法。这9种方法又可以分为3大类。

本文将重点介绍传感器融合的3种分类和9种算法。

按抽象级别进行传感器融合

最常见的融合类型是抽象级别的。在这种情况下，问题是“应该什么时候进行融合？”

文章激光雷达和摄像头的融合中描述了早期（EARLY）和后期（LATE）融合两种过程。

在业界，还有其他称呼：低级（Low Level）、中级（Mid-Level）和高级（High-Level）传感器融合。

低级别融合：融合原始数据

低级别传感器融合是关于融合来自多个传感器的原始数据。例如，融合来自激光雷达的点云数据和来自摄像头的像素级数据。

✅ 这种类型的融合在未来几年具有很大的潜力，因为其考虑了所有数据。

❌ 早期融合（Low-Level）几年前还很难做到的，因为所需的处理量很大。每毫秒可以将数十万个点与数十万个像素融合在一起。

下面是一个摄像头和激光雷达低级别融合的示例。

在此过程中使用了对象检测，但真正完成这项工作的是将3D点云投影到图像中，然后将其与像素关联起来。

中级别融合：融合检测数据

中级传感器融合是将传感器独立检测到的物体进行融合。

如果摄像头检测到障碍物，雷达也检测到它，我们把这些结果融合到一起形成对障碍物的位置、类别和速度的最佳估计。通常使用的方法是卡尔曼滤波器（贝叶斯算法）。

✅ 这个过程很容易理解，并且包含了几个现有的实现。

❌ 它严重依赖于检测器。如果一个失败，整个融合都可能失败。卡尔曼滤波器来解决这个问题！

中级传感器融合示例：

在此示例中，我们将来自激光雷达的3D边界框与来自对象检测算法的2D边界框融合在一起。该过程有效；但也可以逆转。可以将3D激光雷达的结果映射到2D中，并在2D影像中进行数据融合。

高级别融合：融合轨迹

最后，高级传感器融合是关于融合对象及其轨迹。我们不仅依赖于检测，还依赖于预测和跟踪。

✅ 此过程高一级，其优点是简单。

❌ 一个主要问题是可能会丢失太多信息。如果追踪是错误的，那么整件事都是错误的。

雷达和摄像头之间按抽象级别的数据融合图：

中心化级别的传感器融合

融合算法的第二类方法是按中心化级别来区分的。该场景下的问题是“融合在哪里发生？”。主计算机可以做，或者每个传感器可以做自己的检测和融合。一些方法是通过使用称为卫星架构的技术来做融合的。

我们来了解一下3种类型的融合：

我们以一辆经典的自动驾驶汽车为例。在这种情况下，每个传感器都有自己的计算机。所有这些计算机都连接到一个中央计算单元。

与此相反，Aptiv开发了一种卫星架构的架构。这个想法是：所有传感器都连接到一个中央单元上，该单元处理称为主动安全域控制器的智能。

在这个过程中，利用传感器的位置和传递的信息类型，可以帮助减轻车辆的总重量，并随着传感器的数量可以更好地扩展。

左图的情况如下：

✅ 这有几个优点，请阅读。

这是“中心化融合”的两个例子。当我们使用经典架构时，可能会遇到另外两种类型的融合。

雷达和摄像头之间按抽象级别的数据融合图：

按竞争级别的传感器融合

对传感器融合算法进行分类的最后一种方法是按竞争级别。

同样，有3种可能。

竞争融合

竞争融合是指传感器用于相同目的。例如，当同时使用雷达和激光雷达来检测行人时。这里发生的数据融合过程称为冗余，使用术语“竞争”。

互补融合

互补融合是指使用不同的传感器观察不同的场景来获取我们使用其他方式无法获得的东西。例如，使用多个摄像头构建全景图时。由于这些传感器相互补充，使用术语“互补”。

协同融合

最后，协同融合是关于使用两个或更多传感器来产生一个新场景，但是关于同一个对象的。例如，在使用2D传感器进行3D扫描或3D重建时。

希望这篇文章可以帮助您更好地了解如何使用传感器融合，以及如何区分不同的融合算法。

融合通常由贝叶斯算法完成，例如卡尔曼滤波器。我们可以融合数据来估计物体的速度、位置或类别。

相关问答

传感器各有优劣,不同传感器的最远探测距离、精度、功能等各不相同,这些传感器在不同的使用场景里可以发挥各自的优势,难以互相替代。未来要实现更高级别的自动...

单片机和传感器程序结合的时候,只需要将才去上写道单面机里面,然后利用单片机的引脚读取传感器的数据即可。单片机和传感器程序结合的时候,只需要将才去上写...

工业应用时多采用4~20ma变送器,将各种传感器信号变成电流信号,或者转换为数字信号用hart总线,CAN总线,也可以用485总线传送。工业应用时多采用4~20ma变送器,...

学习多传感器融合,数学和计算机都是非常重要的。数学是多传感器融合的理论基础,其中包括概率论、统计学、线性代数等数学知识,这些知识对于理解多传感器融合的...

回答这个问题首先要确认目的是啥,若只是纯技术角度出发,对应的就是技多不压身。若从工程考虑,就得看你做的项目和产品的费用有多少了,多的情况下,可以弄弄激...

毫无疑问,人工智能和物联网是近年来最为热门的新兴技术。究竟二者之间能否融合?融合以后会带来怎样的影响?要说清楚,那就得先来说说什么是人工智能。我们用a...

[回答]新精神、传承精神、品牌精神!{{:company}}实力毋庸置疑.而且效果有保证!串行接口简称串口,也称串行通信接口或串行通讯接口(通常指COM接口),是采用...

01.桁架机械手、冲压机械手的自动生产线已经成为制作业自动化生产应用的核心技术在现代信息工业背景下,依靠现代科技在工业生产自动化的程度也越来越高,各个工...

多运用一些高科技技术呗,比如:数字环境应用多点触摸、360度幻影成像等前沿技术,成功实现演与讲互动,彻底颠覆了传统宣传片的静态汇报模式。同时整合...