我已经观察到的事情,听人在传感器融合业务(无论是供应商的传感器或sensor-agnostic)说,有一些变化,增强在国际消费电子展上。融合的重点是改变。

在融合栈的最底部是把复杂的数学关系,例如,单个传感器读数为更高级别的定位信息。显然,已经有一段时期,正确,并实时计算得到是一个努力。但这时间似乎已经结束。移动在抽象,但有一个巨大的质变的。

然而,计算复杂,或多或少提供了一个“正确的答案”,不是判断。所有传感器融合实现可能会达成一致的答案。

更大的努力,现在不是在正确的数学。现在的问题是:传感器我该听哪一个?例如,如果杂志传感器显示了加速度计运动,但没有变化,杂志的数据应该被忽视?或者更有害地,如果一个陀螺表明运动但是杂志不,然后忽略陀螺…但如果杂志表明运动和陀螺不忽略杂志?

将明显不同的故事,我将详细说明未来,挑战这些天似乎在比较各种输入,然后决定该相信谁。和这个提要到一个更高级的概念在CES上我听到无数次提到:上下文。

上下文的意义远远超出了简单的问题,例如,取向。但判断哪个传感器承认和忽视锻炼是一个原始的上下文。

这里是他从本质上不同于之前:没有正确的答案。嗯,我的意思是,我想有一个正确的答案(或者更准确地说,我们有我们的设备的任何尝试太聪明,猜我们在做什么,有许多错误的答案)。但这不是一个数学问题:这是一个启发式的问题。这意味着10个不同的融合算法可能接近十个不同方面的问题。

这实际上是有利于竞争,可以有真正的分化。这也意味着几个完全不同的方法可能都适合,这抑制了分化。

底线对我来说,这一切感觉稍微比复杂的混乱和复杂的数学。构建一个充满启发式算法可以艰难的——如果你想让它足够灵活以适应频繁变化和改进的算法。随着时间的推移,我也不会感到惊讶地看到这是一个强有力的因素在决定谁赢谁输。

• 
• 
• 
• 
•