1、引言：为什么需要多传感器融合？
从单一传感器的局限性说起
做机器人定位和感知这些年，我踩过最多的坑，就是「迷信单一传感器」。
你想想看，一个摄像头，白天看得清清楚楚，一到隧道或者夜晚，直接就瞎了。我有个项目，在室内停车场做AGV导航，摄像头对着白墙，纹理全无，定位直接飘到隔壁车位去了。
为什么会这样？
因为单一传感器天生就有「短板」：
- 摄像头：受光照影响极大，弱纹理场景基本失效
- 激光雷达：怕雨雪、怕镜面反射，远处点云稀疏得像秃头
- IMU：短时间准，长时间漂，积分误差像滚雪球
- GPS：室内没信号，城市峡谷多径效应严重
- 超声波：精度低，只能测个大概距离
说白了，每种传感器都有自己的「舒适区」和「死穴」。你指望一个传感器搞定所有场景？我试过，结果就是项目延期、老板拍桌子。
有一次做园区无人配送车，只用了单目视觉做定位。白天测试一切正常，结果傍晚光线一变，车子直接冲上路沿。后来加了激光雷达做融合，才把鲁棒性提上来。嗯，从那以后我再也不敢只用单一传感器了。
融合的必要性：1+1 > 2
多传感器融合，说白了就是「取长补短」。
你让摄像头提供丰富的语义信息，让激光雷达提供精确的深度，让IMU填补短时间内的运动估计。三者一结合，效果远好于任何一个单独使用。
我个人的习惯是：融合不是简单叠加，而是互补。比如：
- 视觉+IMU：视觉提供绝对观测，IMU提供高频运动先验
- 激光+IMU：激光提供精确距离，IMU解决运动畸变
- 视觉+激光+IMU：三者互补，几乎能覆盖所有室内外场景
核心观点：多传感器融合的本质，是利用不同传感器的「冗余信息」来降低「不确定性」。你想想看，一个传感器说「我估计位置在A点」，另一个说「我觉得在B点」，融合算法会告诉你「最可能的位置在C点」，而且这个C点的置信度比A和B都高。
为什么选择UKF来做融合？
说到融合算法，很多人第一反应是卡尔曼滤波（KF）或者扩展卡尔曼滤波（EKF）。
但我在实际项目中遇到过一个问题：EKF对非线性系统的处理，说白了就是「硬掰」——把非线性函数做泰勒展开，只保留一阶项。这就像你用直线去拟合一条曲线，拟合得好不好，全看曲线弯曲程度大不大。
如果系统非线性很强，EKF的线性化误差就会累积，最后导致滤波发散。我记得有一次做四旋翼的姿态估计，EKF在剧烈机动时直接崩了，数据全飞了。
而UKF（无迹卡尔曼滤波）的思路完全不同：
- 它不强行线性化，而是用一组「sigma点」来近似概率分布
- 这些点经过非线性变换后，再重新拟合出新的高斯分布
- 精度上，UKF可以做到二阶甚至三阶的近似，而EKF只有一阶
💡 我的经验：如果你做多传感器融合，系统模型稍微复杂一点（比如带旋转、带非线性观测），直接上UKF。省去推导雅可比矩阵的麻烦，精度还更高。我后来所有融合项目，只要不是实时性要求极端苛刻，一律用UKF。
本章小结
这一章我们聊了：
- 单一传感器各有短板，没有「万能传感器」
- 多传感器融合的本质是互补和降低不确定性
- UKF相比EKF，在处理非线性系统时更有优势
下一章，我会带大家深入UKF的数学原理。别怕，我会用最直观的方式讲清楚sigma点是怎么选的，权重是怎么算的。保证你听完就能上手写代码。
嗯，咱们下章见。